К содержимому
Аудио

Khmer ASR Conformer-CTC v1

12,3 млн параметров для кхмерской речи

1 мин чтения

Модель распознавания речи от PhonSobon, обученная с нуля без предобученных весов. Это Conformer-CTC-энкодер на 12,3 млн параметров: принимает 16 кГц mono-аудио и выдаёт кхмерские символы, цифры и латиницу для английских слов, встречающихся в кхмерской речи.

Ключевые особенности

  • Архитектура conformer_s: 16 слоёв, d_model 176, 4 головы, kernel 31, RoPE-внимание.
  • Двуязычный вывод: кхмерский текст, цифры ០–៩ и 0–9, латиница a–z для code-switching.
  • Быстрая: около 172x real time на ноутбучной NVIDIA RTX 500 Ada и 68x на CPU.
  • Greedy CTC-декодирование без языковой модели; есть доступ к log_probs() для своего beam search.
  • Обучена на 25 339 клипах (56,3 ч) из 18 кхмерских ASR-датасетов.

Пример

from huggingface_hub import hf_hub_download
import sys, os
repo = "phonsobon/khmer-asr-Conformer-CTC-v1"
sys.path.insert(0, os.path.dirname(hf_hub_download(repo, "khmer_asr_conformer.py")))
from khmer_asr_conformer import KhmerASR
asr = KhmerASR.from_pretrained(repo)
print(asr.transcribe("audio.wav"))
ПодробнееВалидационный CER — 0,93%, но это те же источники, что и в обучении. На новых записях ожидайте CER около 20–40%; на 4 незнакомых клипах — 25,1%.
Нет пунктуации, пробелы зависят от разметки; возможны не-слова без языковой модели.
Аудио длиннее 30 с режется фиксированными кусками — лучше сначала делить по тишине.
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.

    # phonsobon/khmer-asr-Conformer-CTC-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 phonsobon/khmer-asr-Conformer-CTC-v1 --local-dir ~/models/khmer-asr-Conformer-CTC-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к khmer-asr-Conformer-CTC-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 khmer-asr-Conformer-CTC-v1 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

phonsobon/khmer-asr-Conformer-CTC-v1
Автор
phonsobon
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