MaprangSTT
компактный Thai ASR для диалектов
1 min read
MaprangSTT — модель распознавания тайской речи на базе Cactus-Compute/whistle от PyThaiNLP. Поддерживает стандартный тайский и региональные диалекты: центральный, исанский, северный, корат, южный, а также речь пожилых людей. Обучена на открытых данных, итоговый архив .cact занимает 32,49 МБ.
Ключевые особенности
- Обучение на 1 022,78 часа (594 231 клип) тайской речи.
- Quantization-aware LoRA: rank=16, alpha=32, 15 групп весов.
- Формат W4A8: 4-битные веса, 8-битные активации и KV cache.
- Расширенный Thai SentencePiece словарь: +2 067 токенов.
- Готовый .cact на 32,49 МБ для инференса на CPU, GPU и мобильных устройствах.
Пример
from huggingface_hub import hf_hub_download
from needle import Whistle
model = Whistle(hf_hub_download("pythainlp/MaprangSTT", "maprang.cact"))
print(model.transcribe("speech.wav", language="th")["text"])
Подробнее
На Google FLEURS (th_th): CER 13,58%, WER 31,05%.Для сравнения, openai/whisper-small при 967 МБ даёт CER 24,21% и WER 75,74%.
Вход — 16 кГц моно PCM .wav; обучение шло на RTX 4090 24 ГБ.
Есть LoRA-адаптер 29,0 МБ и сборка .cact с 4 или 6 слоями декодера.










Comments