未来世界的守望者能听懂语音的ChatGPT如同拥有无声耳朵10小时录音如同星辰般洒落问什么就问什么

机器之心报道

编辑：张倩

在未来世界，ChatGPT的音频输入功能已然开启，让我们可以将长达10小时的语音文件直接粘贴进去，无需再转换为文字。这种基于人类语音的大型语言模型（LLM）正在重塑各行各业的用户体验。然而，将LLM应用于复杂的音频数据仍面临挑战之一，就是如何让这些数据与LLM相匹配。

首先，我们需要理解LLM是如何工作的。在处理一个长时间录制的声音文件时，一个关键问题就是它所能处理的大量上下文限制。而为了进入这个系统，它必须首先被转化成可读取的人类语言。这意味着，对于一段几个小时甚至更长时间的会议记录或者访谈录像，我们都需要通过一种方式来“解锁”它们，以便进行分析和提取核心信息。

最近，一家专注于语音识别技术的公司AssemblyAI推出了一个名为LeMUR的大型语言模型。就如同ChatGPT能够快速处理几十页厚重的PDF文档一样，LeMUR能够以惊人的速度将长达10小时以上的声音文件进行转录、整理，并且提供精准总结，同时还能回答用户的问题。

安全而又可靠

由于LeMUR内置了严格的人工智能安全措施和内容过滤器，它保证了输出内容既不可能产生有害影响，也不会出现偏见性言论。无论你需要从数百分钟采访中抽取关键点，或是回答特定问题，都可以轻松地完成任务：

不过，有一点要注意的是，目前LeMUR似乎并不支持中文。如果你对此感兴趣，可以尝试一下，看看是否能实现你的需求。