环境
- OS: Windows 11 (10.0.26200)
- OpenLess: 1.3.18（
C:\Program Files\OpenLess，stable）
- ASR:
foundry-local-whisper / whisper-large-v3-turbo（CUDA GPU，openai-whisper-large-v3-turbo-cuda-gpu:3）
- 硬件: i7-12700KF / 64 GB RAM / RTX 4070 Ti 12 GB
- 相关配置（
%AppData%\OpenLess\preferences.json）:
foundryLocalAsrKeepLoadedSecs: 300foundryLocalAsrLanguageHint: zhactiveLlmProvider: custom（未填 API Key）defaultMode: light
1. 空闲一段时间后再用就会「像在加载」，希望长驻模式
现象：连续口述时几乎秒出（Foundry CoreAudioTranscribe 常见 270–480ms）。去做别的事过几分钟再按热键，会明显卡住，像在重新加载模型。内存/显存都很充裕，不希望为了省显存而卸载。
本机日志可以精确对上 5 分钟 keep-alive：
# Foundry: 热路径很快
14:45:25 CoreAudioTranscribe Time:452ms
...
# 恰好 5 分钟后卸载（对应 foundryLocalAsrKeepLoadedSecs=300）
14:50:25 Unloading model:openai-whisper-large-v3-turbo-cuda-gpu:3
# 下次口述又走冷启动：注册 EP + 拉 Azure catalog + ModelLoad
14:51:13 AutoRegisterCertifiedEps
14:23:07 / 14:51:* ModelList Time:20243ms # 冷启动曾卡在拉 catalog ~20s
14:51:40 ModelLoad Time:1122ms
9/4–9/5 的 foundry.core*.log 里 Unloading model / ModelLoad 成对出现非常频繁。热路径 1s 内出字，冷路径还要再付 catalog + load。
请求：
- 提供真正的 长驻 / never unload 选项（
keepLoadedSecs=0 或无限），把权重留在 VRAM。
- 推理路径不要每次空闲唤醒都去 Azure catalog 做
ModelList（本机已有缓存模型）。
- UI 里把 keep-alive 说明写清楚；当前 300s 对「说一句、去干别的、再回来」太短。
2. 本地模型只能识别很短一段，更长直接截断，末尾变成 �
history.json 里大量 foundry-local-whisper 记录停在约 20 个汉字，并以 U+FFFD（``）结尾。今天口述本 issue 时就复现了：
| durationMs |
rawTranscript |
| 3490 |
希望还可以提供一个本地润色模型可以`` |
| 6000 |
我不开润色就是因为输入短内容的时候`` |
| 5810 |
有时候最后一个字还会变成一个特殊字（疑似「特殊字符」被截） |
同一天用火山引擎时单条经常 70–140 字；切到 Foundry 后 9/4 的 activity 是 336 次口述 / 仅 3528 字（约 10.5 字/次），9/5 是 101 次 / 1128 字。这不像「我只说短句」，更像输出被截断。
另外 OpenLess 日志有：
[foundry-asr] splitting 36.09s audio into 2 chunks (limit=30000ms)
Whisper 30s 窗 + 可能的短 max_new_tokens / UTF-8 缓冲截断，都能解释「长内容没了 + 最后一个汉字变成 ``」。
请求：
- 修截断：完整拼 chunk、提高/暴露生成长度、避免在多字节汉字中间切断。
- 去掉或修复 U+FFFD 尾巴。
- 中文长口述（>30s）应能拼成完整段落，而不是只剩开头一句。
3. 希望提供本地润色模型
当前 Windows 本地只有 ASR（Foundry Whisper）。润色仍走云端 LLM；我这边 custom 未填 key，所以每次都是 polish failed, falling back to raw: API Key 为空。
机器有 64GB + 12GB 显存，希望能像 voxminutes 那样用本地小模型做整理（他们用 llama.cpp sidecar + Qwen2.5-3B / Qwen3-4B / Gemma-3-4B GGUF 做摘要）。OpenLess 已有风格包 prompt，缺的是本地 LLM 后端（Ollama / Foundry / llama.cpp 均可）。
相关：#1030（本地小参数润色会把上一轮历史当结果）、#998（连接 keep-alive）。
期望
环境
C:\Program Files\OpenLess，stable）foundry-local-whisper/whisper-large-v3-turbo（CUDA GPU，openai-whisper-large-v3-turbo-cuda-gpu:3）%AppData%\OpenLess\preferences.json）:foundryLocalAsrKeepLoadedSecs: 300foundryLocalAsrLanguageHint: zhactiveLlmProvider: custom（未填 API Key）defaultMode: light1. 空闲一段时间后再用就会「像在加载」，希望长驻模式
现象：连续口述时几乎秒出（Foundry
CoreAudioTranscribe常见 270–480ms）。去做别的事过几分钟再按热键，会明显卡住，像在重新加载模型。内存/显存都很充裕，不希望为了省显存而卸载。本机日志可以精确对上 5 分钟 keep-alive：
9/4–9/5 的
foundry.core*.log里Unloading model/ModelLoad成对出现非常频繁。热路径 1s 内出字，冷路径还要再付 catalog + load。请求：
keepLoadedSecs=0或无限），把权重留在 VRAM。ModelList（本机已有缓存模型）。2. 本地模型只能识别很短一段，更长直接截断，末尾变成 �
history.json里大量foundry-local-whisper记录停在约 20 个汉字，并以 U+FFFD（``）结尾。今天口述本 issue 时就复现了：同一天用火山引擎时单条经常 70–140 字；切到 Foundry 后 9/4 的 activity 是 336 次口述 / 仅 3528 字（约 10.5 字/次），9/5 是 101 次 / 1128 字。这不像「我只说短句」，更像输出被截断。
另外 OpenLess 日志有：
Whisper 30s 窗 + 可能的短
max_new_tokens/ UTF-8 缓冲截断，都能解释「长内容没了 + 最后一个汉字变成 ``」。请求：
3. 希望提供本地润色模型
当前 Windows 本地只有 ASR（Foundry Whisper）。润色仍走云端 LLM；我这边
custom未填 key，所以每次都是polish failed, falling back to raw: API Key 为空。机器有 64GB + 12GB 显存，希望能像 voxminutes 那样用本地小模型做整理（他们用 llama.cpp sidecar + Qwen2.5-3B / Qwen3-4B / Gemma-3-4B GGUF 做摘要）。OpenLess 已有风格包 prompt，缺的是本地 LLM 后端（Ollama / Foundry / llama.cpp 均可）。
相关：#1030（本地小参数润色会把上一轮历史当结果）、#998（连接 keep-alive）。
期望