如同移动支付的便捷ChatGPT以10小时录音为资本轻松解锁对话之门让你的每一个疑问都能得以迅速响应

机器之心报道

编辑：张倩

在 ChatGPT 的模仿者中，一项突破性的技术使得用户能够直接将语音文件粘贴至输入框。这些大型语言模型正席卷各个行业，重塑着用户的期望。但是，将人类的声音转化为生成式人工智能产品仍面临诸多挑战，其中最主要的是如何处理音频数据。

对于大型语言模型来说，最大的困难之一就是它们受到上下文窗口的限制。在将音频文件输入到模型之前，这些文件首先需要被转换成文字。随着音频长度的增加，绕过这一限制变得更加棘手。这一挑战尤其明显，因为工作场景往往要求处理长达数小时的语音记录，比如从会议录音中提取关键信息，或从访谈中找到特定问题的答案。

近日，一家名为 AssemblyAI 的公司推出了一个新型语音识别 AI 模型——LeMUR。这个模型就像对付几十页 PDF 文档一样，可以轻松处理长达10小时的录音，并提供精准的转录、总结和问答服务。

安全可靠

LeMUR 不仅具备高效率，还配备了强有力的安全措施和内容过滤器，以确保输出结果不仅准确，而且不会产生有害或带偏见的情报。

页面右侧，我们可以通过简单操作来要求 LeMUR 提供采访内容摘要或者回答问题。而且，这款 AI 模块似乎已经能够轻松完成任务。不过，它目前还无法理解中文。如果你对这项技术感兴趣，可以尝试一下它是否能满足你的需求。