S1-mini：Superwhisper 发布 462MB 开源权重文本规范化模型，将原始 ASR 转录转为整洁书面文本
内容提要
Superwhisper发布S1系列，其中S1-mini为开源0.6B文本规范化模型，基于Qwen3微调，将ASR转录转为整洁文本，支持风格、结构、上下文三轴控制。Q4量化仅462MB，可本地部署。需关闭思考模式并贪心解码，测试token准确率94.8%。云端S1-Voice和S1-Language提供转录与格式化服务。
延伸解读
部署注意事项
S1-mini 虽小，但部署时需注意两个关键设置：必须关闭思考模式（enable_thinking=False），并使用贪心解码（temperature 0）。否则可能无法获得可用输出或质量下降。此外，模型仅支持英语，输入建议约 1000 token，且控制线值需在指定范围内，否则输出可能退化。
控制线机制
S1-mini 通过固定系统提示词加三轴控制线（风格、结构、上下文）驱动，每个维度独立且组合均经过训练。但需注意，Superwhisper 应用暴露五档语调滑块，而开源权重仅支持四档风格值，存在不一致。集成时需严格遵循文档中的值，避免自定义。
评估结果解读
厂商报告在内部测试集上 token 准确率 94.8%，邮件格式识别率高，但这是厂商自报结果，非第三方独立验证。实际效果可能因场景而异，建议在真实数据上测试。模型设计上不会添加内容或纠正事实，仅含语气词的输入会返回空字符串，集成时需处理。
Q&A
S1-mini是什么？它有什么用途？
S1-mini是Superwhisper发布的一个0.6B参数的开源文本规范化模型，基于Qwen3微调。它位于自动语音识别（ASR）之后，将原始转录文本重写为整洁的书面文本：移除语气词、解析自我修正、应用标点和大小写，并将口语化的数字、日期、货币和邮箱地址渲染为书面形式。它不是转录器，也不是聊天模型。
S1-mini的模型参数和量化大小是多少？
S1-mini有596M个独立参数（0.44B非嵌入参数），28层，16个查询头和8个键值头（GQA），权重为BF16。Q4_K_M GGUF构建仅有462MB，可在笔记本CPU上运行。
S1-mini的控制线是什么？如何控制输出风格？
S1-mini接收一个固定的系统提示词，然后是一条控制线，包含三个维度：Styling（风格）可选casual、semi-casual、semi-formal或formal；Structure（结构）可选prose或lists；Context（上下文）可选general或email。三个维度相互独立，每种组合都经过训练。如果传入这些集合之外的值，输出可能会退化或乱码。
部署S1-mini时需要注意哪些关键设置？
必须启用enable_thinking=False，因为Qwen3默认开启思考模式，而S1-mini训练时关闭了思考模式。另外，必须使用贪心解码，即temperature设为0，因为generation_config.json出厂设置do_sample: false，但GGUF构建仍带有temp=0.6等元数据，所以每次请求都要显式传入temperature 0。在llama.cpp中，使用--jinja配合--chat-template-kwargs '{"enable_thinking":false}'，而不是--reasoning-budget 0。
S1-mini的评估结果如何？
Superwhisper在7,519条留出用例、104条转录文本上评估，使用Q4_K_M构建贪心解码，token准确率为94.8%，文本编辑错误率为11.6%。在邮件格式文本上，99.3%正确识别问候行，97.9%正确识别落款行。97.6%匹配正确输出结构，92%生成精确邮箱地址。不到1%生成出现循环或截断，98.6%正确不输出。这些是厂商内部测试集报告的数字，非第三方结果。
S1-mini与S1-Voice和S1-Language有什么区别？
S1-mini是开源权重模型，可自托管，用于文本规范化。S1-Voice是托管的语音转文本模型，S1-Language是托管的指令跟随模型，用于清理、格式化和摘要，两者都是Superwhisper托管的服务，无法自托管。S1-mini可离线使用，而S1-Voice和S1-Language需要云端调用。
