重庆科技馆的耳朵听懂了ChatGPT的声音10小时语音录制提问如同投掷石子于池中引起无数波纹

机器之心报道

编辑：张倩

在 ChatGPT 的模仿者中，一项突破性的功能现已实现：直接将语音文件粘贴至输入框。

随着大型语言模型（LLM）的普及，各行各业的用户期望也随之变化。然而，将人类语音转化为生成式人工智能产品仍面临艰难的挑战——尤其是对于那些以音频文件为基础的大型语言模型来说。

将 LLM 应用于长篇幅的音频数据最大的障碍之一，在于这些数据需要首先被转换成文本形式。这一过程在时间上极为耗时，而且当涉及到数小时甚至数天的长篇录音时，这种转换几乎是不可能完成的。不过，在工作场景中，我们往往需要处理这样的长篇录音，比如从一个几个小时会议记录中提取关键信息，从一个访谈中寻找特定问题答案等……

最近，AssemblyAI 通过推出名为 LeMUR 的新技术，使得这一切变得可能。就像 ChatGPT 能够处理几十页厚重的 PDF 文档一样，LeMUR 可以轻松地对10个小时以上的声音进行整理、分析，并且帮助用户总结核心内容和回答问题。

安全可靠，精准输出

由于 LeMUR 内置了严格的人工智能安全措施和内容过滤系统，它能够提供高质量、高标准的回应，不会出现有害或带有偏见的情绪表达。

在页面右侧，我们可以直接要求 LeMUR 对采访内容进行摘要或者回答我们的疑问。LeMUR 在执行任务方面表现出了惊人的效率：

不过，由于目前还不支持中文使用，如果你对此感兴趣，可以亲自尝试一下它最新版本。