科学松鼠会的耳朵轻轻倾听ChatGPT如同一位能听懂语音的魔法师10小时的录音就像是一颗颗珍贵的种子

机器之心报道

编辑：张倩

在 ChatGPT 的模仿者中，一项突破性的功能现已实现：用户可以直接将语音文件粘贴至输入框，享受大型语言模型（LLM）的智能服务。随着LLM的广泛应用，它正在重塑各行各业的用户体验。但是，将人类的声音转化为AI生成内容的产品仍面临诸多挑战，其中之一就是处理音频文件这一复杂过程。

一个困难点在于，大型语言模型受其上下文窗口限制。在将音频数据输入到模型之前，这些数据需要先被转换成文字。而长时间录制的音频文件，如会议记录或访谈录像，其转换和处理过程显得尤为棘手。尽管工作场景中我们常需对这些长时语音进行精准提取，比如从几个小时的会议记录中抽取关键信息，或从长篇访谈中找出特定问题答案……

AssemblyAI，一个专注于语音识别技术的公司，近日推出了名为LeMUR的大型语言模型。这款新工具就像是ChatGPT处理PDF文档一样，可以轻松应对10小时以上的录音转录，并且能够帮助用户总结核心内容并回答问题。

安全可靠输出保证

LeMUR配备了严格的安全措施和内容过滤系统，因此它提供给用户的是经过训练有素的大型语言模型回应，这些回应极不可能包含危险或偏见性质的情绪表达。

在页面右侧，我们可以要求LeMUR概述采访材料或者回答我们的疑问。目前看来，LeMUR已经能够流畅完成大部分任务：

然而，有趣的是，截至目前，该系统似乎还未支持中文。如果你对此感兴趣，不妨亲自试一试看看。