NeoRoth/oriloq-asr-fr-mlx

Oriloq ASR français : Parakeet MLX FP32

Modèle de transcription spécialisé pour la dictée française dans Oriloq, dérivé de NVIDIA Parakeet TDT 0.6B v3.

Version publiée le 8 octobre 2026 : qat-20261006-e11. Les adaptateurs LoRA du checkpoint de l’époque 11 ont été fusionnés dans le modèle de base. Le checkpoint a été sélectionné sur le WER de validation combiné à la fin d’un entraînement de 15 époques.

Entraînement et évaluation

Fine-tuning LoRA (rang 16, alpha 32), dropout LoRA 0,1, warmup 1 000 steps, profil QAT de poids coreml-int8-per-channel-v1. Le corpus de dictée française reste privé.

Mesure à l’époque 11	WER
Validation locale française, normalisée	3,02 %
FLEURS français, split développement	7,53 %
Validation combinée, critère de sélection	4,379 %

Ces métriques ont été mesurées pendant l’entraînement avec simulation QAT. Elles ne constituent pas un benchmark de bout en bout de cet export. Dans ce run, le modèle de base obtenait 5,40 % sur FLEURS français : la spécialisation pour la dictée Oriloq ne signifie donc pas une amélioration sur toutes les distributions de parole française. Les langues autres que le français n’ont pas été évaluées sur cette version.

Versions

Les clients Oriloq suivent la tête de la branche main. Le tag qat-20261006-e11 identifie cette publication. Le tag before-20261008 conserve l’état précédent du dépôt et permet un retour à cette révision.

Aucun audio, transcript, diagnostic contenant des exemples, checkpoint d’entraînement ou chemin local privé n’est publié.

Licence et attribution

Distribué sous CC BY 4.0, avec attribution à NVIDIA / l’équipe NeMo pour le modèle de base. Modifications par Oriloq : fine-tuning LoRA français, fusion des adaptateurs et export pour Apple Silicon. Conserver cette attribution, signaler les modifications et référencer la licence lors d’une redistribution.

Utilisation et format

Bundle MLX natif pour Oriloq sur Mac Apple Silicon. Les poids du checkpoint français sélectionné sont distribués en FP32 après fusion des adaptateurs, pour rester compatibles avec le service de transcription actuel d’Oriloq. L’inférence MLX utilise le GPU Metal.

Audio d’entrée : mono, 16 kHz ; frontend 128 bandes MEL. Conformer à 24 couches, predictor LSTM et joint network TDT ; cinq classes de durée (0 à 4).

Fichiers runtime : model.safetensors, config.json et tokenizers/vocabulaires. finetune_metadata.json décrit la version publique et ses métriques. Les poids utilisent les layouts MLX ; ce n’est pas un checkpoint NeMo/PyTorch directement chargeable.

La variante compacte se trouve dans NeoRoth/oriloq-asr-fr-mlx-int8. L’application actuelle refuse encore les poids Parakeet MLX quantifiés ; ce dépôt FP32 reste donc la source compatible pour son choix français MLX.