S1-mini: modelo aberto de 462 MB transforma transcrição bruta em texto limpo

O que é o S1-mini

A Superwhisper lançou a família de modelos S1, e o destaque para quem trabalha fora do app é o S1-mini, publicado com pesos abertos no Hugging Face. Trata-se de um normalizador de texto de 0,6 bilhão de parâmetros — não é um transcritor nem um modelo de chat. Ele entra depois do reconhecimento de fala (ASR) e reescreve a transcrição bruta como texto escrito limpo: remove palavras de preenchimento, resolve autocorreções, aplica pontuação e capitalização e transforma números, datas, moedas e e-mails falados em formato escrito.

Dá para rodar em qualquer lugar

O S1-mini está no Hugging Face sob licença Apache 2.0. O build GGUF quantizado (Q4_K_M) tem apenas 462 MB e roda na CPU de um laptop — útil para apps de ditado, ferramentas de notas de reunião, legendas ao vivo e qualquer pipeline que converta a saída bruta de um ASR em texto legível. O modelo foi ajustado a partir do Qwen3-0.6B e, na versão 1, cobre apenas inglês.

Como ele é controlado

A interface do S1-mini é uma “linha de controle” de três eixos colocada acima da transcrição: [Styling: ...] [Structure: ...] [Context: ...]. O eixo Styling aceita casual, semi-casual, semi-formal ou formal; Structure aceita prosa ou listas; Context aceita geral ou e-mail. Por design, o modelo não adiciona conteúdo que você não disse, não corrige fatos nem suaviza palavrões.

Números reportados pelo fornecedor

A Superwhisper avaliou o S1-mini em 7.519 casos de um conjunto de testes interno, com 94,8% de acurácia de tokens na versão quantizada. Em texto formatado como e-mail, identifica a linha de saudação 99,3% das vezes e a despedida 97,9%. São números reportados pela própria empresa, não resultados de terceiros.

Dois ajustes que evitam dor de cabeça

Para integrar, é obrigatório desativar o “thinking” — o Qwen3 vem com isso ligado por padrão — e decodificar de forma gulosa com temperatura 0. A maioria dos bugs de integração vem de esquecer um desses dois pontos.