งานวิจัย
ภาษาไทยไม่ได้ขาดข้อความ เสียง หรือเอกสาร แต่ขาดข้อมูลที่มีป้ายกำกับ เราจึงสร้างข้อมูลกำกับขึ้นเอง แล้วเผยแพร่ว่าอะไรใช้ได้จริง
Kokoro-82M served on serverless CPUs, and the two changes to the serving path that take a bursty day's bill from $2.41 to $0.38.
Pakorn Nathong, Kunat Pipatanakul
6 หน้าarXiv:2610.00063v1
- PyTorch defaults2.41
- Request sizing alone3.24
- Request sizing with release0.38
An 82M model small enough to run on the device, trained entirely on speech a larger model generated, and the benchmark that says what it still gets wrong.
Kunat Pipatanakul, Potsawee Manakul, Warit Sirichotedumrong, Sittipong Sripaisarnmongkol, Pakorn Nathong, Phatrasek Jirabovonvisut
18 หน้าarXiv:2609.03502v1
- 0:04Teen girl, brightfemale · teenager
- 0:08Middle-aged woman, warmfemale · middle-aged
- 0:08Elder man, deepmale · elderly
A 0.9B document model taught on 45,723 reconstructed pages, and the controlled experiments that say which part of a synthetic document actually transfers.
Kunat Pipatanakul
20 หน้าarXiv:2609.03595v1
สิ่งที่เผยแพร่
โมเดล
- wayu-ai/wayu-paxa-tts-edge(เปิดในแท็บใหม่)
The 82M fixed-voice Thai and English student, open weights, for on-device inference.
- wayu-ai/wayu-paxa-ocr-zero(เปิดในแท็บใหม่)
The 0.9B Thai document model trained without a single real OCR label.
- wayu-ai/wayu-paxa-ocr-zero-gguf(เปิดในแท็บใหม่)
The same weights quantized for llama.cpp.
ชุดทดสอบและชุดข้อมูล
- wayu-ai/thai-tts-keyword-bench(เปิดในแท็บใหม่)cc-by-4.0
1,531 sentences, each built around one expression Thai speech models get wrong: a brand, a name, a rare compound, a chat spelling.
- wayu-ai/thai-tts-pause-bench(เปิดในแท็บใหม่)cc-by-4.0
210 long sentences for scoring where a Thai voice breaks, which no character-error number measures.
- wayu-ai/thai-aligner-bench(เปิดในแท็บใหม่)apache-2.0
Thai forced alignment scored against exact duration ground truth, for word and token boundaries.
- wayu-ai/thai-contextasr-bench(เปิดในแท็บใหม่)cc-by-nc-4.0
Whether a Thai transcription model uses the vocabulary you give it, and whether it invents words when the list is irrelevant.
- wayu-ai/thai-commoncrawl-index(เปิดในแท็บใหม่)odc-by
Every page Common Crawl read as Thai across 70 monthly crawls, 2019 to 2026: 932 million captures over 6.7 million domains.
โค้ด
- wayu-research/thai-tts-eval(เปิดในแท็บใหม่)
The evaluation framework behind the speech report: keyword accuracy, pause placement, speaker similarity, speaking rate.
- wayu-research/docaug(เปิดในแท็บใหม่)
The document reconstruction pipeline: erase a page's text, fit the label back into the same region, render it in a sampled typeface or real ink.
- wayu-research/wayu-tts-inference(เปิดในแท็บใหม่)
Reference inference for the speech model.
- wayu-research/wayu-ocr-inference(เปิดในแท็บใหม่)
Reference inference for the document model.
- paxalabs/cpu-tts-to-the-wall(เปิดในแท็บใหม่)mit
The serving shim, measurement scripts, and raw logs behind the CPU serving report, with every figure traceable to a result file.
ตัวอย่างใช้งาน
- kunato/wayu-paxa-tts-demo(เปิดในแท็บใหม่)
Type Thai, hear the 82M model read it.
- kunato/wayu-paxa-ocr-zero-demo(เปิดในแท็บใหม่)
Drop a Thai page in, read what the model returns.
ทำงานด้านเทคโนโลยีภาษาไทยอยู่ใช่ไหม
รายงานด้านเสียงพูดและเอกสารภาษาไทยเป็นความร่วมมือระหว่าง Wayu Research และ Paxa Labs โดย Wayu Research สนับสนุนทุนเอง ทีม Typhoon ร่วมเขียนรายงานด้านเสียงพูด และให้ความเห็นต่อรายงานด้านเอกสาร