「S1-mini」AI、話し言葉を整頓

Superwhisperは、S1ファミリーモデルとしてS1-Voice、S1-Language、S1-miniをリリースしました。S1-Voiceはクラウド音声認識モデルであり、S1-Languageはクリーンアップとフォーマットのためのクラウド指示追従モデルです。アプリ外で非常に興味深いのは、Hugging FaceでオープンウェイトとしてリリースされたS1-miniです。S1-miniは0.6Bのテキスト正規化モデルであり、文字起こしモデルでもチャットモデルでもありません。自動音声認識の後に配置され、生の文字起こしをきれいな書き言葉に書き換えます。具体的には、フィラー（つなぎ言葉）の削除、話し手が最終的に話した内容への自己修正の解決、句読点と大文字化の適用、話し言葉の数字、日付、通貨、メールアドレスの書き言葉形式への変換を行います。これはQwen/Qwen3-0.6Bからfine-tuningされており、v1リリースでは英語のみをカバーし、文字起こしの上に配置された3軸の制御ラインによって完全に制御されます。Superwhisperは、量子化されたビルドで貪欲に測定された7,519件のホールドアウトセットにおいて、94.8%のトークン精度を報告しています。Is it deployable? はい、ただしS1-miniのみです。S1-miniはHugging FaceでApache 2.0と命名条項の下で公開されています。S1-VoiceとS1-LanguageはSuperwhisperがホストするサービスであるため、利用は可能ですが、自己ホストはできません。Company level : あらゆるレベル。Q4_K_M GGUFビルドは462MBのファイルで、ノートパソコンのCPUで動作します。ソロ開発者はデスクトップアプリ内に組み込むことができます。企業は、音声文字起こしがネットワークから出られないVPC内で実行できます。Industries : ヘルスケアおよび臨床文書、法律、金融サービス、顧客サポート、開発者ツール、アクセシビリティおよびライブキャプション。Applications : ディクテーションアプリ、会議メモツール、ライブキャプション、音声駆動エディタ、音声からCRMへの入力、および生のASR出力を人間が読むテキストに変換するあらゆるパイプライン。What S1-mini does S1-miniはテキスト正規化モデルであり、文字起こしモデルでもチャットモデルでもありません。自動音声認識の後に配置されます。オーディオ → ASR (Whisper, Parakeet, …) → S1-mini → きれいなテキスト フィラーワードを削除し、言い間違いや自己修正を解決します。