164MB 的语音模型，对齐了 15 倍大的对手

huggingface.co/FermionResearc… 有条开源发布值得拆：Fermion 的语音识别模型 Phonon-2——仅 164MB，普通轻薄笔记本上转写 1 小时音频约 20 秒；靠极低位宽权重压缩把体积砍下来，准确率却对齐了体积大 15 倍的原版大模型，会议和演讲场景甚至更优；原帖也如实标了短板：仅支持英文。 两层一，接 61988 那台 4B 本地模型 = 本机线的语音拼图：语言模型证明了小身材能干活，这条证明压缩后的语音识别也能——1 小时音频 20 秒意味着转写这个场景正式不需要高端显卡和云端往返，本地听写和会议纪要的账从此按电费算。 二，"对齐 15 倍体积的原版"是压缩技术的成人礼：位宽压到极致还不掉队，说明很多冗余是"体积的"而不是"能力的"——这个判断在语言模型上同样成立，接下来卷的不是谁参数多，是谁更会瘦。 口径：①体积、速度与准确率其发布帖表述（我没跑基准复测）；②L1 为 HF 模型页可查；③"成人礼/按电费算"是我的比喻；④仅英文其原帖标注。 要用的两条：一，做会议纪要、播客转写的——先在自己机器上跑这个 20 秒/小时的账，再决定要不要续云端转写；二，做模型压缩的——"冗余是体积的能力不是能力的"这条验证路径值得复制到自己的任务上。 转写任务的云账单可以退役了吗——你上次把一段长音频送去云端，是什么时候？