Superwhisper brengt S1-mini uit: spraak opschonen zonder cloud

TL;DR

• Wat: Superwhisper publiceert S1-mini, een compact taalmodel (462 MB) dat ruwe spraak-naar-tekst-uitvoer opschoont — volledig op je eigen apparaat.
• Waarom relevant: Spraakgestuurde workflows worden steeds praktischer, en dit model werkt zonder internetverbinding en zonder dat data je bedrijfsnetwerk verlaat.
• Wat je ermee kunt: Bekijk of spraak-naar-tekst een tijdbesparing oplevert in jouw werkprocessen, nu de drempel voor lokale verwerking lager wordt.

Superwhisper, een dicteer-app voor Mac, Windows en iOS, heeft voor het eerst een model met open weights uitgebracht: S1-mini. Wat mij opviel aan dit bericht is niet zozeer het model zelf, maar wat het zegt over de richting waarin spraaktechnologie beweegt — weg van de cloud, naar je eigen laptop.

Wat doet S1-mini precies?

Een veelvoorkomend misverstand: S1-mini is géén spraakherkenningsmodel. Het luistert niet naar je stem. Wat het wél doet, is de rommelige tekst opruimen die een spraakherkenner (zoals Whisper) produceert.

Denk aan wat er gebeurt als je een bericht inspreekt. Je zegt "eh" tussendoor, je begint een zin opnieuw, je zegt "support apenstaartje superwhisper punt com" in plaats van een netjes opgemaakt e-mailadres. S1-mini vertaalt die gesproken chaos naar geschreven tekst die je direct kunt gebruiken — met correcte leestekens, hoofdletters en opmaak.

Het model is gebouwd op Qwen3-0.6B, heeft 596 miljoen parameters en weegt in gekwantiseerde vorm slechts 462 megabyte. Ter vergelijking: dat is kleiner dan de meeste podcast-afleveringen die je downloadt. Het draait op een gewone laptop-processor, zonder videokaart of speciale hardware.

Waarom "open weights" ertoe doet

Superwhisper kiest ervoor om de modelgewichten publiek beschikbaar te maken via Hugging Face. Dat betekent dat ontwikkelaars het model kunnen downloaden, inspecteren en inbouwen in eigen toepassingen.

Waarom is dat interessant? Omdat het een verschuiving markeert. Steeds meer AI-functionaliteit verschuift van grote cloudplatforms naar modellen die je lokaal kunt draaien. Voor een ondernemer betekent dat twee dingen:

Geen data de deur uit

Alles wat je inspreekt, blijft op je eigen apparaat. Er gaat geen audiofragment of transcript naar een server. Voor bedrijven die werken met vertrouwelijke informatie — denk aan juridische documenten, medische gegevens of financiële rapportages — is dat een wezenlijk verschil met cloud-gebaseerde alternatieven.

Geen internetafhankelijkheid

Het model werkt offline. Dat klinkt als een detail, maar kun je je voorstellen hoe vaak je op plekken werkt waar de verbinding matig is? In de trein, op een bouwplaats, in een vergaderruimte met overbelast wifi. Een tool die niet afhankelijk is van een stabiele verbinding, is in de praktijk betrouwbaarder.

Wat kan het model wel en niet?

Superwhisper heeft S1-mini getest op 7.519 casussen en rapporteert onder meer een tokennauwkeurigheid van 94,8% en een foutpercentage van 11,6% op tekstbewerkingen. Het model herkent in 99,3% van de gevallen correct of een e-mail begint met een begroeting, en scoort 92% op het correct opmaken van e-mailadressen uit gesproken invoer.

Belangrijke kanttekening: dit zijn door de ontwikkelaar zelf gerapporteerde cijfers op een interne testset. Onafhankelijke benchmarks heb ik op dit moment niet kunnen vinden. Ik zou die cijfers dus als indicatief beschouwen — veelbelovend, maar nog niet extern geverifieerd.

Wat ik wél opvallend vind, is de bewuste beperking die het model zichzelf oplegt. Het voegt geen inhoud toe, corrigeert geen feiten en verandert geen toon of dialect. Het doet precies één ding: ruwe spraaktekst opschonen. Dat is een ontwerpkeuze die ik kan waarderen, omdat het de kans op onverwachte AI-hallucinaties in je tekst verkleint.

Toonregeling als feature

Een detail dat mij opviel: je kunt het model aansturen op drie assen. Je kiest een stijl (van informeel tot formeel), een structuur (lopende tekst of opsommingen) en een context (algemeen of e-mail). Stel dat je als ondernemer 's ochtends snel een e-mail inspreekt naar een klant — dan kiest het model automatisch de juiste opmaak als je "e-mail" als context meegeeft. Spreek je een notitie in voor jezelf, dan kan het een informele stijl hanteren.

Wat betekent dit voor ondernemers?

Ik denk dat de meeste MKB-ondernemers spraakherkenning nog associëren met Siri die je verkeerd verstaat, of met clunky dicteerssoftware uit 2015. De realiteit is dat de technologie de afgelopen jaren flink is verbeterd — en modellen als S1-mini laten zien dat de nabewerking nu ook lokaal en compact kan.

De praktische vraag is: waar verlies jij tijd aan typen terwijl je het sneller zou kunnen inspreken? Een paar denkbare situaties:

• E-mails en berichten — Veel ondernemers besteden een aanzienlijk deel van hun dag aan het beantwoorden van mail. Inspreken en automatisch laten opschonen kan dat versnellen.
• Notities na gesprekken — Na een klanttelefoontje of vergadering snel je aantekeningen inspreken in plaats van ze later uit te typen.
• Documentatie — Voor bedrijven waar medewerkers rapporten, inspectieverslagen of verslagen moeten maken, kan spraak-naar-tekst een merkbare tijdsbesparing opleveren.

Superwhisper zelf biedt een gratis basisversie aan. De Pro-versie kost $8,49 per maand of $249,99 voor een levenslange licentie. Het is beschikbaar voor Mac, Windows en iOS.

De bredere trend: AI wordt kleiner en lokaler

Wat mij bij dit bericht het meest bezighoudt, is niet zozeer S1-mini als los product, maar het patroon erachter. We zien steeds vaker dat AI-modellen klein genoeg worden om op gewone hardware te draaien. Een model van 462 megabyte dat bruikbare resultaten levert — dat was een paar jaar geleden ondenkbaar.

Voor ondernemers die terughoudend zijn over AI vanwege privacyzorgen of cloudafhankelijkheid, verandert dat het speelveld. De vraag verschuift van "vertrouw ik mijn data toe aan een Amerikaans techbedrijf?" naar "welke AI-taken kan ik lokaal afhandelen, op mijn eigen apparatuur?"

Ik vind het eerlijk gezegd fascinerend dat een relatief kleine speler als Superwhisper ervoor kiest om hun model open beschikbaar te stellen. Het is een andere strategie dan wat we zien bij de grote platformen, en het geeft ontwikkelaars en bedrijven de mogelijkheid om dit soort technologie in te bouwen op hun eigen voorwaarden.

Voor mij is dit vooral een signaal dat de drempel voor bruikbare, lokale AI-toepassingen snel daalt — en dat spraak als invoermethode voor zakelijk gebruik serieuzer genomen mag worden dan veel ondernemers nu doen.