此乃投献于Gemma四挑战：以Gemma四构建之
吾所造也
吾与妻偕隐，育稚女年半。吾辈皆勤于职，常碌碌于案牍。妻掌仓廪，司米盐之储，庖厨仆役频促其购物，言物将罄。此请多仓促，妻必记于心，继添于购单。及至暇时，乃入诸市（如亚马逊、布林克特等）之车。然屡有遗忘，遂致诸馔难成，因材匮乏而折中。
吾成 Piclu 之器，以录声，植于庖厨。今庖者、仆者，但按一钮，随念所至，即留声音。吾妻无时中之扰。声音为 Gemma 4 E4B 所录而理，购物之单恒盈，吾妻得暇辄观之。彼乃随宜而命。庖者、仆者亦悦，不复待吾妻以言缺，且记忆之事亦少矣。
为录声计——吾设M5Stack Atom Echo为按语器，插于庖厨插座。其录音于地，复推至后端端点。诸事皆行于家中小服务器，无涉云，故音声未尝出户。
此问甚善：何不令庖厨、侍女书其请，或发WhatsApp音讯乎？有二故。庖厨手中忙碌，书之实多艰，非人人善书。纵书之，吾妻犹须披览，一一入车。WhatsApp音讯亦尝试之，然彼辈方事，又急于行，实难为也。
演示
视频之中，可见其全貌——助者按计器之钮，复以印地语书简（曰"lemons and tomatoes"，谓柠与茄已毕），Gemma 4 则于地录之，次以Gemma 4再过，将简转为条理之购物单，每物自显为可勾之待办。
开图录
一户之音记脑，以本地Gemma 4 E4B驱动.可录屋内诸人（庖厨、家人、仆役）之音，依其语种方音转录，化成条理井然之购物单，令户主得阅而行之.
专为Gemma 4之赛而设：以Gemma 4构建之.之音，经一HTTP端点而达。自备发声之具（如附设之网面界面、装 Raspberry Pi 配按钮者、Home Assistant 之蓝图、IFTTT 之钩子、君之手机——凡能以 POST 之 WebM/Opus 肿块至 /api/items/freeform_audio 者皆可）。
数据流
PTT source ─► POST /api/items/freeform_audio (multipart: audio)
─► app HTTP
─► brain gRPC over Unix socket
─► recordings.Store (seals .webm on disk + emits SealedEvent)
─► processor: ffmpeg decode (WebM/Opus → 16 kHz mono PCM)
→ Gemma 4 E4B pass 1 — TRANSCRIBE (multimodal audio →
Hinglish text,…
开源之库有Gemma脑（转录与结构），有网页界面，有M5Stack推送之单音频端点。亦含吾下文所述之全转录与提取评估。
其内乃Go之应用，心智交感于Unix之socket。车与笔记实时更新于SSE，而通体运行于Docker Compose。Gemma 4于本地运行，依libmtmd / llama.cpp之构建，配以Lemonade适配器以速GPU之推论（评估亦用此适配器），而评估全然可复现于此库.
吾之用Gemma 4
Gemma助成笔记录之两要——录文与构架。二者皆于家服务器行Gemma 4 E4B之本地过。
第一步：录文
余初构此，尝试数开源之模，置于吾所备之小评数据集上，曰Whisper，曰indic-whisper（自AI4Bharat），曰Gemma 4。纯语音转文字之模，于吾厨仆言家物时，难辨其音。Gemma 4独异，以其本具多模态——兼取音与文示，故非纯STT之模，吾实可告之将闻何事。于开源之林，Gemma 4 E2B/E4B，乃少数能于单示中兼纳音文之模。
诸Gemma之变体中，其大者（26B MoE与31B Dense）竟不取音，小者E2B则精微不足，其字误率逾1.0，且于结构之际，失其物者约三六之数。是故E4B乃兼取音而精当之变体也。于试之，亦胜Whisper-Large-v3，此乃具全球语言支持之语音转文字之圭臬，无论精当与否，抑或于喧嚣中默然不扰（Whisper每于寂默中自造文辞，暗污其列）。今列其首尾相较之状如下：
| 模型与提示 | 词错误率 | 字符错误率 | 无声检测 |
|---|---|---|---|
| Gemma E4B，提示中无上下文 | 1.29 | 0.80 | 67% |
| Gemma E4B，完整提示（已发货） | 0.55 | 0.30 | 93% |
| Gemma E2B，提示中含完整上下文 | 一四八 | 九零 | 二零% |
| 低语大版三（强制印地语） | 七零 | 三六 | 七% |
WER与CER愈低愈善（WER为词错率，CER为字错率；CER此处为公允之读，因罗马化印地语多合乎法之拼写）No-speech detection者，乃模型默然不语或标示音段为噪，而不妄造之频也——所载E4B之示，教其识此无声之旗，故能应之九三。其全法及余数悉在仓之评。
吾所授之境，独系于吾家。吾居印度古鲁格拉姆，庖厨与仆皆出西孟加拉与比哈尔。吾示E4B所言何事，其意何在，由谁而发，意指何人，俾其导引所预测之符，而存其意。此一变，乃最大之杠杆——依吾之评，加此境由，较之素曰“录此”之令（上表无境之列），字误率减半有余。转录之令，其相关者若此：
You are an expert audio transcriber specializing in {{native_language}} dialects.
You receive voice notes from members of a household in {{city}}, {{country}} —
typically the cook, household helps, or family members — addressed to the
household manager regarding the shopping list (stock requests, brand preferences,
quantity changes, cancellations).
全备之提（转录与结构）存于库中，在internal/prompts处
第二步：结构之设
此程将笔记化整为零，以备次第而列。笔记或携关联之境，如：
- 笔记一：洗碗液将罄。
- 注二：今之洗濯液非善，昔者较佳。
吾持一SQL表，以名号键之，列有品类、尺寸、数量、库存状态及注记。吾以新之录文及既有表项示于Gemma，其乃生成一小DSL，而代码解析之，以增或改表内之物：
- 注一返：
UPSERT name_id="dishwash-liquid" name="dishwash liquid" stock_state="low" - 注二返：
UPSERT name_id="dishwash-liquid" name="dishwash liquid" notes="current one is not good, the earlier one was better"
二注皆同一名_id，故表终合为单行：
dishwash-liquid stock_state="low" notes="current one is not good, the earlier one was better"
若注与购物单全无涉，Gemma发NO_OP，而无所变。于试，此结构之过，其召回率为1.0（尽得诸物），F1为0.99，且未尝自非购物之注造物。
次欲构 MCP 服务器于在线订货之台，终将自填货于车中，以平台之订货史为文脉。吾信 Gemma 4 亦能克之——所恃者，惟其唤器之精，思链之优耳。且观其变，祈之矣。