【把嵌入模型变成转写神器：Mac本地13秒转完1小时音频】有开发者基于谷歌多模态嵌入模型 EmbeddingGemma 2 开发了转录工具 Embedding Gemma Transcribe。它保留了原始音频编码器，仅花不到两小时训了一个轻量读取器，直接在共享向量空间中将语音切片匹配为最接近的英文单词，再配合小模型补齐大小写与标点。整个流程完全依托 Mac 神经网络引擎在端侧离线运行，隐私不出设备；在基础款 M3 MacBook Air 上转录一小时音频仅需 12.6 秒。目前其词错率约 5%，不仅支持拖入音频文件，还能长按右 Option 键在任意软件中听写，适配 macOS 14 及以上 Apple Silicon 设备，免费可用。eg2.haku.sh