Superwhisper 开源 S1-mini：0.6B 参数的 ASR 文本规范化模型

Superwhisper 近日发布其首个开源权重语言模型 S1-mini，这是一个参数量仅 0.6B 的文本规范化模型，专门用于把 ASR（自动语音识别）的原始转写结果改写为干净、规范的书面文本。该模型基于阿里通义千问的 Qwen3-0.6B 微调而来，采用 Apache 2.0 协议发布，权重已在 Hugging Face 上架，同时提供了兼容 llama.cpp 的 GGUF 版本。

模型定位与核心能力

S1-mini 不是一个通用对话模型，它只做一件事：把一段未经整理的语音转写文本清洗成可读的书面形式。具体能力包括：

• 去除语气词（um、uh、like 等填充词）
• 合并重复与自我修正，将语句归一到说话者最终确认的内容
• 添加标点与大小写
• 将口语化的数字、日期、时间、货币、邮箱地址转换为书面形式

模型在 7,519 条英文样本的留出测试集上达到 94.8% 的 token 准确率。当前版本仅支持英文。

架构与运行规格

S1-mini 参数量为 596M（非嵌入层 0.44B），共 28 层，使用 GQA 注意力（16 个 Q 头、8 个 KV 头），训练精度为 BF16。量化后体积仅 462 MiB，可在笔记本 CPU 上流畅运行。推荐输入长度约 1,000 tokens，更长的转写文本需分段处理。

使用方式

模型通过一个「控制行」来驱动，控制行包含 Styling、Structure、Context 三个独立轴，每个轴都有多个训练过的取值组合：

• Styling：casual / semi-casual / semi-formal / formal，控制正式程度
• Structure：prose / lists，决定是否使用列表
• Context：general / email，设置目标场景

官方提示词与控制行格式是模型训练输入的一部分，必须严格按文档发送，否则可能出现幻觉或乱码输出。代码示例使用 Hugging Face transformers（≥ 4.51.0），并通过 enable_thinking=False 关闭 Qwen3 的思维链模式。

获取与许可

• Hugging Face 模型仓库：superwhisper/s1-mini，已打 tag，可通过 revision="v1" 固定版本
• GGUF 构建：superwhisper/s1-mini-GGUF，兼容 llama.cpp、Ollama、LM Studio 等
• 协议：Apache 2.0 + 命名条款（衍生模型需保留 Superwhisper 命名）

开发者可将其集成到自己的听写应用中，作为 ASR 之后的后处理步骤。