Sped_ParakeetRomanian_110M_TDT-CTC_gguf

Acesta este un model convertit în format gguf al modelului fine-tuned: gabrielpirlo/Sped_ParakeetRomanian_110M_TDT-CTC, care este un model dedicat exclusiv limbii române. Modelul a fost adaptat din nvidia/parakeet-tdt_ctc-110m prin transfer learning și antrenat pe 2.636 de ore de înregistrări vocale în limba română (sursa).

Conținut:

Scop:

Model personalizat pentru handy-computer Pentru a-l utiliza cu handy, copiați fișierul .gguf în directorul:

<App Data Directory>/models/

Notă: App Data Directory poate fi găsit în secțiunea About a aplicației handy.

Cum s-a convertit:

Am actualizat scriptul convert-parakeet.py cu profilul:

    # 110M Romanian hybrid TDT+CTC (SpeD).
    "Sped_ParakeetRomanian_110M_TDT-CTC": {
        "variant": "tdt_ctc-110m-ro",
        "display_name": "SpeD Parakeet Romanian 110M TDT-CTC",
        "version": "v1",
        "size_label": "110M",
        "head_kind": "tdt",
        "expected_vocab_size": 1024,
        "languages": ["ro"],
        "lang_detect": False,
        "prefer_direct_load": True,
        "license": "cc-by-4.0",
        "license_name": "Creative Commons Attribution 4.0",
        "license_link": "https://creativecommons.org/licenses/by/4.0/",
    }

Conversie:

cd transcribe.cpp \
uv run --project scripts/envs/parakeet \
python3 convert-parakeet.py gabrielpirlo/Sped_ParakeetRomanian_110M_TDT-CTC

Quantization:

~/transcribe.cpp/build/bin/transcribe-quantize \
  models/Sped_ParakeetRomanian_110M_TDT-CTC/Sped_ParakeetRomanian_110M_TDT-CTC-F32.gguf \ 
  models/Sped_ParakeetRomanian_110M_TDT-CTC/Sped_ParakeetRomanian_110M_TDT-CTC-F16.gguf  --quant F16

Credits:
handy-computer
@gabrielpirlo
Lucrare: arXiv:2511.03361