Gemma

AccessCast：为不同观众自动生成无障碍视频版本

Prashant-thakur77/AccessCast · One video, made for every viewer: audio description (with extended description), captions with sounds, easy-read, and Hindi, Italian, Spanish, French and Portuguese versions. Gemma 4 31B on AMD Token Factory writes, code checks every line, a person approves.

AccessCast 面向同一段视频生成八种观众版本：为盲人观众生成口述描述（在对话间隙播报，必要时在暂停画面中延长描述），为聋人观众生成带音效提示的字幕，为阅读较慢的观众生成易读字幕，并提供印地语、意大利语、西班牙语、法语和葡萄牙语的字幕与配音。项目由 Gemma 4 31B（AMD Token Factory）负责看画面、撰写、翻译与修正，代码按音频时间线和 53 条书面规则逐行校验，未通过的行退回模型修正，仍不通过则交由人工审核；服务端在仍有待审行时拒绝渲染。

gemma-media-study：用本地 Gemma 模型把视频音频生成学习资料

Rosalinedimensional886/gemma-media-study · Create study packs from video and audio files using local Gemma models for summaries, transcriptions, and chat-based tutoring.

gemma-media-study 是一款面向 Windows 的桌面应用，可将 YouTube 链接或本地视频、音频文件转为学习资源。它内置 Whisper 语音转写与 Gemma 4 对话导师，支持字幕生成、逐帧画面分析与基于内容提问，所有处理在本地完成以保护隐私，首次使用需下载模型并依赖 Ollama。

ToolGrad：利用文本“梯度”高效生成工具使用数据集

ToolGrad 是 Google 研究团队提出的数据生成框架，它反转传统范式，先生成工具使用答案、再标注对应的用户查询。相比依赖深度优先搜索的查询优先方法，该方案仅需一步 LLM 即可完成标注，能以更低成本生成更复杂的长程工具使用数据。用 ToolGrad-500 微调的 Gemma-3 模型（1B、4B、12B）在 BFCL 基准上超越基线，并在含未见工具的分布外数据集上追平最先进的专有 LLM。