/ Модель

Характеристики

Параметры
913 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Опубликована
2 авг 2026

whisper-turbo-khmer-v7-stable

Распознавание речиАудио → текст5 профессий

Дообученная модель Whisper для транскрибирования кхмерской речи, включая аудио с шумом.

14скачиваний за 30 дней1лайквеса обновлены2 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Whisper Khmer v7 Stable — модель 1morecupofhottea для распознавания кхмерской речи с преобразованием аудио в текст. Она дообучена на базе openai/whisper-large-v3-turbo и предназначена для транскрибирования кхмерской речи, в том числе аудио с шумом.

Модель использует архитектуру Whisper и пользовательский объединённый BPE-токенизатор для кхмерского языка с 57 908 токенами. В обучении применялись 11 методов аудиоаугментации; в карточке указано 913 млн параметров. Для использования приведён пример с Transformers ASR pipeline и обработкой аудио фрагментами по 30 секунд. Лицензия — MIT.

Сценарии применения

  • транскрибирование записей на кхмерском языке
  • распознавание кхмерской речи в шумном аудио
  • создание субтитров для кхмерских аудио- и видеозаписей

Ограничения

В карточке описано распознавание кхмерской речи; поддержка других языков для этой версии не заявлена. Результаты могут зависеть от качества записи и акустических условий.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Khmer v7 Stable

Fine-tuned openai/whisper-large-v3-turbo for Khmer (Cambodian) speech recognition, using a custom merged BPE tokenizer (whisper-khmer-tokenizer-v3, content-first vocab layout).

  • Base model: openai/whisper-large-v3-turbo
  • Tokenizer: custom merged Khmer BPE (57,908 tokens)
  • Training: online audio augmentation (11 techniques), augment_prob=0.3, noisy eval
  • Vocab layout: content-first — custom BPE tokens precede special tokens, so the standard transformers ASR pipeline decodes them correctly.

Usage

from transformers import pipeline

pipe = pipeline("automatic-speech-recognition",
                model="1morecupofhottea/whisper-turbo-khmer-v7-stable",
                chunk_length_s=30, device=0)

result = pipe("path/to/audio.wav")
print(result["text"])  # khmercut-segmented output with ';' word-group separators

The model outputs khmercut-segmented text (words separated by spaces, word groups by ;), which matches the training data format.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
b8f59b4

0 моделей