语音AI服务商Superwhisper近期正式开源轻量文本归一化模型S1-mini，该模型参数规模0.6B、体积仅462MB，可在端侧本地运行，直接将语音识别（ASR）输出的原始转写文本整理为通顺规范的书面文本。同时Superwhisper还推出两款云端版S1大模型，覆盖从个人开发者到大型企业的不同层级语音转写后处理需求，为端侧语音AI落地降低了技术门槛。
经常使用语音转文字功能的用户大概率有过类似体验：原始转写结果里堆满了“嗯”“啊”之类的语气助词、语序混乱的口语表达，甚至大量同音字错误，手动修正的时间往往比听录还长。这一长期制约语音识别落地体验的痛点，如今有了更轻量化的解决方案。
随着语音识别（ASR）技术的普及，当前通用场景下的ASR识别准确率已经突破98%，但原始转写结果的文本归一化始终是体验短板：规则驱动的修正方案适配性差，遇到口音、专有名词、口语化表达时错误率极高；基于大模型的修正方案参数规模普遍在10B以上，只能部署在云端，不仅延迟高，还存在数据上传的隐私风险，端侧硬件根本无法承载，不少消费级语音产品厂商长期在体验和成本之间两难。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号