К содержимому
Аудио

krama-asr-khmer-v1

гибридная ASR-модель для распознавания кхмерской речи

1 мин чтения

Модель krama-asr-khmer-v1 размером 345M параметров решает задачу автоматического распознавания речи (ASR) для кхмерского языка. Архитектура объединяет аудиобашню Google EmbeddingGemma-2 Conformer, CTC Reader и причинный кластерный декодер (causal cluster decoder). Набор обучен на 854.59 часах кхмерских аудиоданных из семи доменов с использованием словаря из 3,072 токенов. Модель подходит для расшифровки коротких и средних аудиофрагментов на кхмерском языке с высокой скоростью работы на CPU и GPU.

Ключевые особенности

  • База: Google EmbeddingGemma-2 с 12-слойной аудиобашней Conformer (d=1024).
  • Объём данных: Обучение на 349,305 клипах общей продолжительностью более 854 часов.
  • Два метода декодирования: Быстрый greedy CTC (по умолчанию) или Beam-5 с причинным декодером.
  • Эффективность: Высокая скорость обработки (около 0.05x RTF на обычном CPU).

Что можно сделать

  • Распознавание речи: Транскрибировать аудиозаписи на кхмерском языке в текст с помощью Python-скрипта.
  • Интеграция: Встроить модель в пайплайны обработки аудиоданных и локальные сервисы.

Пример

import torch
from krama_asr import load_model, transcribe

device = "cuda" if torch.cuda.is_available() else "cpu"
model, tokens = load_model("Nukthean/krama-asr-khmer-v1", device=device)

# Быстрый greedy CTC (по умолчанию)
text = transcribe(model, tokens, "sample.wav")
print(text)
Подробнее• Бенчмарки: CER от 2.04% до 7.12% в зависимости от тестового набора.
• Требования к железу: Поддержка CPU и GPU (включая bf16 смешанную точность).
• Ограничения: Требуется моно-аудио 16 кГц; числительные выводятся прописью; пробелы между словами минимальны.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Nukthean/krama-asr-khmer-v1
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Nukthean/krama-asr-khmer-v1 --local-dir ~/models/krama-asr-khmer-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к krama-asr-khmer-v1
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии krama-asr-khmer-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Nukthean/krama-asr-khmer-v1
Автор
Nukthean
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии