S1-mini: компактная модель за 462 МБ чистит расшифровки ASR от мусора

S1-mini — это не транскрайбер и не чат-модель. Она работает после этапа распознавания речи: аудио → ASR (Whisper, Parakeet и т.п.) → S1-mini → чистый текст. Модель удаляет слова-паразиты, разрешает ложные старты и самокоррекции до окончательного варианта говорящего, добавляет пунктуацию и заглавные буквы, а также преобразует произнесённые числа, даты, время, валюты и email-адреса в письменный вид — например, «собака супервиспер точка ком» превращается в support@superwhisper.com.

Модель дообучена на базе Qwen/Qwen3-0.6B: 596M уникальных параметров (0,44B non-embedding), 28 слоёв, 16 query heads и 8 key/value heads с GQA, веса BF16. Релиз v1 поддерживает только английский язык. Управление стилем — через три оси: Styling (casual, semi-casual, semi-formal, formal), Structure (prose, lists) и Context (general, email). Все комбинации были обучены, и менять их вне заданных значений нельзя — иначе качество падает.

Важные технические нюансы: нужно отключить режим thinking (enable_thinking=False) — он по умолчанию включён в Qwen3 и ломает вывод. Также декодировать нужно жадно (do_sample: false), наследуемый от Qwen3 temp=0 может снизить качество. GGUF-сборка Q4_K_M весит всего 462 МБ и работает на CPU ноутбука, что позволяет запускать её локально на десктопах, в VPC и в софте для клиник, юристов, финансов и поддержки.

Ограничения: модель не добавляет контент, которого не было, не исправляет факты, не смягчает ругательства и не переписывает диалекты. На вход рекомендуется не более ~1000 токенов. Если на входе только мусор — вернёт пустую строку. Имя модели на Hugging Face — «s1-ai/S1-mini», лицензия Apache 2.0 с оговоркой об именовании.