/ Модель

Характеристики

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

whisper-turbo-khmer-v9

Распознавание речиАудио → текст10 профессий

Дообученная на кхмерской речи модель Whisper преобразует аудио на кхмерском языке в текст.

122скачиваний за 30 дней1лайквеса обновлены3 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 v9 — дообученная модель распознавания речи на кхмерском языке, созданная на основе openai/whisper-large-v3-turbo. Она предназначена для преобразования кхмерской речи в текст, в том числе при обработке аудио фрагментами до 30 секунд через стандартный конвейер automatic-speech-recognition в Transformers. Модель использует архитектуру Whisper и содержит около 913 млн параметров.

Для распознавания применяется специальный объединённый BPE-токенизатор для кхмерского языка с 57 908 токенами. При обучении использовались 11 техник аугментации аудио; вероятность аугментации составляла 0,3. В карточке приведена оценка WER около 22% на чистом наборе проверки на шаге 1200. Модель распространяется по лицензии MIT.

Сценарии применения

  • Расшифровка записей речи на кхмерском языке
  • Создание субтитров к аудио и видео на кхмерском языке
  • Транскрибация кхмерских интервью и диктофонных записей
  • Распознавание кхмерской речи в аудиоматериалах с шумом

Ограничения

В карточке указана оценка WER около 22% на чистом наборе проверки на шаге 1200; качество на других данных может отличаться. Модель предназначена для кхмерской речи, поэтому её пригодность для других языков не подтверждена.

Для каких профессий подходит10

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 v9 (aug02)

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). Trained with online audio augmentation.

  • 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
  • Clean eval WER: ~22% at step 1200
  • 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-v9",
                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
f864458

0 моделей