llama.cpp 项目发布了版本 b11190，其中包含对 LFM2 音频模型中使用的 mel 预处理器的修复。此更改解决了导致 4.5% 的英语和 6.5% 的日语测试语句产生不同贪婪转录的差异。

  • 使用 log(x + 2^-24) 代替钳位到对数下限。
  • 实现对称汉宁窗，等效于 torch.hann_window(periodic=False)。
  • 将归一化 epsilon 添加到标准差中，而不是平方根内部。
  • 与 liquid-audio 相比，mel 相对 L2 误差从 ~3-4% 降低到英语和日语的中位数 ~2e-6。

此更新确保 lfm2a 预处理器与参考实现的输出匹配，提高了多种语言和精度格式的转录准确性。