MacBook Air 13 秒转写一小时音频

An hour of audio transcribed in about 13s on MacBook Air

我们将 Google 的 EmbeddingGemma 2 多模态嵌入模型改造成了语音转文字工具。在基础款 MacBook Air 上，它能在约 13 秒内完成一小时音频的转写，且全程在设备本地运行，数据绝不外泄。原理很简单：利用 EmbeddingGemma 2 的音频编码器，让声音片段在共享空间中靠近对应的文字，再通过一个小模型进行匹配和标点处理。虽然目前的词错率约为 5%，略高于业界领先的 2-3%，但速度优势惊人，达到了实时速度的 288 倍。只需按住 Right Option 键说话，即可在任何应用中实现快速听写，体验真正的本地化 AI 效率。