Pedro21613/PS-1.0-translate

PS 1.0 Translate — v2.0 (treino pesado multilíngue)

Modelo criado do zero em PyTorch + treino pesado em 6 idiomas.

Arquitetura PS10Translate (~9.4M params, ~37MB): frontend log-Mel próprio, subsampling conv x4, 6x encoder Conformer-lite (256 dim), heads CTC + LangID. Tokenizer char multilíngue próprio (73 tokens).

v2.0 — treino pesado (Tesla T4, 4000 steps, AMP)

• Dados: FLEURS de_de/en_us/es_419/fr_fr/it_it/pt_br — 5400 train + 600 val (~11h), 900 train + 100 val por idioma, 16kHz
• Setup: batch 12, AdamW 2e-4 cosine, SpecAugment (freq+time mask), CTC + 0.1*LangID
• Evolução: loss 3.19 → ~1.9 | VAL CER 1.13 (step 500) → 0.874 best (step 3000)
• Checkpoint: pytorch_model_v2_best.bin (= pytorch_model.bin)

Exemplos reais em val (falantes não vistos):

• PT ref o objetivo principal da ciência... → hyp fonético próximo, ainda com erros
• DE ref laut polizei wird der fahrer... → hyp l or polizae e a fave es paso... (polizae ≈ polizei)
• IT ref la parte settentrionale... → hyp lo parte se tencenale...

Limite honesto

v2.0 aprendeu acústica multilíngue (saída tem forma fonética do idioma, não mais aleatória), mas CER 0.87 = ainda não utilizável. From-scratch com 9M params + 11h não chega a Whisper. Para ficar bom de verdade: 10-50x mais dados (Common Voice, MLS full, VoxPopuli), modelo maior (30-100M) e mais steps — train_ps10_heavy.py já é a base, é só escalar.

Uso

pip install -r requirements_ps10.txt
python inference_ps10.py mic
python app_ps10_gradio.py --port 7860 --share

Arquivos

• ps10_translate/ código do zero
• pytorch_model.bin (= best v2.0), pytorch_model_v2_last.bin
• train_ps10_heavy.py, train_ps10_real.py, train_ps10.py
• app_ps10_gradio.py, inference_ps10.py, eval no train_v2.log