Jev + 端侧模型 = 几秒内得到结果，流程中没有 LLM。 这是展示可能性的简易演示应用。放入音频文件：Ear 检测语言，Voz 转录，Redact 去除个人身份信息。 随后，@typesafeai 的 Jev 在一次调用中用毫秒级时间作出大约 20 个决策，选择运行哪些端侧模型。语音备忘录变成待办清单，会议变成隐去个人信息的转录稿，播客变成片段。
将 Jev 与端侧音频模型组合，根据录音内容选择处理流程；演示页面展示语音备忘录、会议和播客对应的文本与片段结果。
JEV 做了什么
在音频处理流程中选择下一步使用的模型和任务，形成不同类型的输出；本次只观察界面，未核验转录、脱敏或音频剪辑质量。
作者明确说明，Jev 负责在一次调用中作多个决策并选择端侧模型；语言识别、转录和脱敏分别交给 Ear、Voz、Redact。
还能用在哪？
How2Jev 延伸推演，不代表作者或官方声明。
- 按录音类型把个人备忘录和会议材料导向不同的整理流程。
- 给音频归档工具提供处理任务的分流入口。
ORIGINAL SOURCE
How2Jev 整理案例，项目与演示归原作者所有。
MORE LIKE THIS
在实时事件面板中展示重点和行动提示
作者用 Jev 驱动 Switchboard 事件面板，演示活动列表与注意领域变化；未显示事件来源、决策输入或真实每秒处理量。
Switchboard 按编码任务选择模型与力度
Switchboard 在 Codex 和 Claude Code 中替作者选择模型和推理力度。演示分别处理常规与困难任务，终端显示不同配置和代码结果；没有独立验证节省成本的效果。