К содержимому
Аудио

Khmer ASR SOTA

распознавание кхмерской речи для edge

1 мин чтенияобновлено

Модель автоматического распознавания кхмерской речи от Vagabond404 на Wav2Vec2 CTC. Оптимизирована для встраиваемых устройств (Edge AI & Kinvoice), обучена на 174,2 часах кхмерской речи; квантизованные ONNX-веса занимают 338,6 МБ.

Ключевые особенности

  • CER (Character Error Rate): 3,05–4,16% — в карточке заявлено преимущество над Whisper Large-v2 с 8,11% CER.
  • WER (Word Error Rate): 59,78%, в карточке отмечено дальнейшее снижение.
  • На мобильном CPU RTF = 0,163 — примерно в 6,1 раза быстрее реального времени.
  • Обучение на 174,2 часах нативной кхмерской речи (260/653 shards).
  • Квантизованные ONNX-веса весят 338,6 МБ.

Пример

from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
import librosa, torch
processor = Wav2Vec2Processor.from_pretrained('Vagabond404/khmer-asr-sota')
model = Wav2Vec2ForCTC.from_pretrained('Vagabond404/khmer-asr-sota')
speech, sr = librosa.load('audio_khmer.wav', sr=16000)
inputs = processor(speech, sampling_rate=16000, return_tensors='pt')
with torch.no_grad():
    logits = model(inputs.input_values).logits
ПодробнееCER: 3,05–4,16% против 8,11% у Whisper Large-v2.
WER: 59,78%; обучение на 174,2 ч кхмерской речи.
ONNX: 338,6 МБ; RTF 0,163 на мобильном CPU (6,1× быстрее реального времени).
Ограничение: язык только кхмерский.
Обсудить Telegram 1 91

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.2 GB · готовые файлы1.8 GB
  • BF16веса 0.6 GB1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

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.

    # Vagabond404/khmer-asr-sota
    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 Vagabond404/khmer-asr-sota --local-dir ~/models/khmer-asr-sota
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к khmer-asr-sota
  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-sota — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Vagabond404/khmer-asr-sota
Автор
Vagabond404
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

911

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии