Upload Khmer image captioning model

README.md

@@ -0,0 +1,66 @@
+---
+language: km
+license: mit
+tags:
+- image-to-text
+- image-captioning
+- khmer
+- pytorch
+- show-attend-and-tell
+datasets:
+- phonsobon/khmer_images_captioning_v2
+---
+
+# Khmer Image Captioning (Show, Attend and Tell)
+
+A from-scratch image captioning model for **Khmer**, following the classic *Show, Attend and Tell*
+architecture:
+
+- **Encoder**: ResNet-101 pretrained on ImageNet, used only as a **frozen feature extractor**
+  (no fine-tuning) producing a 14x14 grid of 2048-dim region features.
+- **Decoder**: an LSTM with Bahdanau (additive) attention, embedding table, and gating layers,
+  **trained from scratch** on Khmer captions.
+- **Tokenization**: word-level, using `khmer-nltk` for Khmer word segmentation.
+
+Trained on [`phonsobon/khmer_images_captioning_v2`](https://huggingface.co/datasets/phonsobon/khmer_images_captioning_v2).
+
+This is **not** a standard `transformers` model — it uses custom PyTorch code (`modeling_khmer_captioning.py`
+in this repo) rather than `AutoModel`.
+
+## Files
+
+- `config.json` — architecture hyperparameters
+- `decoder.pt` — trained decoder weights (`state_dict`)
+- `vocab.json` — word-level vocabulary (`itos` list)
+- `modeling_khmer_captioning.py` — model classes + `load_model()` / `caption_image()` helpers
+
+The encoder is **not** included — it's just off-the-shelf frozen ImageNet ResNet-101 weights,
+downloaded automatically via `torchvision` when you load the model.
+
+## Usage
+
+```bash
+pip install torch torchvision pillow huggingface_hub
+```
+
+```python
+from huggingface_hub import snapshot_download
+import sys
+
+repo_dir = snapshot_download("phonsobon/khmer-images_captioning")
+sys.path.insert(0, repo_dir)
+
+from modeling_khmer_captioning import load_model, caption_image
+
+encoder, decoder, itos, stoi, cfg = load_model(repo_dir)
+caption = caption_image("your_image.jpg", encoder, decoder, itos, stoi, cfg, beam_size=3)
+print(caption)
+```
+
+## Limitations
+
+- Trained on a relatively small dataset (~3.7k image-caption pairs), so generalization outside
+  that domain will be limited.
+- Khmer text has no spaces between words; captions are segmented with `khmer-nltk`, whose
+  probabilistic tokenizer won't always agree exactly with human segmentation, which affects
+  BLEU-style evaluation more than it affects readability.

config.json

@@ -0,0 +1,16 @@
+{
+  "architecture": "show_attend_tell",
+  "encoder": "resnet101_imagenet_frozen",
+  "encoded_image_size": 14,
+  "encoder_dim": 2048,
+  "embed_dim": 256,
+  "attention_dim": 256,
+  "decoder_dim": 512,
+  "dropout": 0.5,
+  "vocab_size": 1605,
+  "image_size": 224,
+  "max_caption_len": 400,
+  "min_word_freq": 2,
+  "language": "km",
+  "trained_on": "phonsobon/khmer_images_captioning_v2"
+}

decoder.pt

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c1195d4ca8a8ea1dd1fc48157da597cd306dd4b695a6cc98a75635d3eeaf12bd
+size 43248106

modeling_khmer_captioning.py

@@ -0,0 +1,188 @@
+"""
+Model definitions for the Khmer image captioning model
+(frozen ResNet-101 encoder + Bahdanau-attention LSTM decoder, trained from scratch).
