Azamat753/kadam-models

# kadam-models Версионированные модели кыргызской речи для мобильного приложения `altyntil`. Весовые файлы распространяются через Git LFS и должны публиковаться как GitHub Release assets. Они не должны добавляться в Flutter assets и не входят в APK, AAB или IPA. ## Состав - `tts/model.onnx` — Meta MMS `facebook/mms-tts-kir`, готовый ONNX из `willwade/mms-tts-multilingual-models-onnx/kir`. - `tts/tokens.txt` — таблица символов MMS из того же набора. - `asr/model.onnx` — MatMul INT8-экспорт `iarfmoose/wav2vec2-large-xlsr-kyrgyz`, созданный штатным `app/scripts/export-asr.py` проекта Kadam. - `asr/vocab.json` и `asr/asr-meta.json` — словарь CTC и параметры препроцессинга, полученные тем же экспортом. В исходном Kadam ASR-модель фактически находится как `app/models/model.onnx`, а метаданные — в `app/models/`; здесь они намеренно сгруппированы под `asr/`. Используются только эти пять runtime-файлов — сервер, Python-окружение, исходный FP32 ONNX и web-приложение не включены. ## Контракт inference TTS принимает: - `x`: `int64[1, sequence]`; - `x_length`: `int64[1]`; - `noise_scale`: `float32[1]`, Kadam использует `0.667`; - `length_scale`: `float32[1]`, Kadam использует `1.0`; - `noise_scale_w`: `float32[1]`, Kadam использует `0.8`. Первый output TTS — mono `float32` waveform с частотой 16 kHz. Токенизация посимвольная: неизвестные символы пропускаются, поддерживается lowercase fallback, blank `0` вставляется до, после и между token id. ASR принимает `input_values: float32[batch,time]` и возвращает `logits: float32[batch,frames,vocab]`. Аудио: mono 16 kHz, значения `[-1, 1]`, затем zero-mean/unit-variance нормализация с epsilon `1e-7`. Greedy CTC decoder удаляет повторы и blank/pad id `39`, заменяет `|` пробелом и отбрасывает специальные токены. ## Обновление manifest После замены любого файла: ```bash python3 scripts/update_manifest.py ``` После создания GitHub Release рекомендуется загрузить assets с именами `tts-model.onnx`, `tts-tokens.txt`, `asr-model.onn …