把 EmbeddingGemma 2 变成语音转文字模型

摘要

文本嵌入模型通常只处理文字，但有人尝试把 EmbeddingGemma 2 改造成语音转文字模型。方法是在模型顶部加一个简单的分类头，直接对音频特征做映射，跳过了传统的语音识别流水线。评论区有用户指出，这个思路在资源受限的场景下可能有用，但精度远不如专门的语音模型。