详细介绍
Desert Ant Labs做的是一组专门化的端侧小模型,每个只干一件事:语音识别Voz、语音增强Clear、敏感信息脱敏Redact、词级时间戳Align、口头禅检测Uhm、语种识别Tongue、标题描述生成Title、话题标签Gist等。模型直接跑在用户设备上,开发者几行代码接入SDK即可,没有按token计费的云端成本。
官方给的例子是在iPhone上2秒转写10分钟音频。它适合App开发者给产品加上”小而确定”的AI能力,尤其是注重隐私、不想把用户数据传到云端,或者调用量大、云API账单吃不消的场景。核心代码在GitHub开源。它不是通用大模型,复杂推理类任务不在它的能力范围里。
相关推荐
STN: Lecture to Notes
将讲座转换为清晰简洁笔记的 Chrome 插件。
Voice Vault
Voice Vault 在 WhatsApp 上将语音信息转录为文本。
Voice Writer
Voice Writer 利用 AI 驱动的语法纠正技术将语音转录为文本,实现更快速的写作。
Claude Speech-to-Text
为Claude.ai添加语音输入,便于互动。
ChatGPT Pro – Advanced Features
一个ChatGPT增强工具,具有语音转文本、保存提示和内容选择功能。
Wispr Flow
Wispr Flow 是一款 Mac 语音输入应用,能够快速准确地将语音转换为文本。