S1-mini : Superwhisper lance un normalisateur de texte open-weights de 462 Mo qui nettoie les transcriptions ASR brutes
Superwhisper a dévoilé fin 2026 la famille de modèles S1, composée de trois éléments : S1-Voice, un modèle cloud de reconnaissance vocale, S1-Language, un modèle cloud de mise en forme piloté par instructions, et S1-mini, le seul publié en poids ouverts sur Hugging Face. S1-mini est un normalisateur de texte de 0,6 milliard de paramètres, affiné à partir de Qwen3-0.6B, dont la mission n'est ni de transcrire ni de dialoguer, mais de nettoyer les transcriptions brutes issues de la reconnaissance vocale : suppression des hésitations, résolution des reprises et corrections orales au profit de la version finale prononcée par le locuteur, ajout de la ponctuation et des majuscules, et conversion des nombres, dates, montants ou adresses email énoncés à l'oral en texte écrit correctement formaté. Le modèle affiche une précision de 94,8% sur un jeu de test de 7 519 exemples, mesurée en décodage glouton sur la version quantifiée. Sa version GGUF Q4KM ne pèse que 462 Mo et tourne sur le processeur d'un simple ordinateur portable. Publié sous licence Apache 2.0 avec une clause de nommage, il ne couvre pour l'instant que l'anglais, avec une longueur d'entrée recommandée d'environ 1 000 tokens.
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Cette annonce marque un changement d'échelle intéressant pour l'écosystème de la transcription vocale : plutôt que de livrer un gros modèle de langage généraliste pour nettoyer du texte, Superwhisper propose un composant minuscule, spécialisé et déployable localement, intercalé entre un moteur de reconnaissance vocale classique (Whisper, Parakeet, etc.) et l'utilisateur final. Pour les développeurs solo, cela signifie qu'ils peuvent intégrer un post-traitement de qualité professionnelle directement dans une application de bureau sans dépendre d'une API payante. Pour les entreprises soumises à des contraintes de confidentialité, comme les secteurs de la santé, du droit ou de la finance, il devient possible de faire tourner ce nettoyage de transcription entièrement derrière un VPC, sans que l'audio ou le texte ne quitte jamais le réseau interne. Les cas d'usage visés incluent la dictée, la prise de notes de réunion, le sous-titrage en direct, les éditeurs pilotés par la voix ou encore la saisie vocale dans des outils CRM.
Le fonctionnement du modèle repose sur un mécanisme de contrôle original : une ligne de commande à trois axes indépendants placée avant la transcription brute, précisant un style (casual, semi-casual, semi-formal ou formal), une structure (prose ou liste) et un contexte (général ou email), chaque combinaison ayant été spécifiquement entraînée. Le modèle est volontairement contraint pour rester fiable : il n'ajoute aucun contenu non prononcé, ne corrige pas les erreurs factuelles, n'atténue pas les grossièretés et ne réécrit pas les dialectes ; une entrée composée uniquement d'hésitations renvoie une chaîne vide. Deux réglages techniques sont indispensables à son bon fonctionnement, faute de quoi les intégrations échouent silencieusement : désactiver le mode de raisonnement hérité du template Qwen3, actif par défaut, et forcer un décodage glouton plutôt qu'un échantillonnage aléatoire. À noter une légère divergence entre l'application commerciale de Superwhisper, qui propose un curseur de ton à cinq niveaux incluant un réglage "balanced", et les poids ouverts qui ne documentent que quatre valeurs de style entraînées.
Le caractere open-weights et deployable localement pourrait interesser les entreprises europeennes soumises au RGPD, sans impact direct specifique sur la France ou l'UE.
Un normalisateur de 0,6 milliard de paramètres qui tourne sur un CPU de portable, c'est le signe que la course au gros modèle généraliste touche ses limites pour des tâches ultra-ciblées. Là où on aurait balancé GPT-4 pour nettoyer une transcription il y a un an, Superwhisper montre qu'un modèle spécialisé de 462 Mo fait le job, en local, sans API ni facture cloud. Reste que ça ne parle que l'anglais pour l'instant, donc pour les usages francophones il faudra encore patienter.