Instructions to use ThermalEX/voxflow-rewrite with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use ThermalEX/voxflow-rewrite with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf ThermalEX/voxflow-rewrite:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf ThermalEX/voxflow-rewrite:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf ThermalEX/voxflow-rewrite:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf ThermalEX/voxflow-rewrite:Q4_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf ThermalEX/voxflow-rewrite:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf ThermalEX/voxflow-rewrite:Q4_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf ThermalEX/voxflow-rewrite:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf ThermalEX/voxflow-rewrite:Q4_K_M

Use Docker

docker model run hf.co/ThermalEX/voxflow-rewrite:Q4_K_M

LM Studio
Jan

vLLM

How to use ThermalEX/voxflow-rewrite with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ThermalEX/voxflow-rewrite"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ThermalEX/voxflow-rewrite",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ThermalEX/voxflow-rewrite:Q4_K_M

Ollama
How to use ThermalEX/voxflow-rewrite with Ollama:
```
ollama run hf.co/ThermalEX/voxflow-rewrite:Q4_K_M
```
Unsloth Desktop

How to use ThermalEX/voxflow-rewrite with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf ThermalEX/voxflow-rewrite:Q4_K_M

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "ThermalEX/voxflow-rewrite:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use ThermalEX/voxflow-rewrite with Docker Model Runner:
```
docker model run hf.co/ThermalEX/voxflow-rewrite:Q4_K_M
```

Lemonade

How to use ThermalEX/voxflow-rewrite with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull ThermalEX/voxflow-rewrite:Q4_K_M

Run and chat with the model

lemonade run user.voxflow-rewrite-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use ThermalEX/voxflow-rewrite with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf ThermalEX/voxflow-rewrite:Q4_K_M

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default ThermalEX/voxflow-rewrite:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use ThermalEX/voxflow-rewrite with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf ThermalEX/voxflow-rewrite:Q4_K_M

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "ThermalEX/voxflow-rewrite:Q4_K_M" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

VoxFlow Rewrite

A 2B model that turns raw speech-recognition text into the text you meant to type: it removes fillers, applies spoken self-corrections ("Friday, no, Saturday"), follows inline voice commands ("translate to English", "make it more polite") and suggests up to three rewrites. Since v6 it also powers VoxFlow's memory: it picks out names, terms and plans worth remembering, fills in details a text leaves out, and summarizes a day of dictation. Fine-tuned from Qwen3.5-2B with LoRA and exported to GGUF for llama.cpp. It is the local smart-editing model of VoxFlow, a Windows voice-input app.

VoxFlow 的本地智能编辑模型：把语音识别得到的口语原文，整理成真正想输入的文字；从 v6 起也负责记忆功能（提取值得记住的信息、按记忆补全、每日总结）。基于 Qwen3.5-2B 做 LoRA 微调，导出为 GGUF，在 6 GB 显存的笔记本上单句约 0.14 秒。

能做什么

模型有五个任务，用不同的系统提示区分：

任务 1：清理并执行语音指令，输出最终文字。

输入（语音识别原文）	输出
额，那个，明天下午三点开会，不对，四点	明天下午四点开会。
我今天要买苹果，梨子，哦昨天买过苹果了，去掉苹果	我今天要买梨子。
国庆去爷爷家，爷爷说他来我们这儿，那就在我们这儿过	国庆在我们这儿过。
你们物流太慢了，我要投诉，第一句删了	我要投诉。
翻译成英文：大家好，我是新来的设计师李明。	Hello everyone, I'm Ming Li, the new designer.
不想去你的聚会，委婉一点	这次我可能去不了你的聚会了，不好意思。
Please bring your 护照 to the airport	Please bring your 护照 to the airport.（中英混说原样保留）

任务 2：给出 0–3 条改写建议，输出 JSON：[{"label": "更正式", "text": "……"}]。

任务 3（v6 起）：提取值得记住的信息，输出 JSON。时间照抄原话，具体日期由软件按规则换算：

输入	输出
今天是10月20日。文字：周三下午三点开评审会，张三主持	`[{"kind": "event", "content": "评审会", "time": "周三下午三点"}, {"kind": "person", "content": "张三"}]`
今天是10月20日。文字：好的，收到，谢谢！	`[]`

任务 4（v6 起）：按记忆补全。记忆“评审会（周三下午三点）”，文字“提醒大家参加评审会。” → “提醒大家参加周三下午三点的评审会。”；记忆与文字无关或已写明时原样输出。

任务 5（v6 起）：每日总结，按“日程与会议 / 待办事项 / 提到的人和事”分点，不超过 300 字。

各任务的系统提示和用户消息格式见 voxflow/rewrite_prompts.py。训练时就用的这些提示，推理时必须一字不差地使用。

文件

文件	大小	说明
`voxflow-rewrite-q8_0.gguf`	1.9 GB	推荐。显存约 2.5 GB，质量与原始权重一致
`voxflow-rewrite-q4_k_m.gguf`	1.2 GB	显存更省，质量略低

