Superwhisper 462 MB-os AI-modellje tisztítja a beszédet írott szöveggé

A Superwhisper bemutatta az S1-mini modellt, egy 0,6 milliárd paraméteres szövegnormalizálót, amely a beszédfelismerő (ASR) rendszerek után dolgozza fel a nyers átiratokat. A modell eltávolítja a töltelékszavakat, feloldja az önkorrekciókat, pontozást és nagybetűket illeszt, valamint írott formába alakítja az elhangzott számokat, dátumokat, pénznemeket és e-mail címeket. Az S1-mini a Qwen/Qwen3-0.6B modell finomhangolt változata, és jelenleg csak angol nyelven érhető el. (MarkTechPost)

Helyi futtatás és vezérlés

A modell különlegessége, hogy helyben futtatható, akár egy laptop CPU-ján is. A Q4_K_M GGUF verzió mindössze 462 MB-os, így alkalmas asztali alkalmazásokba való integrálásra vagy olyan vállalati környezetekbe, ahol az adatok nem hagyhatják el a hálózatot. A vezérlés egy háromtengelyű vezérlősoron keresztül történik, amely a transzkriptum elé helyezett promptban határozza meg a stílust (casual, semi-casual, semi-formal, formal), a struktúrát (szöveg, lista) és a kontextust (általános, e-mail).

Pontosság és korlátozások

A Superwhisper saját mérései szerint az S1-mini 94,8%-os token pontosságot ér el egy 7519 esetből álló tesztkészleten. A modell azonban nem ad hozzá új tartalmat, nem javítja a ténybeli hibákat, nem tompítja az obszcén kifejezéseket és nem írja át a tájszólást. Töltelékszavakat tartalmazó bemenet esetén üres stringet ad vissza, amit érvényes eredményként kell kezelni. A sikeres integrációhoz az enable_thinking=False beállítás és a gondolkodási blokk kikapcsolása kötelező.

Alkalmazási területek

Az S1-mini ideális megoldás lehet diktáló alkalmazásokban, értekezlet-jegyzetelő eszközökben, élő feliratozásban, hangvezérelt szerkesztőkben, vagy bármely olyan folyamatban, amely a nyers ASR kimenetet ember által olvasható szöveggé alakítja. Különösen hasznos lehet az egészségügyben, jogi területeken, pénzügyi szolgáltatásokban és ügyfélszolgálatban, ahol az adatvédelem kiemelten fontos.

További modellek

Az S1-mini mellett a Superwhisper elérhetővé tette a S1-Voice nevű, felhőalapú beszédfelismerő modellt, amely akár 46-szor gyorsabb is lehet a beszédnél, és a S1-Language nevű, felhőben futó utasításkövető modellt, amely szöveg-tisztításra és formázásra szolgál. Ezek a szolgáltatások nem önállóan telepíthetők, hanem a Superwhisper platformján keresztül érhetők el.