Are PyTorch checkpoints (pretrained.pt) of reazonspeech-k2-v2 available for fine-tuning?

[kenrouse]

Question

Thank you for releasing the excellent ReazonSpeech models.

I would like to fine-tune reazonspeech-k2-v2 on a domain-specific Japanese speech dataset (medical terminology) using the icefall recipe at egs/reazonspeech/ASR/zipformer. However, the Hugging Face repository reazon-research/reazonspeech-k2-v2 contains only ONNX files (encoder/decoder/joiner-epoch-99-avg-1.onnx and tokens.txt). The icefall recipe expects PyTorch checkpoints (pretrained.pt or epoch-*.pt) under zipformer/exp/, which I could not find anywhere.

What I have checked

• Hugging Face reazon-research/* repos (only nemo-v2 ships PyTorch weights; k2-v2 and its variants are ONNX-only)
• icefall/egs/reazonspeech/ASR/RESULTS.md (lists training/decoding commands but no download URL for the released checkpoint)
• ReazonSpeech/pkg/k2-asr (uses sherpa-onnx for inference)

Questions

1. Is the PyTorch checkpoint (pretrained.pt / epoch-*.pt / bpe.model) used to produce the released ONNX models published anywhere?
2. If not currently public, is there a plan to release it so that users can fine-tune via icefall?
3. If release is not planned, do you have a recommended approach for domain adaptation of reazonspeech-k2-v2 (e.g. contextual biasing in modified_beam_search, or LODR / shallow fusion that works in practice with this model)?

Context

• Use case: real-time Japanese ASR for medical terminology.
• Baseline measured with the released ONNX (reazonspeech-k2-asr 3.0.0, greedy, CPU): CER 18.53% on 50 short medical utterances.
• We have tried sherpa-onnx hotwords and dictionary-based post-correction, but both regressed CER (modified_beam_search itself degraded from 18.53% to 32.79% on this data).
• The natural next step is fine-tuning, which requires the PyTorch checkpoint.

Any guidance would be very much appreciated. Thank you!

<details>
<summary>日本語版</summary>

## 質問

ReazonSpeech モデルを公開いただきありがとうございます。

`reazonspeech-k2-v2` を医療ドメインの日本語音声でファインチューニングしたく、icefall の `egs/reazonspeech/ASR/zipformer` recipe での学習を試みていますが、Hugging Face リポジトリ [reazon-research/reazonspeech-k2-v2](https://huggingface.co/reazon-research/reazonspeech-k2-v2) には ONNX ファイル (`encoder/decoder/joiner-epoch-99-avg-1.onnx` と `tokens.txt`) のみが公開されているように見受けられます。icefall recipe が要求する PyTorch チェックポイント (`pretrained.pt` または `epoch-*.pt`) と `bpe.model` が見つからず、finetune を開始できない状況です。

### 確認済みの内容

- Hugging Face `reazon-research/*` の各リポジトリ (`nemo-v2` のみ PyTorch 重み公開、`k2-v2` 系は ONNX のみ)
- `icefall/egs/reazonspeech/ASR/RESULTS.md` (学習・デコードコマンドは記載されているが ckpt の配布 URL はなし)
- `ReazonSpeech/pkg/k2-asr` (sherpa-onnx ベースの推論実装)

### 質問

1. 公開済み ONNX の元となった PyTorch チェックポイント (`pretrained.pt` / `epoch-*.pt` / `bpe.model`) は公開されていますか?
2. 現状未公開の場合、icefall で finetune できるよう公開予定はありますか?
3. 公開予定がない場合、`reazonspeech-k2-v2` のドメイン適応に推奨される手法 (`modified_beam_search` の contextual biasing や LODR / shallow fusion 等で実用的に機能するもの) はありますか?

### 背景

- 用途: 医療用語のリアルタイム日本語 ASR。
- 公開 ONNX (`reazonspeech-k2-asr` 3.0.0, greedy, CPU) でのベースライン: 医療用語短文 50 件で CER 18.53%。
- sherpa-onnx の hotwords / 辞書ベース後補正を試したが、いずれも CER が悪化 (`modified_beam_search` 自体がこのデータでは 32.79% に劣化)。
- 次の打ち手として finetune を計画しているが、PyTorch ckpt が必要。

ご教示いただけますと幸いです。

</details>