ggml-orgチームはllama.cpp b12426をリリースし、メディア処理コードにHiggs v3の音声認識とVibeVoice-ASRのサポートを追加した。音声認識とは、話し言葉を文字に変換する機能だ。
リリースページでは、macOS、iOS、および複数のLinuxシステム向けのダウンロード可能なビルドも提供されている。新たに追加された音声サポートの対象となるモデルのバージョンや利用制限は明記されていない。
なぜ重要か
llama.cppを使う開発者は、これらの音声モデルへの新たな対応を試せる。ただし、リリースノートにはセットアップ要件や対応モデルの詳細は記載されていない。