语音转录文本规范化

Qwen-Audio-3.1 是阿里巴巴 Qwen 团队推出的语音模型系列，含 ASR、ASR-Next、TTS、TTS-Next 与实时交互五款模型。ASR 支持多语言与多地区中文方言识别、长音频转写、说话人分离与文本规范化，可在噪声环境稳定工作；TTS 为生产级语音合成系统，支持 16 种语言、20 个汉语方言区，可按自然语言指令控制情感、语速与风格，最长一次性合成约 3 分钟。

S1-mini 是 Superwhisper 发布的 0.6B 参数开源 ASR 文本规范化模型，将原始转录重写为干净书面文本：去除填充词、把自我纠正解析为最终表达、应用标点大小写，并把口述数字日期货币邮箱渲染为书面形式。基于 Qwen3-0.6B 微调，v1 仅支持英文，通过输入顶部控制行驱动输出风格。Apache 2.0 协议下发于 Hugging Face，量化GGUF约462MB可运行于笔记本CPU。