GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
BoomBigNoseLab
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
BoomBigNoseLab
Model Tree
BoomBigNoseLab/whisper-large-v3-thai-merge
Input Modalities
Output Modalities
Supported Functionality
วัดด้วย protocol eval_v2 ชุดเดียวกับคู่แข่งทุกตัว (hash f1f03f053b40, greedy, language=th, chunker 30 วินาที) ค่าเป็น CER (%) ยิ่งต่ำยิ่งดี
| ชุดทดสอบ | โมเดลนี้ | t60 (ก่อนเทรน) | คู่แข่งที่ดีที่สุด |
|---|---|---|---|
| Common Voice 17 | 2.18 | 2.25 (ดีขึ้นอย่างมีนัยสำคัญ) | 2.03 (Pathumma-stt) แพ้ +0.15 |
| GigaSpeech2-Typhoon | 4.75 | 4.79 | 4.52 (typhoon-whisper-large-v3) แพ้ |
บน Common Voice โมเดลนี้ชนะ Typhoon, Thonburian, Pathumma-whisper, typhoon-asr-qwen และ Qwen3-ASR แต่ยังแพ้ Pathumma-stt (NECTEC)
python
import torchfrom transformers import pipelineasr = pipeline("automatic-speech-recognition", model="BoomBigNoseLab/whisper-large-v3-thai-cv", torch_dtype=torch.float16, device="cuda")print(asr("audio.wav", generate_kwargs={"language": "th", "task": "transcribe"})["text"])ถ้าจะวัดผลแบบเดียวกับตารางข้างบน (chunker และการทำข้อความให้เป็นมาตรฐานของ eval_v2):
bash
git clone https://github.com/Boom-Vitt/thai-dialect-asr.git && cd thai-dialect-asr && pip install -e ".[eval]"python scripts/eval_v2.py run --run mine --models "mine=whisper:BoomBigNoseLab/whisper-large-v3-thai-cv" --datasets tvspeech cvconfig.json ระบุ float32 (โหลดได้ตามปกติ)Apache-2.0 (ข้อมูลเทรน CC0 · โมเดลตั้งต้นดูที่ whisper-large-v3-thai-merge)
พัฒนาโดย BoomBigNose Lab · โค้ดและชุดวัดผล: https://github.com/Boom-Vitt/thai-dialect-asr
bibtex
@misc{thai_dialect_asr_2026, title = {Thai Dialect ASR: Same-Protocol Benchmarking of Central and Regional Thai Speech Recognition}, author = {{BoomBigNose Lab}}, year = {2026}, howpublished = {\url{https://github.com/Boom-Vitt/thai-dialect-asr}}}import torchfrom transformers import pipelineasr = pipeline("automatic-speech-recognition", model="BoomBigNoseLab/whisper-large-v3-thai-cv", torch_dtype=torch.float16, device="cuda")print(asr("audio.wav", generate_kwargs={"language": "th", "task": "transcribe"})["text"])git clone https://github.com/Boom-Vitt/thai-dialect-asr.git && cd thai-dialect-asr && pip install -e ".[eval]"python scripts/eval_v2.py run --run mine --models "mine=whisper:BoomBigNoseLab/whisper-large-v3-thai-cv" --datasets tvspeech cv@misc{thai_dialect_asr_2026, title = {Thai Dialect ASR: Same-Protocol Benchmarking of Central and Regional Thai Speech Recognition}, author = {{BoomBigNose Lab}}, year = {2026}, howpublished = {\url{https://github.com/Boom-Vitt/thai-dialect-asr}}}