+
+Usage:
+    from modeling_khmer_captioning import load_model, caption_image
+
+    encoder, decoder, itos, stoi, cfg = load_model(".")   # dir with config.json/decoder.pt/vocab.json
+    caption = caption_image("photo.jpg", encoder, decoder, itos, stoi, cfg)
+"""
+import json
+import os
+
+import numpy as np
+import torch
+import torch.nn as nn
+import torch.nn.functional as F
+from torchvision import models, transforms
+from PIL import Image
+
+PAD_TOKEN, START_TOKEN, END_TOKEN, UNK_TOKEN = "<pad>", "<start>", "<end>", "<unk>"
+
+
+class FrozenCNNEncoder(nn.Module):
+    def __init__(self, encoded_image_size=14):
+        super().__init__()
+        resnet = models.resnet101(weights=models.ResNet101_Weights.IMAGENET1K_V2)
+        modules = list(resnet.children())[:-2]
+        self.resnet = nn.Sequential(*modules)
+        self.adaptive_pool = nn.AdaptiveAvgPool2d((encoded_image_size, encoded_image_size))
+        for param in self.resnet.parameters():
+            param.requires_grad = False
+        self.resnet.eval()
+
+    @torch.no_grad()
+    def forward(self, images):
+        features = self.resnet(images)
+        features = self.adaptive_pool(features)
+        features = features.permute(0, 2, 3, 1)
+        return features
+
+
+class Attention(nn.Module):
+    def __init__(self, encoder_dim, decoder_dim, attention_dim):
+        super().__init__()
+        self.encoder_att = nn.Linear(encoder_dim, attention_dim)
+        self.decoder_att = nn.Linear(decoder_dim, attention_dim)
+        self.full_att = nn.Linear(attention_dim, 1)
+        self.relu = nn.ReLU()
+        self.softmax = nn.Softmax(dim=1)
+
+    def forward(self, encoder_out, decoder_hidden):
+        att1 = self.encoder_att(encoder_out)
+        att2 = self.decoder_att(decoder_hidden).unsqueeze(1)
+        att = self.full_att(self.relu(att1 + att2)).squeeze(2)
+        alpha = self.softmax(att)
+        context = (encoder_out * alpha.unsqueeze(2)).sum(dim=1)
+        return context, alpha
+
+
+class AttentionDecoder(nn.Module):
+    def __init__(self, vocab_size, embed_dim=256, attention_dim=256,
+                 decoder_dim=512, encoder_dim=2048, dropout=0.5):
+        super().__init__()
+        self.vocab_size = vocab_size
+        self.decoder_dim = decoder_dim
+        self.attention = Attention(encoder_dim, decoder_dim, attention_dim)
+        self.embedding = nn.Embedding(vocab_size, embed_dim)
+        self.dropout = nn.Dropout(dropout)
+        self.lstm_cell = nn.LSTMCell(embed_dim + encoder_dim, decoder_dim, bias=True)
+        self.init_h = nn.Linear(encoder_dim, decoder_dim)
+        self.init_c = nn.Linear(encoder_dim, decoder_dim)
+        self.f_beta = nn.Linear(decoder_dim, encoder_dim)
