دوستان من دارم یه حرکتی asr انجام میدم برای فایل های صوتی طولانی در حد ۱ ساعت
از مدل های لوکال و مولتیمودالیاستفاده کردم لوکال ها که از نظر کیفیت خیلی بد بودن
llm ی ها کدومو پیشنهاد میدید؟
من الان جمینای رو که بررسی کردم اینطوریه یه جاهای مثلا ۱۰ دقیقه ترنسکرایب نکرده هر چی رو پرامپتش کار کردم هم بهتر نشد