SpeakoFlow Mini

大家好！👋 我开发了 SpeakoFlow，一款免费的离线语音助手。这是一款小型模型，专门用来整理您口述的内容。我之所以训练它，是因为其他工具都不会让我的文字保持原样。

现在的语音识别已经相当不错了。标点、大写、填充词和数字都已被处理好。因此，剩下唯一的工作就是修正您真正说错的地方。比如您说"let's ship it Thursday, no, Friday"，您想要的是"let's ship it Friday"。如果某句话本来就正确，您希望它原封不动地返回，一字不差。

后半部分正是我尝试过的所有方案都栽跟头的地方。一个能力尚可的模型拿到正确的文本后，总会忍不住去"优化"它：逗号变成句号，一段话变成要点列表，一个词被换成更"顺滑"的同义词。每处改动单独看都挺合理，但每一处都是错的——因为我说的是另一回事，结果我只能手动去撤销这些修改。

我确实通过 API 接入大型托管模型把它跑通了。但那意味着每口述一句话都要走一次网络往返并产生费用——而这只是一个您边口述边等文字出现的功能而已。所以我转而训练了一个 0.8B 参数的模型，只做这个任务的精简版。它体积 833 MB，采用 Apache-2.0 许可，无需联网即可在普通 CPU 上运行。原本正确的文本有 92.6% 的概率被原封不动地返回。

坦白说一下局限：在真实口述中冒出来的那些怪场景上，大型托管模型仍然比这个模型更懂情况。这个模型的价值在于：对那些反复出现的常见情况，它能做到接近的效果，同时体积小到可以随应用一起发布。

完整的结果、局限性说明，以及一行 Ollama 启动命令都已发布在模型页面。如果您口述时它改了您希望保留的一行，或者漏掉了您希望修正的地方，请把原文发给我。这是我最希望收到的反馈。