YecoAI

Dallo standard italiano ai dialetti: i primi esperimenti con Napoletano-Ciro e Piemontese-Gioan

Modelli AI sperimentali che parlano napoletano e piemontese, rilasciati come esperimenti aperti. Sono versioni iniziali e non fanno parte della nostra linea di prodotti principale.

L'italiano standard è quello dei libri di testo; l'Italia parla in varietà regionali, dal napoletano al piemontese e a decine di altre, che non sono accenti ma sistemi linguistici con lessico, morfologia e sintassi propri. Per la tecnologia linguistica questa diversità è un punto cieco: un modello valutato solo sull'italiano standard fallisce silenziosamente con i milioni di parlanti che scrivono come parlano. Come primi esperimenti in questa direzione abbiamo realizzato due modelli conversazionali aperti per i dialetti, Napoletano-Ciro e Piemontese-Gioan. Sono artefatti di ricerca, non prodotti: release sperimentali che potranno ricevere aggiornamenti migliori in futuro.

Che cosa è un dialetto (e perché la parola inganna)

I cosiddetti dialetti italiani sono, in termini linguistici, lingue romanze evolutesi in parallelo all'italiano toscano. Napoletano e piemontese hanno profonde tradizioni letterarie, e l'intelligibilità reciproca con l'italiano standard è parziale nel migliore dei casi. Trattare queste varietà come rumore attorno a uno standard, refusi, slang, accento, significa buttare via struttura che un modello potrebbe apprendere: sostituzioni lessicali sistematiche, differenze morfologiche regolari e pattern sintattici stabili.

Che cosa abbiamo realizzato: due adapter LoRA su Qwen2.5-1.5B-Instruct

Napoletano-Ciro e Piemontese-Gioan sono adapter LoRA (PEFT, Parameter-Efficient Fine-Tuning) applicati a Qwen/Qwen2.5-1.5B-Instruct, un modello base open-weights di terze parti. Il modello base non è stato addestrato da noi: il nostro contributo è l'adattamento. Ogni adapter è stato addestrato con Supervised Fine-Tuning su coppie conversazionali dialettali curate, con ottimizzatore AdamW e schedule lineare. Entrambi sono pubblicati su Hugging Face con licenza Apache 2.0, e una demo pubblica, la Space ciro-gioan-chat, permette di parlare con i due personaggi fianco a fianco.

  • Napoletano-Ciro (YecoAI/napoletano-ciro): un modello conversazionale per il dialetto napoletano con tono verace, amichevole e spontaneo. Il personaggio è Ciro, un ragazzo di Napoli che scrive come se fosse su WhatsApp con un amico. Addestrato su uno standard metropolitano comune del napoletano.
  • Piemontese-Gioan (YecoAI/piemontese-gioan): un modello conversazionale per il dialetto piemontese con tono cordiale, ironico e naturale. Il personaggio è Gioan, un gentiluomo piemontese che chiacchiera con lo spirito di una piola torinese. Ottimizzato per una versione naturale e comune della lingua.

Perché un personaggio, e perché un modello base piccolo

Il dialetto vive nella conversazione quotidiana, quindi abbiamo scelto un formato conversazionale anziché orientato ai benchmark: personaggi fissi danno ai modelli una voce coerente e rendono la qualità giudicabile parlandoci. La base da 1,5B mantiene gli adapter economici da addestrare, eseguibili su CPU e condivisibili apertamente, cosa importante per varietà a basse risorse dove l'obiettivo è copertura e sperimentazione con la community, non le classifiche.

Limitazioni, dichiarate con onestà

  • Variazione dialettale: napoletano e piemontese hanno molte varianti locali; ogni modello segue uno standard comune, metropolitano, e non coprirà ogni varietà locale.
  • Dimensione del modello: con 1,5B di parametri, il ragionamento logico complesso in dialetto può vacillare.
  • Allucinazioni: come tutti gli LLM, i modelli possono occasionalmente generare termini dialettali errati o privi di senso.
  • Sicurezza: gli adapter ereditano i guardrail e l'allineamento del modello base Qwen.

Sono esperimenti iniziali. Abbiamo in programma di iterare: corpora meglio curati, più varietà e una valutazione più solida sono i passi successivi naturali, e le versioni future degli adapter potranno migliorare in modo sostanziale.

Rapporto con la Yeco LLM Series

Napoletano-Ciro e Piemontese-Gioan non fanno parte della Yeco LLM Series. La serie è la nostra famiglia di modelli proprietari interni (Yeco-PII v1.0, Ender-1 e Yeco Flash Mini-IT v1), addestrati sulle nostre pipeline. Gli adapter dialettali sono una linea di ricerca separata: esperimenti autonomi costruiti su una base open-weights di terze parti, rilasciati con licenza Apache 2.0 perché chiunque possa ispezionarli, eseguirli o estenderli.

Conclusione

Con Napoletano-Ciro e Piemontese-Gioan abbiamo fatto un primo passo onesto nell'NLP dei dialetti italiani: esperimenti conversazionali piccoli e aperti che mettono due lingue regionali in una finestra di chat. Provateli, stressateli, diteci dove falliscono: quel feedback è esattamente ciò che serve alla prossima iterazione.

Contenuti correlati