/ Модель

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
CC BY-SA 4.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Библиотека
transformers
Опубликована
19 июл 2026

whisper-base-khmer

Распознавание речиАудио → текст4 профессии

Дообученная на кхмерской речи модель Whisper Base для автономного распознавания речи и транскрибирования аудио в кхмерский текст.

352скачиваний за 30 дней2лайкавеса обновлены20 июл 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

sengtha/whisper-base-khmer — модель распознавания кхмерской речи, созданная для платформы iAny путём дообучения OpenAI Whisper Base на кхмерских речевых корпусах и аудио с телефонов и из помещений. Она принимает монофоническое аудио с частотой 16 кГц и преобразует речь на кхмерском языке в текст. Модель содержит 51,7 млн параметров и основана на архитектуре Whisper; для запуска доступны веса Transformers в Safetensors, версия ONNX для браузера и PWA, а также квантованный GGML-файл для мобильных и периферийных устройств. Предусмотрен автономный запуск без подключения к сети.

Модель предназначена для голосового ввода, диктовки, расшифровки аудио и средств доступности на кхмерском языке. На тестовом наборе FLEURS для кхмерского заявлена нормализованная по пробелам CER около 22,8. Лучше всего она работает с чёткой и тщательно произнесённой речью; шумная спонтанная речь, числа, английские вставки и имена собственные могут распознаваться хуже. Для важных расшифровок результат следует проверять. Лицензия — CC-BY-SA-4.0.

Сценарии применения

  • транскрибирование записей на кхмерском языке
  • голосовой ввод кхмерского текста на телефоне
  • диктовка на кхмерском языке
  • расшифровка речи в браузере или PWA без сети
  • создание инструментов доступности для кхмероязычных пользователей

Ограничения

Точность ниже на шумной спонтанной речи, числах, английских вставках и именах собственных; на аудио с низкой уверенностью возможны редкие символы byte-fallback. Для важных расшифровок результат нужно проверять.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-base-khmer

A Khmer speech-to-text (STT) model — openai/whisper-base fine-tuned on Khmer speech. Built for iAny, the offline, on-device Khmer AI platform, and released open source so anyone can build Khmer voice tools.

Runs fully on-device / offline in the iAny app and mobile app. Part of iAny's mission: the best open Khmer AI, with the community and for the community.

What it does

Transcribes spoken Khmer audio (16 kHz mono) into Khmer text. Multilingual Whisper already knows Khmer; this fine-tune sharpens it on real Khmer corpora + community phone/room audio.

Formats in this repo

FormatFilesFor
PyTorch / Transformersmodel.safetensors, config.json, tokenizertraining, server, research
ONNXonnx/encoder_model.onnx, onnx/decoder_model_merged.onnxbrowser / PWA (Transformers.js)
GGMLggml-base-khmer-q5_1.binmobile / edge (whisper.cpp / whisper.rn)

(CTranslate2 for faster-whisper can be produced with ct2-transformers-converter.)

Usage

🤗 Transformers

from transformers import pipeline
asr = pipeline("automatic-speech-recognition", model="sengtha/whisper-base-khmer",
               chunk_length_s=30, generate_kwargs={"language": "km", "task": "transcribe"})
print(asr("audio.wav")["text"])

Transformers.js (in the browser)

import { pipeline } from '@huggingface/transformers'
const asr = await pipeline('automatic-speech-recognition', 'sengtha/whisper-base-khmer', { dtype: 'fp32' })
const { text } = await asr(audioFloat32Array, { language: 'km', task: 'transcribe' })

whisper.cpp (GGML, on mobile/edge)

./whisper-cli -m ggml-base-khmer-q5_1.bin -l km -f audio.wav

Training data

Evaluation

Character Error Rate (CER) is the meaningful metric for Khmer; report space-normalized CER since Khmer has no word spaces and Whisper inserts them. WER is not meaningful for Khmer (ambiguous word segmentation).

Test setCER (space-normalized)CER (raw)
FLEURS km_kh test (standard benchmark, out-of-domain read speech)~22.8~23.9
In-domain dev (training corpora)~19—

FLEURS is clean, formal read speech with foreign proper nouns, so it's a harder, out-of-domain stress test — treat it as a comparability anchor, not a ceiling.

Limitations

  • Best on clear, careful speech; spontaneous/noisy phone audio in a room is harder for a base-size model. More community /voice data + retraining is the path to better real-world accuracy.
  • Weak on numbers and embedded English/proper nouns.
  • On low-confidence audio it can emit byte-fallback characters (rare); downstream apps may strip U+FFFD.

Intended use & responsible use

Voice input, dictation aids, transcription, and Khmer accessibility tools. It is an aid, not a certified transcription service — review output where accuracy matters.

License & attribution

Released under CC-BY-SA-4.0, inherited from the DDD-Cambodia training data. You must credit DDD-Cambodia and share derivatives alike. The base model openai/whisper-base is MIT.

Citation / credit

Trained and released by iAny (E-KHMER Technology). Thanks to DDD-Cambodia and every contributor at iany.app/voice. Training recipe: github.com/sengtha/iAny · docs/RUNPOD-KHMER-STT.md.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
d7da9b0

0 моделей