包含嵌入模型。

导出之后本来想用ollama部署，但是当我用llama.cpp转换成gguf后，部署到ollama进行推理，模型直接癫狂了，不但回答的不对，还出现了严重的重复，根本刹不住。可能我微调的时候用的是fp32所以导出的模型竟然比原来的模型还大。因为我的电脑是macos，在计算类型这个参数中只能使用fp32精度，其他精度的都不支持，所以导致我在训练的时候很慢，30轮的epoch训练了5个小时左右。检查点路

导出之后本来想用ollama部署，但是当我用llama.cpp转换成gguf后，部署到ollama进行推理，模型直接癫狂了，不但回答的不对，还出现了严重的重复，根本刹不住。可能我微调的时候用的是fp32所以导出的模型竟然比原来的模型还大。因为我的电脑是macos，在计算类型这个参数中只能使用fp32精度，其他精度的都不支持，所以导致我在训练的时候很慢，30轮的epoch训练了5个小时左右。检查点路

语音识别模型微调过程记录 针对能源石油领域专业术语识别准确率低的问题，记录了语音识别模型的微调过程。首先从数据库和网络搜集了约800条石油产品、仓库、品牌等地炼专业术语数据，整理为规范文本。通过CosyVoice语音合成模型将文本批量转换为wav音频文件，并生成标准化训练数据集（包含音频路径文件val_wav.scp和标注文本val_text.txt）。最后搭建SenseVoice项目环境，为后续