Today for AI
返回热点榜
tools热度 18.1°

AI 聚簇研判事件 · 2026/10/13

谷歌 EmbeddingGemma 2 改造为本地语音转文字：MacBook Air 13 秒转录 1 小时音频，仅训练轻量读取器

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/13 19:27:14
全景综述与最新动态
1 家信源交叉印证

开发者将谷歌多模态嵌入模型 EmbeddingGemma 2 改造为高性能本地语音转文字工具，在基础款 MacBook Air 上实现 1 小时音频仅需约 13 秒完成转录。该方案冻结原始音频编码器，仅训练一个轻量级“读取器”将音频切片映射至文本空间并匹配最近词汇，全程在 Apple Neural Engine 运行且数据不出设备。

最新动向/开发者将谷歌多模态嵌入模型 EmbeddingGemma 2 改造为高性能本地语音转文字工具，在基础款 MacBook Air 上实现 1 小时音频仅需约 13 秒完成转录。该方案冻结原始音频编码器，仅训练一个轻量级“读取器”将音频切片映射至文本空间并匹配最近词汇，全程在 Apple Neural Engine 运行且数据不出设备。

热度曲线逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Hacker News AIT2·68 分
    • 核心创新在于不重新训练大模型，而是冻结 EmbeddingGemma 2 的音频编码器，仅训练一个小型“读取器”将音频特征映射到共享文本嵌入空间。
    • 性能极致优化：利用 Apple Silicon 的 Neural Engine，在 8GB 内存的基础款 M3 MacBook Air 上实现 288x 实时速度（1 小时音频 12.6 秒完成）。
    • 隐私与部署优势：模型文件仅 715 MB，完全离线运行，支持全局快捷键听写，适用于对隐私敏感的低算力终端场景。