S1-mini 是 Superwhisper 最新推出的 S1 系列模型中的开放权重成员。它是一个基于 Qwen3-0.6B 微调的轻量级大语言模型，专门用于文本归一化（Text Normalization）。不同于传统的语音转文字（ASR）模型或通用聊天机器人，S1-mini 位于 ASR 流程之后，负责将粗糙、充满口语特征的原始转录文本转化为干净、格式规范且易于阅读的书面文本。
- 模型：https://huggingface.co/superwhisper/s1-mini
其最大的亮点在于极小的体积（Q4_K_M 量化版仅 462 MB）和高效的本地部署能力，使其成为在设备端处理语音数据的理想选择。
核心功能：从“口语”到“书面语”的桥梁
S1-mini 不直接处理音频，而是接收来自 Whisper、Parakeet 等 ASR 模型的原始输出，并执行以下任务：
- 清理冗余：移除填充词（如 “um”, “uh”）、重复音节和无意义的停顿。
- 解析自我修正：识别说话者的口误或中途改口，直接呈现其最终确定的表达意图。
- 格式化与标点：自动添加正确的标点符号和大写，将口语化的数字、日期、时间、货币转换为标准书面格式。
- 实体标准化：智能识别并转换电子邮件地址（例如将 “support at superwhisper dot com” 转换为
support@superwhisper.com）。
独特的控制机制：三轴控制行
S1-mini 不使用复杂的系统提示词，而是通过一行固定的控制指令来引导生成风格。这行指令位于原始转录文本之前：
[Styling: <value>] [Structure: <value>] [Context: <value>]
<raw transcript>
用户需从预定义的集合中选择参数：
- Styling (风格):
casual(随意),semi-casual(半随意),semi-formal(半正式),formal(正式)。 - Structure (结构):
prose(散文/段落),lists(列表)。 - Context (语境):
general(通用),email(邮件)。
注意：模型经过严格训练，不支持超出上述范围的自定义指令或风格改写，否则可能导致输出降级。
部署与集成关键指南
S1-mini 以 Apache 2.0 许可证（含命名条款）在 Hugging Face 上发布。由于其基于 Qwen3 架构，集成时有两个至关重要的设置，否则模型将无法正常工作：
- 禁用思考模式 (
enable_thinking=False)：- Qwen3 默认开启推理思考过程，但 S1-mini 是在关闭思考的情况下训练的。
- 必须在调用时显式设置
enable_thinking=False，或者确保助手轮次以空的<think>块开头。
- 强制贪婪解码 (Temperature = 0)：
- 尽管 GGUF 文件可能携带默认的采样参数（如 temp=0.6），但 S1-mini 必须使用贪婪解码。
- 在每个请求中明确传递
temperature: 0。在llama.cpp中，建议使用--jinja配合--chat-template-kwargs '{"enable_thinking":false}'。
性能表现
根据 Superwhisper 在 7,519 个样本保留测试集上的内部评估（Q4_K_M 构建，贪婪解码）：
- Token 准确率：94.8%
- 文本编辑错误率：11.6%
- 电子邮件识别准确率：92%
- 结构匹配准确率：97.6%
- 空输入处理：98.6% 的情况下正确返回空字符串（当输入仅为填充词时）。
适用场景
- 医疗保健与法律文档：在 VPC 或本地环境中处理敏感录音，确保数据不出网。
- 会议记录与听写应用：快速生成整洁的会议纪要或笔记。
- 实时字幕优化：为直播或视频提供更易读的实时字幕。
- 语音驱动编辑器：作为语音输入后端的清洗层，提升用户体验。
- CRM 录入自动化：将销售通话录音转化为结构化的客户跟进记录。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
