2025-02-23 手机 0
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到输入框中。随着大型语言模型（LLM）的普及，它们正在重塑各个行业的用户体验。不过，开发一款以人类语音为基础的生成式人工智能产品仍然充满挑战，因为处理音频文件对这些模型来说是一个棘手的问题。
一个困难之处在于，大型语言模型受到其上下文窗口限制。在将音频文件输入到它们之前，这些文件需要被转换成文字。长时间的录音更是增加了这一工程上的复杂性。但是，在工作场景中，我们往往需要处理数小时甚至数天的会议记录、访谈等长篇文献，以提取关键信息或回答特定问题。
最近，AssemblyAI——一家专注于语音识别技术的公司——推出了名为LeMUR的大型语言模型。这款新工具就像ChatGPT那样能处理庞大的PDF文档一样，LeMUR可以轻松地处理10小时以上的录音数据，将其转录并提炼出核心内容，并且还能回答用户的问题。
安全与可靠性保证
由于LeMUR集成了严格的安全措施和内容过滤系统，它能够提供经过筛选、不易产生有害或偏见信息的一系列回应。
在页面右侧，我们可以通过交互界面要求LeMUR总结采访内容或者回答我们的疑问。据观察，LeMUR表现出的功能非常强大，可以高效完成多种任务：
尽管如此，目前看来LeMUR似乎不支持中文。如果你对此感兴趣，可以尝试一下它最新版本是否已经解决了这一问题。