+        self.sigmoid = nn.Sigmoid()
+        self.fc = nn.Linear(decoder_dim, vocab_size)
+
+    def init_hidden_state(self, encoder_out):
+        mean_encoder_out = encoder_out.mean(dim=1)
+        h = self.init_h(mean_encoder_out)
+        c = self.init_c(mean_encoder_out)
+        return h, c
+
+
+def load_model(repo_dir, device="cpu"):
+    with open(os.path.join(repo_dir, "config.json"), "r", encoding="utf-8") as f:
+        cfg = json.load(f)
+    with open(os.path.join(repo_dir, "vocab.json"), "r", encoding="utf-8") as f:
+        vocab_data = json.load(f)
+
+    itos = vocab_data["itos"]
+    stoi = {w: i for i, w in enumerate(itos)}
+
+    encoder = FrozenCNNEncoder(encoded_image_size=cfg["encoded_image_size"]).to(device)
+    encoder.eval()
+
+    decoder = AttentionDecoder(
+        vocab_size=cfg["vocab_size"],
+        embed_dim=cfg["embed_dim"],
+        attention_dim=cfg["attention_dim"],
+        decoder_dim=cfg["decoder_dim"],
+        encoder_dim=cfg["encoder_dim"],
+        dropout=cfg["dropout"],
+    ).to(device)
+    state_dict = torch.load(os.path.join(repo_dir, "decoder.pt"), map_location=device)
+    decoder.load_state_dict(state_dict)
+    decoder.eval()
+
+    return encoder, decoder, itos, stoi, cfg
+
+
+def _image_transform(image_size):
+    return transforms.Compose([
+        transforms.Resize((image_size, image_size)),
+        transforms.ToTensor(),
+        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
+    ])
+
+
+def generate_caption(image_tensor, encoder, decoder, itos, stoi, cfg, device="cpu", beam_size=3):
+    vocab_size = cfg["vocab_size"]
+    encoder_dim = cfg["encoder_dim"]
+    max_len = cfg.get("max_caption_len", 400)
+
+    decoder.eval()
+    with torch.no_grad():
+        image_tensor = image_tensor.unsqueeze(0).to(device)
+        encoder_out = encoder(image_tensor)
+        encoder_out = encoder_out.view(1, -1, encoder_out.size(-1))
+        num_regions = encoder_out.size(1)
+        encoder_out = encoder_out.expand(beam_size, num_regions, encoder_dim)
+
+        k = beam_size
+        seqs = torch.full((k, 1), stoi[START_TOKEN], dtype=torch.long, device=device)
+        top_k_scores = torch.zeros(k, 1, device=device)
+
+        h, c = decoder.init_hidden_state(encoder_out)
+        complete_seqs, complete_scores = [], []
+        step = 1
+
+        while True:
+            embeddings = decoder.embedding(seqs[:, -1])
+            context, _ = decoder.attention(encoder_out, h)
+            gate = decoder.sigmoid(decoder.f_beta(h))
+            context = gate * context
+            h, c = decoder.lstm_cell(torch.cat([embeddings, context], dim=1), (h, c))
+            scores = F.log_softmax(decoder.fc(h), dim=1)
