/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Whisper-Small-Khmer-Final-v2
Опубликована
4 сен 2026

Whisper-Small-Khmer-Final-3000

Распознавание речиАудио → текст5 профессий

Контрольная точка Whisper Small, дообученная для транскрибации кхмерской речи.

71скачиваний за 30 дней0лайковвеса обновлены4 сен 2026

Бенчмарки

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

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-Small-Khmer-Final-3000 — контрольная точка модели Whisper Small, дообученной Phonsobon для автоматического распознавания речи на кхмерском языке. Это отдельный репозиторий с весами и файлами процессора, подготовленный для инференса без загрузки остальных контрольных точек обучения; формат весов — safetensors. Модель принимает аудио и выдаёт текстовую транскрипцию.

Модель предназначена для расшифровки кхмерской речи. Для работы входное аудио следует привести к моно с частотой 16 кГц; автор рекомендует сначала проверять модель на коротких чистых аудиофрагментах длительностью от нескольких секунд примерно до 30 секунд. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей речи на кхмерском языке
  • распознавание кхмерской речи в коротких аудиозаписях
  • создание текстовых субтитров для кхмерского аудио

Ограничения

Для входного аудио требуется моно и частота 16 кГц. Автор рекомендует начинать с коротких чистых фрагментов; качество на шумной или длинной речи не охарактеризовано.

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-Small-Khmer-Final-1500

This is checkpoint-3000 from phonsobon/Whisper-Small-Khmer-Final-v2, extracted and hosted as a standalone repo so it can be loaded directly for inference without pulling the rest of the training checkpoints.

  • Base model: openai/whisper-small
  • Fine-tuned for: Khmer automatic speech recognition (ASR)
  • Source checkpoint: checkpoint-3000 of Whisper-Small-Khmer-Final-v2

Usage

Install dependencies:

pip install transformers torch torchaudio librosa

Transcribe an audio file

import torch
import librosa
from transformers import WhisperProcessor, WhisperForConditionalGeneration

MODEL_ID = "phonsobon/Whisper-Small-Khmer-Final-3000"
AUDIO_PATH = "test_audio.wav"

device = "cuda" if torch.cuda.is_available() else "cpu"

processor = WhisperProcessor.from_pretrained(MODEL_ID)
model = WhisperForConditionalGeneration.from_pretrained(MODEL_ID).to(device)
model.eval()

audio, sr = librosa.load(AUDIO_PATH, sr=16000)
inputs = processor(audio, sampling_rate=16000, return_tensors="pt")
input_features = inputs.input_features.to(device)

with torch.no_grad():
    predicted_ids = model.generate(
        input_features,
        language="km",
        task="transcribe",
        max_new_tokens=444,
    )

transcription = processor.batch_decode(predicted_ids, skip_special_tokens=True)[0]
print("Transcription:", transcription)

Using the pipeline API (simpler)

from transformers import pipeline

asr = pipeline(
    "automatic-speech-recognition",
    model="phonsobon/Whisper-Small-Khmer-Final-3000",
)

result = asr("test_audio.wav", generate_kwargs={"language": "km", "task": "transcribe"})
print(result["text"])

Notes

  • Input audio must be resampled to 16kHz mono — both examples above handle this via librosa.load(..., sr=16000).
  • This repo contains only the files needed for inference (config, tokenizer/processor files, and model weights) — training artifacts like optimizer/scheduler state were intentionally excluded.
  • For best results, test with a short (a few seconds to ~30s) clean Khmer audio clip first.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
325ad14

0 моделей