원문: @Saboo_Shubham_ (2026-10-13 KST) — 제작자 @TslShahir 글 인용
핵심 요지
@TslShahir가 Google의 임베딩 모델 EmbeddingGemma 2를 음성 인식(STT) 모델로 바꿨다. 기기에서 돌릴 수 있는 STT 중 가장 빠른 축에 든다고 한다. Shubham Saboo는 “완전 로컬, 무료, 100% 오픈”이라고 소개했다.
- 속도: 기본형 M3 MacBook Air에서 1시간 분량 음성을 약 13초에 전사한다. 실시간 대비 288배다.
- 발상: 3월에 나온 Gemini Embedding 2는 텍스트·이미지·오디오·영상을 하나의 공유 공간에 넣는다. 그렇다면 말한 단어가 글로 쓴 단어 바로 옆에 놓이므로, 임베딩 모델에서 전사를 그대로 읽어 낼 수 있어야 한다.
- 실행: 당시에는 시도하지 못했다. 지난주 EmbeddingGemma 2가 오픈 모델로 나오자 실제로 만들었다.
메모
- 정확도(WER)나 지원 언어는 인용된 글에 없다. 속도만 보고 Whisper 계열을 대체할지 판단하기는 이르다.
- 로컬 STT 비교 대상: 2026-03-27-insanely-fast-whisper, 2026-04-08-ghost-pepper-local-mac-stt.
- 묶음: moc-multimedia