+            scores = top_k_scores.expand_as(scores) + scores
+
+            if step == 1:
+                top_k_scores, top_k_words = scores[0].topk(k, dim=0)
+            else:
+                top_k_scores, top_k_words = scores.view(-1).topk(k, dim=0)
+
+            prev_seq_inds = top_k_words // vocab_size
+            next_word_inds = top_k_words % vocab_size
+            seqs = torch.cat([seqs[prev_seq_inds], next_word_inds.unsqueeze(1)], dim=1)
+
+            incomplete = [i for i, w in enumerate(next_word_inds) if w.item() != stoi[END_TOKEN]]
+            complete = [i for i in range(len(next_word_inds)) if i not in incomplete]
+
+            if complete:
+                complete_seqs.extend(seqs[complete].tolist())
+                complete_scores.extend(top_k_scores[complete].tolist())
+            k -= len(complete)
+            if k == 0 or step >= max_len:
+                break
+
+            seqs = seqs[incomplete]
+            h, c = h[prev_seq_inds][incomplete], c[prev_seq_inds][incomplete]
+            encoder_out = encoder_out[prev_seq_inds][incomplete]
+            top_k_scores = top_k_scores[incomplete].unsqueeze(1)
+            step += 1
+
+        if not complete_seqs:
+            complete_seqs, complete_scores = seqs.tolist(), top_k_scores.squeeze(1).tolist()
+
+        best_seq = complete_seqs[int(np.argmax(complete_scores))]
+        words = [itos[idx] for idx in best_seq if idx not in
+                 (stoi[START_TOKEN], stoi[END_TOKEN], stoi[PAD_TOKEN])]
+        return "".join(words)
+
+
+def caption_image(image_path, encoder, decoder, itos, stoi, cfg, device="cpu", beam_size=3):
+    image = Image.open(image_path)
+    if image.mode != "RGB":
+        image = image.convert("RGB")
+    tensor = _image_transform(cfg.get("image_size", 224))(image)
+    return generate_caption(tensor, encoder, decoder, itos, stoi, cfg, device=device, beam_size=beam_size)

vocab.json

@@ -0,0 +1,1611 @@
+{
+  "itos": [
+    "<pad>",
+    "<start>",
+    "<end>",
+    "<unk>",
+    " ",
+    "\"",
+    "'",
+    "(",
+    "(Aerial",
+    "(Angkor",
+    "(Banteay",
+    "(Baphuon",
+    "(Bayon",
+    "(Blood",
+    "(Drone)",
+    "(Independence",
+    "(Ta",
+    ")",
+    ",",
+    ".",
+    "An",
+    "Chiang",
+    "Doi",
+    "He",
+    "Hoi",
+    "Iguazu",
+    "In",
+    "Mai",
+    "Maldives",
+    "Monument)",
+    "Moon)",
+    "On",
+    "Phra",
+    "Pre-Wedding",
+    "Prohm)",
+    "SUV",
+    "She",
+    "Som)",
+    "Srei",
+    "Suthep",
+    "Temple)",
+    "That",
+    "The",
+    "There",
+    "Victoria",
+    "View)",
+    "Wat",
+    "Wat)",
+    "Zimbabwe",
+    "a",
+    "against",
+    "an",
+    "ancient",
+    "and",
+    "are",
+    "around",
+    "at",
