llama.cpp b11190修复LFM2音频梅尔预处理器，日语贪婪转写准确率从 93.5% 升至 99.5%
llama.cpp发布b11190版本，修复mtmd中LFM2音频的梅尔预处理器（PR #29403），此前导致 4.5% 英语和 6.5% 日语测试语句的贪婪转写结果不同，日语中部分差异改变整个单词。修复后EN F16和JP F32的贪婪转写与参考实现完全一致。
AI解读：llama.cpp的b11190版本修了一个音频前处理的小毛病，但影响不小：在LFM2音频模型上，梅尔预处理器算错了频谱，导致解码出来的文字跟参考实现对不上。发布说明给出的测试数据是，修复前英语有 4.5%、日语有 6.5% 的测试语句贪婪转写不一致，日语里有些差异直接改变了整个单词，不是标点级别的小事。
改动针对三处数学细节：用log(x + 2^-24) 代替直接截断到对数下限；改用对称Hann窗，等价于torch.hann_window(periodic=False)；把归一化epsilon加到标准差上，而不是放在平方根里面。重要限制是只有lfm2a这一个预处理器启用了新行为，其他音频预处理器不受影响。
修复后的效果是，英语F16从 191/200 升到 200/200，日语F32从 187/200 升到 200/200，日语F16从 187/200 升到 199/200。剩下那一处日语F16差异只是一个逗号，而且跟参考实现自己的bf16输出一致。梅尔频谱相对L2误差从英语 3.2%、日语 3.9% 降到约 2e-6中位数。
对用llama.cpp跑LFM2音频、尤其是做日语转写的人来说，这次更新把输出稳定性拉到了跟liquid-audio参考实现几乎一致的水平。测试条件是llama-server + CUDA + temperature=0，跟Liquid4All/liquid-audio fp32对比，输入两边都是相同的 16 kHz音频，200 条LibriSpeech test-clean英语和 200 条Common Voice日语。
换句话说，这是推理框架侧的数值对齐修复，不是模型本身更新，但如果你之前遇到日语转写出错词，值得升上去试试。
llama.cpp发布b11190版本，主要改动是修复mtmd中LFM2音频的梅尔预处理器（PR #29403）。发布说明称，该问题此前导致 4.5% 的英语和 6.5% 的日语测试语句出现不同的贪婪转写结果，在日语中部分差异会改变整个单词。
修复涉及三处：使用log(x + 2^-24) 代替截断到对数下限；使用对称Hann窗，等价于torch.hann_window(periodic=False)；将归一化epsilon加到标准差上，而不是放在平方根内部。发布说明明确，只有lfm2a预处理器采用这些行为，其他音频预处理器不变。
测试基于提交 84e76d8，使用llama-server配合CUDA、temperature=0，与github.com/Liquid4All/liquid-audio fp32对比。测试集为 200 条LibriSpeech test-clean英语语句和 200 条Common Voice日语测试语句，两个实现接收相同的 16 kHz音频。
贪婪转写与liquid-audio一致的对比表格显示：英语F16修复前 191/200，修复后 200/200；日语F32修复前 187/200，修复后 200/200；日语F16修复前 187/200，修复后 199/200。发布说明指出，剩余的一处日语F16差异是一个逗号，并且与参考实现自身的bf16输出一致。
梅尔相对L2误差对比liquid-audio：英语从 3.2% 降至约 2e-6中位数；日语从 3.9% 降至约 2e-6中位数。
b11190同时提供多平台预编译包，包括macOS Apple Silicon、macOS Intel、iOS XCFramework、Ubuntu x64/arm64/s390x、Ubuntu Vulkan、Ubuntu CUDA 12/13、Ubuntu ROCm 10.0、Ubuntu OpenVINO、Ubuntu SYCL FP32/FP16、Linux arm64 Snapdragon、Android arm64、Windows x64/arm64、Windows CUDA 12/13、Windows Vulkan、Windows OpenVINO、Windows SYCL、Windows ROCm 10.0等，另有UI包。发布说明还列出了已禁用的构建项：macOS Apple Silicon KleidiAI enabled以及openEuler相关构建被标记为DISABLED。