0.8B 参数本地模型，专攻听写文本清理：开放权重与对比
开发者发布基于 Qwen3-0.8B 微调的 SpeakoFlow Mini（Apache-2.0），专用于听写纠错，在…
一名独立开发者发布了名为 SpeakoFlow Mini 的开源模型，这是一个基于 Qwen3 系列 0.8B 参数规模基座（原文写作「Qwen3.5-0.8B」，与现有公开版本名不符，疑为笔误）微调而来的 Apache-2.0 许可模型，专门用于「听写文本清理」任务。该模型并非通用聊天或改写模型，而是接收语音转文字（STT）的输出，仅修正说话者真正纠正过的内容，其余则保持原样。
任务定位：克制改写
听写清理的核心难点在于「过度润色」。当一句话本身已经正确，普通模型仍可能擅自「改写」，在听写场景里这种不必要的修改等同于一次错误的编辑。SpeakoFlow Mini 的设计目标就是只处理真实的口头修正，如把「The deadline is Monday. Scratch that.」改为「The deadline is Wednesday.」，而把上下文里所有正确的句子原样保留。
基准对比：与前沿模型打平
作者在自建的英语专项基准上做了对照测试，使用同一段固定短提示词、并关闭推理：
- SpeakoFlow Mini：70.7%
- GPT-5.6 Luna（声称中的下一代前沿模型，作者未做更多描述）：65.0%
- 分差：+5.8 分
- 95% 置信区间：[-1.5, +12.9]
置信区间跨零，作者明确指出这是「统计平局」而非胜出。同时强调：若改用更长提示词并开放推理预算，Luna 会更强，也更适合本基准之外的非常规情况。
微调收益与本地部署
与未微调的 Qwen3-0.8B 基座对比时，微调把分数从 47.3% 拉升至 70.7%，提升 +23.4 分，95% 置信区间 [+16.3, +30.3]，改善显著。Q8_0 量化版本体积约 833 MB，可完全离线运行。模型文件、运行命令、量化结果、局限说明与样例已在 Hugging Face 仓库公开，但评测集本身未随权重发布。
局限与作者立场
对比条件受限：固定短提示词 + 关闭推理预算 + 单一英语专项基准，因此结论应严格理解为：在这种低开销配置下，0.8B 本地模型可以追平某前沿托管模型。作者在帖子中披露自己是 SpeakoFlow 与 SpeakoFlow Mini 的开发者，并表示希望社区反馈「模型改了本不该改内容」的失败案例。