+    "atmosphere",
+    "background",
+    "beach",
+    "beautiful",
+    "bench",
+    "blue",
+    "blurred",
+    "boat",
+    "boats",
+    "body",
+    "by",
+    "canoe",
+    "clear",
+    "clouds",
+    "creating",
+    "crowd",
+    "down",
+    "dress",
+    "few",
+    "field",
+    "filled",
+    "floating",
+    "flowers",
+    "foreground",
+    "from",
+    "front",
+    "grass",
+    "grassy",
+    "green",
+    "ground.",
+    "group",
+    "hand.",
+    "hangers",
+    "hat",
+    "her",
+    "holding",
+    "hydrangea",
+    "hào",
+    "image",
+    "in",
+    "is",
+    "it,",
+    "lake",
+    "leaves",
+    "left",
+    "lush",
+    "man",
+    "middle",
+    "mint",
+    "mountains",
+    "net",
+    "next",
+    "of",
+    "on",
+    "other",
+    "palace",
+    "peaceful",
+    "people",
+    "person",
+    "pink",
+    "plants,",
+    "rack",
+    "red",
+    "right",
+    "river",
+    "rocks",
+    "set",
+    "shows",
+    "side",
+    "sitting",
+    "sky",
+    "slightly",
+    "some",
+    "standing",
+    "stone",
+    "sunset",
+    "surrounded",
+    "the",
+    "them",
+    "there",
+    "to",
+    "top",
+    "tree",
+    "trees",
+    "two",
+    "umbrella",
+    "visible",
+    "water",
+    "watermark",
+    "wearing",
+    "white",
+    "with",
+    "woman",
+    "ฝ่าย",
+    "ក",
+    "កកកុញ",
+    "កក់ក្ដៅ",
+    "កក់ក្តៅ",
+    "កខ្វក់",
+    "កង់",
+    "កង្ហារ",
+    "កញ្ចក់",
+    "កញ្ចប់",
+    "កញ្ជើ",
+    "កណ្ដាល",
+    "កណ្តាល",
+    "កន្ត្រក",
+    "កន្ត្រៃ",
+    "កន្ទុយ",
+    "កន្លែង",
+    "កន្សែង",
+    "កប៉ាល់",
+    "កម្តៅ",
+    "កម្ពស់",
+    "កម្ពុជា",
+    "កម្រង",
+    "កម្រាល",
+    "កម្រិត",
+    "កម្សាន្ត",
+    "កសាង",
+    "កសិកម្ម",
+    "កសិករ",
+    "កាណូ",
+    "កាតាប",
+    "កាតុង",
+    "កាត់",
+    "កាត់ប្រាសាទ",
+    "កាន់",
+    "កាន់ខ្សែ",
+    "កាន់បាច់",
+    "កាបូប",
+    "កាប់",
+    "កាមេរ៉ា",
+    "កាយ",
+    "កាយវិការ",
+    "ការ",
+    "ការគោរព",
+    "ការចត",
+    "ការឆ្លាក់",
+    "ការឆ្លុះបញ្ចាំង",
+    "ការជិះ",
+    "ការដ្ឋាន",
+    "ការតុបតែង",
+    "ការថត",
+    "ការថប់",
+    "ការថែរក្សា",
+    "ការទៅ",
+    "ការធ្វើដំណើរ",
+    "ការបង្កើត",
+    "ការបញ្ចេញ",
+    "ការបិទ",
+    "ការផ្ដោត",
+    "ការផ្តោត",
+    "ការពារ",
+    "ការរចនា",
+    "ការរស់នៅ",
+    "ការរួមបញ្ចូល",
+    "ការរៀបចំ",
+    "ការរំឮក",
+    "ការលាយ",
+    "ការសម្រាក",
+    "ការហែល",
+    "ការអភិវឌ្ឍន៍",
+    "ការី",
+    "ការ៉ុត",
+    "ការ៉េ",
+    "កាល",
+    "កាលវេលា",
+    "កាំ",
+    "កាំបិត",
+    "កាំរស្មី",
+    "កិន",
+    "កីឡា",
+    "កុមារ",
+    "កុមារី",
+    "កុះករ",
+    "កូន",
+    "កើត",
+    "កេស",
+    "កែង",
+    "កែវ",
+    "កោ",
+    "កោង",
+    "កោងកាង",
+    "កោណ",
+    "កោតសរសើរ",
+    "កោះ",
