Epilude 发布 Model 4：本地化听写 cleanup 模型升级

语音听写工具 Epilude 近日上线了 Local Mode 的第四代 cleanup 模型 Model 4，在保持 1.5 GB 下载体积和原有速度不变的前提下，将关键语义错误降低了 56%。新模型基于 Qwen 系列基座微调而来，专注于把口述文本改写成可直接发送的文字，涵盖去填充词、修正标点、处理自我打断以及匹配语气等任务。

模型构成与运行方式

Model 4 是 Local Mode 中 cleanup 模型的换代版本，speech 模型并未改动。两者一起仍以原来的体积在 Mac 上本地运行，不会把任何音频或文字上传到外部。Model 4 仅支持 Apple Silicon，完整 AI cleanup 需要 16 GB 以上内存的 Mac；内存更小的设备仍可使用本地转写加基础格式化。所有解码采用 greedy 策略，结果完全可复现。

评测方法与结果

Epilude 维护了一套包含 90 个听写场景的内部基准，覆盖标点、格式、自我修正、语气控制、多语种与混合语种等内容，由前沿模型作为 judge 多次独立投票打分；同一场景只有在所有重复运行中都通过才算通过。

在新基准下，Model 4 比 Model 3 多通过 9 个场景，关键语义错误从 9 个降至 4 个，220 条压力输入下的指令泄露依然为 0：

• 通过场景数：Model 3 69/90，Model 4 78/90
• 关键语义错误：Model 3 9 个，Model 4 4 个
• 指令泄露：两者均为 0

进步集中在容易翻车的几类场景，包括句中自我修正、日期与星期判定、混合语种，以及保留口语化语气。

训练中的两个发现

第一，标签质量比数据量更重要。在审计训练集中最难样本时，团队发现相当一部分样本在教给模型错误的模式，且这种错误对自动化过滤不可见；修正这些样本比堆数据更直接地带来了自我修正能力的提升。

第二，发布时有意选择「平均模型」。团队用不同随机种子训练了多个 cleanup 模型，每个模型都各有少量失败模式；最终发布的 Model 4 是这些模型的权重平均，结果超过任何一个单独模型，也没有继承各自的小毛病。权重平均虽是已有技术，但作者表示其相对挑选单模型的领先幅度出乎意料。

局限与可用性

Model 4 仍未解决长篇即兴段落的问题，剩余失败集中于较长的口头提问，是下一代的重点方向。Cloud Mode 在内部基准上整体仍领先，Local Mode 仍是隐私优先场景的选择。本地处理全程离线，Model 4 包含在 Epilude 订阅中，不再额外收费。已有用户更新应用后会被提示下载约 1.6 GB 的新模型，新用户可在「Settings → On-device」中开启。