2025-02-23 手机 0
机器之心科技报道
编辑：张倩
革新每个行业的用户体验，类似ChatGPT的大型语言模型（LLM）正逐步展现其强大力量。然而，将人类语音转化为生成式人工智能产品仍面临着诸多挑战，其中之一就是如何有效处理音频文件。
一个关键难题在于，LLM受到其上下文窗口限制。在将音频文件输入到LLM之前，它必须首先被转换成文本。随着音频文件长度的增加，绕过这个限制变得更加困难。但是，在工作场景中，我们往往需要处理非常长的语音文件，比如从数小时会议录音中提取核心信息，或从访谈中找到特定问题的答案。
最近，一家专注于语音识别技术的公司AssemblyAI推出了名为LeMUR的大型语言模型。就像ChatGPT能够高效地处理几十页PDF文档一样，LeMUR能够将长达10小时的录音进行准确转录、分析，并且帮助用户总结主要内容，同时回答他们的问题。
安全可靠的人工智能输出
由于LeMUR内置了安全措施和内容过滤器，它能提供来自LLM的一流回应，这些回应极少可能包含有害或偏见的情绪色彩。
在页面右侧，我们可以轻松要求LeMUR对采访内容进行总结或者回答我们的疑问。目前看来，LeMUR似乎已经准备好完成这些任务：
尽管如此，截至目前信息显示，LeMUR并不支持中文。如果你对这项技术感兴趣，可以尝试一下看看它是否适合你的需求。
