科技画中绘响的ChatGPT10小时语音风暴让你的每个疑问都化作轻声细语

机器之心科技报道

编辑：张倩

突破性进展！类 ChatGPT 模型的输入框现可接收语音文档。

大型语言模型（LLM）正革新各行各业的用户体验。然而，将人类语音融入生成式人工智能产品仍面临诸多挑战，尤其是将音频文件转化为大型语言模型可理解的格式。

将 LLM 应用于长篇音频文件的一个难题在于，它们超出了 LLM 的上下文窗口限制。为了使一个长时间录制的声音内容进入 LLM，首先需要进行文本转换。随着录音时长增加，这一过程变得愈发复杂。不过，在工作环境中，我们往往需要处理极为漫长的语音记录，比如从数小时会议纪录中提取关键信息，或从访谈中寻找特定问题答案等。

近期，AssemblyAI 这家领先的语音识别 AI 公司推出了名为 LeMUR 的新技术。这项技术就像 ChatGPT 对待庞大的 PDF 文档一样，对于10小时以上的录音进行了自动转写、分析，并能提供核心要点总结和回答用户的问题。

安全、高效输出

LeMUR 遵循严格的安全措施和内容过滤标准，因此能够提供来自 LLM 的回应，这些回应极不可能含有危害或偏见性质的情绪表达。

在页面右侧，我们可以指导 LeMUR 进行采访内容摘要或直接解答问题。LeMUR 在完成任务方面表现出色：

然而，目前看来 LeMUR 似乎并不支持中文使用。如果你对此感兴趣，可以亲自试用一下这项革命性的技术。