根目录始终是当前推荐版本（现为 v6）。历代版本各放在自己的文件夹里，文件名带版本号，例如 v1/voxflow-rewrite-v1-q8_0.gguf：

版本	日期	种子数据	主要改动
v1	2026-10-13	1230 条	初版，覆盖 14 类口语现象
v2	2026-10-14	1269 条	中文姓名英译用“名姓”顺序（张三 → San Zhang），称呼写作 Xiao Li、Lao Wang
v3	2026-10-14	1321 条	姓名拼音：常见名字用字、多音字姓、复姓、隔音符号
v4	2026-10-15	1427 条	针对 v3 弱点补数据：有意义的“然后/就是”保留、中英夹杂保留、按位置删句、时间推算、只改语气的委婉改写
v6	2026-10-20	1833 条	新增记忆的三个任务（提取 186、补全 89、总结 35 条）；补充按位置删句、即时纠正、一句话的正式改写等 96 条整理样本。当前推荐

v5 效果不如 v4，未发布。v1–v3 与 v4 使用的测试集不同，指标不能直接横向比较；v6 与 v4 使用同一测试集。逐版本的评估见研究记录。

runtime/ 目录里是 VoxFlow 软件内下载用的 llama.cpp b11596 Windows 版本（通用 Vulkan 版、NVIDIA CUDA 版及其 CUDA 运行库），从 llama.cpp 官方发布页原样转存（MIT 许可，见 runtime/LICENSE-llama.cpp），以便国内镜像也能下载；catalog.json 是软件读取的下载清单。

每个发布的版本都打了标签（v1–v4、v6）。下载时固定标签，以后更新模型也不会影响已发布的版本：

https://huggingface.co/ThermalEX/voxflow-rewrite/resolve/v6/voxflow-rewrite-q8_0.gguf

国内网络可以把域名换成 hf-mirror.com。

运行

llama-server -m voxflow-rewrite-q8_0.gguf --port 8765 --alias voxflow-rewrite `
  --n-gpu-layers 99 --ctx-size 4096 --jinja --chat-template-kwargs '{"enable_thinking":false}'

然后通过 OpenAI 兼容接口调用 http://127.0.0.1:8765/v1/chat/completions，temperature 设为 0。必须关闭思考模式（enable_thinking=false），否则模型会先输出推理过程。

训练

基座：Qwen/Qwen3.5-2B
方法：bf16 LoRA，rank 16，学习率 2e-4，2 轮，914 步；Unsloth，在 RTX 3060 Laptop 6 GB 上训练约 42 分钟，峰值显存 4.4 GB
数据：1833 条手写种子（整理 1097、建议 426、记忆任务 310），加上程序注入口气词、重复的扩增样本，训练 3650 / 验证 163 条。整理任务覆盖 14 类口语现象：口气词、重复、即时纠正、回头删除 / 替换 / 补充、带理由的修正、口述格式、翻译与语气指令，以及要求原样保留的反例。数据全部是合成内容，不含真实用户数据。

评估（v6 与 v4，Q8）

整理与建议任务（测试集 152 条，与 v4 相同）：

指标	未微调的 Qwen3.5-2B*	v4	v6
字符错误率	0.74	0.198	0.202
指令残留（“翻译成英文”等没删掉）	31.9%	0%	0%
不该改的句子保持原样	81%	95%	95%
翻译 chrF	39.5	64.8	60.0
建议 JSON 合法 / 符合规则	100% / 93%	100% / 100%	100% / 100%
单句延迟（中位数）	—	0.14 s	0.14 s

* 未微调模型是在早期较小的测试集（132 条）上测得的，仅供参考。v6 Q8 的翻译 chrF 比 v4 低 4.8，但 Q4 上两者持平（62.4 / 62.6），翻译样本只有 19 条，差异需更大的测试集确认。

记忆任务（手写评测集：提取 36 条、补全 20 条、总结 5 天，不参与训练）：

指标	v4（只靠提示）	v6
提取召回率 / 精确率	54% / 61%	94% / 81%
寒暄、琐事不乱记	38%	88%
安排的时间写对	54%	85%
补全：漏掉的信息补上	58%	100%
补全：不该补的原样保留	63%	88%
总结要点覆盖率	81%	96%
编造的数字	0	0

已知局限

时间推算可能出错，例如“九点开始，推迟一个半小时”会算成十一点。
句首有实际意义的“然后”有时会被当作口气词删掉。
委婉改写偶尔会改变原意。
中文人名英译时，个别生僻字的拼音可能出错。
提取偶尔漏掉称呼（如“张总”），或多记一条相关的事实。

完整的实验记录、各版本对比和问题分析见 docs/research-log.md。

许可

Apache License 2.0，与基座模型 Qwen3.5-2B 相同。

Downloads last month: 323

GGUF

Model size

2B params

Architecture

qwen35

Hardware compatibility

4-bit

8-bit

Model tree for ThermalEX/voxflow-rewrite

Base model

Qwen/Qwen3.5-2B-Base

Finetuned

Qwen/Qwen3.5-2B

Quantized

(264)

this model