從一批資料
到一顆能部署的模型
由左到右：料怎麼進來、你在哪幾步做決定、平台在哪一步把關。沒蓋整理戳記的料進不了訓練。
資料是你的
訓出來的模型也該是你的
把資料送去別人的平台調一調，拿回來的是服務；在自己的機房訓，拿回來的是權重——那是一份放在你自己硬碟裡的資產。
料先整理乾淨
去重、清洗、統一格式、個資遮罩，每一步獨立存檔可以回溯，砍掉的另存不刪。沒蓋整理戳記的料不准進訓練。
訓練派到對的機器
在網頁上開一個訓練工作，平台派到跑得動的 GPU 機器上執行，進度、記錄與產出都在同一頁。
考過才發布
訓完先用評測題庫考過，沒過的版本不出門；通過後合併、量化成你的機器跑得動的格式。
資料不出單位
整條管線跑在自己的機房，原始資料與訓練中間產物都不離開。要在云碩的機群上訓也可以，依你的規定選。
照訓練實際的先後
一步一步往下
多數單位卡在第一步——資料沒整理。所以這套的重點不是訓練參數，是前面那一段。
抓料
從指定來源開網頁抓回原文並保留出處；也能接貴單位既有的資料庫讀進來，或取用每日更新的新聞庫。
第一步資料準備
去重、清洗、正規化、個資掃描，每一道都先自我驗尺，尺沒過就停下來。語音合成的料另有閘門，先篩口音、雜音、音文對齊與停頓。
第二步選底模與訓練
文字模型之外，也能訓語音辨識、語音合成、嵌入與重排序模型，平台派到合適的機器。政府與教育案只列非中國來源的底模。
第三步評測
問答題庫之外，也能考「從零做完一個專案」與標準程式題，程式題開考前先驗過題目本身。逐題結果留存，前後兩版直接比。
第四步合併與發布
合併權重、量化成可部署的格式，連同模型卡與授權文件一起交付；要公開的模型直接從平台上傳 Hugging Face。
第五步紀錄與稽核
哪一版用了哪一份料、誰跑的、用了哪台機器，逐筆留存，對外交付時拿得出來。
全程這是我們自己每天在用的平台
不是另外做一套給客戶
云碩在 Hugging Face 公開的 xVITA 語音辨識、嵌入與重排序模型，就是用這套平台訓練並發布的。
派工到自有機群
訓練工作由平台派到合適的 GPU 機器，不同世代與不同架構的機器都能納入。平台更新或重啟時，進行中的訓練與評測會自動接回。
資料品質有尺
每一道整理程序都有判準，並且會先驗自己的尺；尺沒過就中止，不讓壞料無聲流到訓練。
多種訓練方式
全量微調、LoRA、蒸餾與延續預訓練都支援。延續預訓練直接用抓料時留下的原文，讓模型學台灣的用語，不只學怎麼回答。
語音與檢索也看得出進步
語音模型看錯字率、檢索模型看排序提升多少，訓完和原本的底模並排比，沒進步一眼就看得出來。
導入前，先把疑慮問清楚
要準備多少資料才夠
不一定要很多。先從一個場景、幾千筆開始，我們會先幫你看資料夠不夠、品質如何；資料不夠我們會直說，不會硬訓一個交差。
只能訓文字模型嗎
不只。語音辨識、語音合成、嵌入與重排序模型都在同一個平台上訓，抓料、整理、評測的步驟相同；語音合成的料會先過口音與音質的篩選。
訓出來的模型是誰的
是你的。權重放在你自己的機器上，連同模型卡、評測結果與授權文件一起交付。
資料會不會外流
整條管線可以完全跑在貴單位自己的機房，原始資料與中間產物都不離開。要在云碩機群上訓也可以，由你決定。
會用到中國來源的模型嗎
政府、教育與醫療案一律不選。底模只列非中國來源的開源模型，選型時會把來源國寫清楚讓你確認。
訓完之後怎麼用
量化成你的機器跑得動的格式後，可以直接接上 xStudio 管用量、或用 xConsole 部署到邊緣設備。