diff --git a/docs/phase2-streaming.md b/docs/phase2-streaming.md
index 13416eb..8584385 100644
--- a/docs/phase2-streaming.md
+++ b/docs/phase2-streaming.md
@@ -13,15 +13,16 @@
 | 1–2s 就出字 | ✅ | ❌ 需 8s chunk |
 | 准确率 | ✅（2s 提交 + 8s 编码切片） | ✅（仅 chunk≈8s 时） |
 
-同一段 62.6s 连续语音（不设段落上限）：
+同一段 62.6s 连续语音：
 
-| 模式 | 墙钟 | RTF | 首步 | 末步 | 最慢步 |
-|---|---|---|---|---|---|
-| `incremental` | 66.3s | 1.06 | 0.62s | 3.14s | 4.06s |
-| `append` chunk=2 | 32.6s | 0.52 | 0.70s | 0.67s | 1.32s |
-| `append` chunk=8 | **16.0s** | **0.26** | — | — | 2.52s |
+| 配置 | 墙钟 | RTF | 平均步 | 最慢步 |
+|---|---|---|---|---|
+| `incremental` chunk=2 segment=20 | 35.5s | 0.57 | 1.09s | 1.86s |
+| `incremental` chunk=2 不限段长 | 67.7s | 1.08 | 2.10s | 4.30s |
+| `append` chunk=5 | 18.1s | 0.29 | 1.33s | 1.56s |
+| `append` chunk=8 | **15.2s** | **0.24** | 1.80s | 1.91s |
 
-`append` 的每步耗时几乎不随总长变化；`incremental` 则线性增长（尾步是最慢的）。
+`append` 的每步耗时几乎不随总长变化；`incremental` 则线性增长。
 
 ### 为什么 `append` 必须用大 chunk
 
@@ -37,13 +38,11 @@
 
 ### 追加式为什么便宜
 
-`append` 把每块音频当作一个新的对话轮追加到 KV 末尾：
+`append` 把音频切成定长段，**每段独立转写后按顺序拼接**（对应 sglang 给 Qwen3-ASR 定的 segment 流式模式）：
 
-```
-[user: audio_1][assistant: text_1][user: audio_2][assistant: text_2]...
-```
-
-纯追加 —— **前缀完全不重算、旧音频不重编码、KV 永不回退**，所以单步成本与音频总长无关。
+- 不做任何前缀重算；
+- 旧音频不重编码；
+- KV 每段重置（成本与音频总长无关）。
 
 而 `incremental` 每步都要把「音频尾部 + 到目前为止的全部文本前缀」按新的音频上下文重算一遍（因果注意力决定了：把新音频插到文本之前，文本之后的 KV 全部作废）。实测拆解显示这一步的代价是 O(N²)：
 
@@ -53,7 +52,23 @@
 | 46.0s | 1.23s | 1.20s | 0.38s | 2.81s |
 | 62.6s | 1.46s | **1.53s** | 0.16s | 3.15s |
 
-「文本前缀 prefill」从 0.03s 涨到 1.53s，占末尾步耗时的一半。`append` 模式把它降到了 **0.06s**。
+「文本前缀 prefill」从 0.03s 涨到 1.53s，占末尾步耗时的一半。
+
+**踩坑记录**：最初把各段实现成「接在上一轮之后的对话轮」（携带上文），结果模型会**抄上一轮的文本** —— 音频内容明显变了，它还是把上一轮的句子原样再吐一遍（实测：第 1 段是「英文尾 2.4s + 中文 5.6s」，却输出了整句英文）。改成每段独立转写后消失。所以这里的「追加」指的是**结果按顺序拼接**，不是「上下文一直累积」。
+
+### 追加式的残留问题：段边界重复
+
+各段互不重叠，所以边界处会把上一段的尾巴再写一遍，例如中文实测：
+
+```
++ 不排除购房者可以在互联网上下单。不排除购房者可以在。
++ 在互联网上下单，不排除购房者可以在互联网上下单。     ← "在互联网上下单，" 是上一段的尾巴
+```
+
+要消除它需要重叠窗口 + 去重，那就是 `incremental` 的做法（也因此贵）。所以：
+
+- **要字幕质量 → `incremental`（默认）**；
+- **要省 CPU / 转写长音频 → `append`，chunk 取 5–8s**。
 
 ## 结论
 
diff --git a/src/core/qwen3asr.cpp b/src/core/qwen3asr.cpp
index 8783581..c97aecd 100644
--- a/src/core/qwen3asr.cpp
+++ b/src/core/qwen3asr.cpp
@@ -370,25 +370,19 @@ void Qwen3Asr::streamReset()
     d->turnCount = 0;
 }
 
-// 追加式轮次：把每小段音频当作一个新的对话轮追加到 KV 末尾。
-// 序列形如 [user: audio_1][assistant: text_1][user: audio_2][assistant: text_2]...
-// 好处是纯追加：不重算前缀、不重编码旧音频，单步成本与音频总长无关。
+// 追加式：把音频切成定长段，每段独立转写后按顺序拼接（sglang 的 segment 模式）。
+// 好处是纯追加/独立：不重算前缀、不重编码旧音频，单步成本与总长无关。
+// 注意：段长必须给足（约 8s），因为编码器需要它的 8s 注意力窗口。
 bool Qwen3Asr::prepareTurn(std::string * error)
 {
     if (d->turnReady) return true;
 
     const std::string marker = mtmd_default_marker();
-    // 第 1 轮是完整的 user/assistant 结构；后续轮接在上一轮文本之后开新一轮。
     const std::string s1 = "<|im_start|>user\n" + marker +
                            "<|im_end|>\n<|im_start|>assistant\n";
-    const std::string sc = "<|im_end|>\n<|im_start|>user\n" + marker +
-                           "<|im_end|>\n<|im_start|>assistant\n";
 
-    std::vector<llama_token> tail1, tailC;
+    std::vector<llama_token> tail1;
     if (!d->splitPrompt(s1, d->firstHead, tail1, error)) return false;
-    if (!d->splitPrompt(sc, d->contHead, tailC, error)) return false;
-
-    // 两种轮尾应当一致
     d->tailTokens = tail1;
 
     llama_memory_clear(llama_get_memory(d->ctx), true);
@@ -407,10 +401,20 @@ AsrStreamStep Qwen3Asr::streamAppendTurn(const float * pcm, size_t nSamples, int
     std::string err;
     if (!prepareTurn(&err)) { res.error = err; return res; }
 
+    // 每一轮都当作独立的一段来转写（清空 KV、只用第 1 轮的 prompt）。
+    //
+    // 不能沿用上一轮的上下文：实测模型会"抄"上一轮的文本 —— 新一轮的音频
+    // 哪怕内容完全不同，它也会把上一轮的句子原样再吐一遍。
+    // 这与 sglang 给 Qwen3-ASR 定的 segment 流式模式一致：
+    // 把音频切成定长段分别独立转写，再按顺序拼接。
+    llama_memory_clear(llama_get_memory(d->ctx), true);
+    d->nPastTurn = 0;
+    d->turnCount = 0;
+
     const auto t0 = std::chrono::steady_clock::now();
 
-    // 1) 轮首文本（纯追加，位置接在 KV 末尾）
-    const std::vector<llama_token> & head = (d->turnCount == 0) ? d->firstHead : d->contHead;
+    // 1) 轮首文本（全新的一段，从位置 0 开始）
+    const std::vector<llama_token> & head = d->firstHead;
     llama_pos p = d->nPastTurn;
     if (!d->decodeTokens(head.data(), (int32_t) head.size(), p, false)) {
         res.error = "解码轮首失败";