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