【免费下载链接】S1-mini-MLX-4bit项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/S1-mini-MLX-4bit点击查看免费下载S1-mini-MLX-4bit是 Superwhisper 推出的语音转文字Speech-to-Text文本规范化小模型 S1-mini 的MLX 4-bit 量化版本。它只有一个 0.6B 参数、文件仅 462 MiB就能在笔记本 CPU 上流畅运行把语音识别ASR输出的口语碎片一键改写成标点完整、数字规范、可直接阅读的干净文本——删掉嗯、啊等语气词、修正口误与自我纠正、自动补标点和大写还能把二十三万四千五百美元写成 $234,500。本文带你完整解析它的原理、用法与避坑指南。它到底能做什么传统 ASR如 Whisper 类模型只负责听写输出常常是这样的so um i need to like send the the report by uh friday no wait make that thursday而 S1-mini 负责善后把它变成I need to send the report by Thursday.具体来说它能处理这些事问题类型处理效果语气词um、uh、like全部删除口误与自我纠正forty two no sorry forty three保留说话人最终确定的值 →43口说数字、时间、货币、日期转成书写形式如3:15pm、March 3, 2026口头邮箱地址support at xx dot com还原为supportxx.com大小写与标点自动补齐纯噪音输入如只有一个um返回空字符串合法结果不是报错在 7,519 条英文测试集上它的 token 准确率达到94.8%。⚠️ 注意当前 v1 版本只支持英文且它是单一任务模型不能当聊天模型使用。快速上手3 步跑通语音转文字清洗 该仓库是把 BF16 原模型用mlx-lm转换为affine 4-bitgroup size 64的结果配置见 config.json。在 Apple Silicon 或安装了 MLX 环境的机器上uv tool install mlx-lm然后用 Python 加载并调用from mlx_lm import generate, load model, tokenizer load(mlx-community/S1-mini-MLX-4bit) # 按 README 示例构造 system 控制行 原始转写文本 # 调用 generate 即可得到干净文本完整可运行的示例含系统提示词与控制行写法请直接参考仓库文档README.md。核心玩法用控制行指挥输出风格 ️S1-mini 不是聊天模型唯一的调节方式是输入开头的一行控制行control line格式固定为[Styling: 值] [Structure: 值] [Context: 值] 原始转写文本三个参数各自独立所有组合都经过训练Styling文风casual/semi-casual/semi-formal/formal决定大小写和缩写的清理力度。同一句输入在casual下保持全小写口语感在formal下则展开缩写、规范句式。semi-formal是最通用的默认值。Structure结构prose纯段落或lists允许把三项以上的枚举内容拆成 Markdown 列表。Context场景general普通文本或email自动排版成称呼行 正文 落款结构。例如把一段口语转成邮件场景模型会自动输出带空行分隔的邮件格式——写会议纪要、整理口述邮件时非常实用。4 个最容易踩的坑 ⚠️必须设置enable_thinkingFalse该模型基于 Qwen3-0.6B 微调Qwen3 默认开启思考模式。不关的话模型会输出空的think块然后停止你将拿到空白结果——这是最常见的没输出原因。聊天模板见 chat_template.jinja。必须原样发送 system 提示词 控制行它们不是可选装饰而是训练时固定的一部分。改动措辞或省略模型可能幻觉、输出乱码。用贪心解码temperature 0仓库的 generation_config.json 已默认do_sample: false因为规范化是确定性转换采样只会引入波动。长文本要分段单次输入建议控制在约 1,000 token 内按句子边界切分输出 token 预算按1.3 × 输入token 32设置即可不必死守 1024。仓库文件导航 文件作用README.md完整文档快速开始、控制行说明、示例与部署指南config.json模型结构配置Qwen3 架构、28 层、4-bit 量化参数generation_config.json生成参数贪心解码chat_template.jinjaQwen3 聊天模板含思考块开关逻辑tokenizer.json / tokenizer_config.json词表与分词器配置model.safetensors4-bit 量化权重462 MiBmodel.safetensors.index.json权重复核索引LICENSEApache 2.0 命名条款使用时须保留 S1-mini by Superwhisper 署名适合谁用如何接入你的项目 ️S1-mini 的定位是 ASR 流水线的后处理阶段而不是独立系统音频 ──▶ ASRWhisper 等──▶ S1-mini ──▶ 干净文本如果你在做语音输入、会议记录工具、实时字幕或任何语音 → 可读文字的应用把它接在 ASR 后面即可ASR 的原始输出作为转写行你的应用设置决定三个控制行参数模型返回可直接展示的文字。得益于 0.6B 的小体量与 4-bit 量化它小到足以随端侧应用一起分发。集成时只需要抓住两件事输入格式system 控制行和enable_thinkingFalse标志——据官方说明几乎所有集成 bug 都能追溯到这两处。商用前请阅读 LICENSE 确认命名条款已满足。小结S1-mini-MLX-4bit 用 462 MiB 的体积和笔记本级算力解决了语音转文字链路里最影响阅读体验的文本脏乱差问题。固定系统提示词 一行控制行 关闭思考模式三件事做对就能在你的应用中一键获得干净的书面文本。赞分享【免费下载链接】S1-mini-MLX-4bit项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/S1-mini-MLX-4bit点击查看免费下载相关推荐S1-mini-MLX-4bit的4bit仿射量化是如何炼成的mlx-lm转换BF16权重全流程复盘S1 mini MLX 4bit的4bit仿射量化是如何炼成的mlx lm转换BF16权重全流程复盘 S1 mini MLX 4bit 是 Superwhis告别混乱转录RealtimeSTT让语音转文字输出样式随心所欲告别混乱转录RealtimeSTT让语音转文字输出样式随心所欲 你是否遇到过语音转文字后格式混乱、标点缺失、大小写错误的问题实时转录时看到的文字忽闪忽现最语音人工智能B站视频转文字神器让语音内容一键变文本B站视频转文字神器让语音内容一键变文本 你是否曾经遇到过这样的情况观看精彩的B站教学视频时想要记录重要的知识点却因为语速太快而错过关键信息或者作为内容语音音频AI 应用CLI上一篇WXT自动化测试策略确保代码质量的完整方案下一篇gh_mirrors/exam/examples优化技术模型结构优化提升推理速度创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考