+    "កៅស៊ូ",
+    "កៅអី",
+    "កំណត់",
+    "កំណត់ហេតុ",
+    "កំពង់ផែ",
+    "កំពស់",
+    "កំពុង",
+    "កំពូល",
+    "កំរាល",
+    "ក៏",
+    "ក្ដារ",
+    "ក្តាម",
+    "ក្តារ",
+    "ក្តីស្រឡាញ់",
+    "ក្តោប",
+    "ក្តៅ",
+    "ក្នុង",
+    "��្បាច់",
+    "ក្បាល",
+    "ក្បុស",
+    "ក្បូរ",
+    "ក្បួន",
+    "ក្បឿង",
+    "ក្បែរ",
+    "ក្មេង",
+    "ក្មេងប្រុស",
+    "ក្មេងស្រី",
+    "ក្រដាស",
+    "ក្រដាស់",
+    "ក្រណាត់",
+    "ក្របី",
+    "ក្រម៉ៅ",
+    "ក្រហម",
+    "ក្រឡា",
+    "ក្រឡាការ៉ូ",
+    "ក្រាល",
+    "ក្រាស់",
+    "ក្រុង",
+    "ក្រុម",
+    "ក្រូច",
+    "ក្រូចឆ្មា",
+    "ក្រៀម",
+    "ក្រៀល",
+    "ក្រេប",
+    "ក្រែម",
+    "ក្រោម",
+    "ក្រោយ",
+    "ក្រៅ",
+    "ក្លាយជា",
+    "ក្លោងទ្វារ",
+    "ក។",
+    "ខណៈ",
+    "ខណៈពេល",
+    "ខាង",
+    "ខាងក្នុង",
+    "ខាងក្រោម",
+    "ខាងក្រោយ",
+    "ខាងក្រៅ",
+    "ខាងឆ្វេង",
+    "ខាងមុខ",
+    "ខាងមុខមាន",
+    "ខាងលើ",
+    "ខាងស្ដាំ",
+    "ខាងស្តាំ",
+    "ខុស",
+    "ខូវប៊យ",
+    "ខឿន",
+    "ខៀន",
+    "ខៀវ",
+    "ខេត្ត",
+    "ខោ",
+    "ខោអាវ",
+    "ខ្ចប់",
+    "ខ្ចី",
+    "ខ្ចោះ",
+    "ខ្ញុំ",
+    "ខ្ទម",
+    "ខ្ទមឈើ",
+    "ខ្ទឹម",
+    "ខ្ទះ",
+    "ខ្នង",
+    "ខ្នាត",
+    "ខ្នើយ",
+    "ខ្ពង់រាប",
+    "ខ្ពស់",
+    "ខ្មែរ",
+    "ខ្មៅ",
+    "ខ្យល់",
+    "ខ្លាឃ្មុំ",
+    "ខ្លាំង",
+    "ខ្លាំងក្លា",
+    "ខ្លី",
+    "ខ្លួន",
+    "ខ្លែង",
+    "ខ្លោងទ្វារ",
+    "ខ្លះ",
+    "ខ្វាត់",
+    "ខ្វែង",
+    "ខ្សាច់",
+    "ខ្សែ",
+    "ខ្សែក",
+    "ខ្សែភ្លើង",
+    "គង់",
+    "គង់វង្ស",
+    "គម្ពីរ",
+    "គម្រប",
+    "គយគន់",
+    "គល់",
+    "គាត់",
+    "គីនី",
+    "គឺ",
+    "គឺជា",
+    "គុណភាព",
+    "គុម្ពោត",
+    "គុយ",
+    "គូ",
+    "គូស្នេហ៍",
+    "គួរឱ្យ",
+    "គួរឲ្យ",
+    "គេ",
+    "គែម",
+    "គោ",
+    "គោក",
+    "គោម",
+    "គោរព",
+    "គោលដៅ",
+    "គំនរ",
+    "គំនូរ",
+    "គ្នា",
+    "គ្នាកាន់វត្ថុ",
+    "គ្មាន",
+    "គ្រក់",
+    "គ្រង",
+    "គ្រប",
+    "គ្របដណ្ដប់",
+    "គ្របដណ្តប់",
+    "គ្រប់",
+    "គ្រួសារ",
+    "គ្រឿង",
+    "គ្រឿងចត",
+    "គ្រឿងទេស",
+    "គ្រឿងផ្សំ",
+    "គ្រឿងអលង្ការ",
+    "គ្រែ",
+    "ឃើញ",
+    "ឃ្មឹក",
+    "ងងឹត",
+    "ងាប់",
+    "ងៀត",
+    "ចង",
+    "ចង់",
+    "ចង្កឹះ",
+    "ចង្កៀង",
+    "ចង្ក្រាន",
+    "ចង្រ្កាន",
+    "ចង្អៀត",
+    "ចត",
+    "ចតត",
+    "ចតុកោណកែង",
+    "ចន្លោះ",
+    "ចប់",
+    "ចម្ការ",
+    "ចម្ងាយ",
+    "ចម្រុះ",
+    "ចម្លាក់",
+    "ចម្អិន",
+    "ចរាចរណ៍",
+    "ចលនា",
+    "ចាក់",
+    "ចាន",
+    "ចាប់",
+    "ចាប់ពី",
+    "ចាប់អារម្មណ៍",
+    "ចាស់",
+    "ចាំង",
+    "ចិញ្ចឹម",
+    "ចិញ្ចើ",
+    "ចិញ្ចើមផ្លូវ",
+    "ចិញ្ចៀន",
+    "ចិន",
+    "ចីវរ",
+    "ចុង",
+    "ចុងបញ្ចប់",
+    "ចុះ",
+    "ចុះក្រោម",
+    "ចូល",
+    "ចូលក្នុង",
+    "ចូលចិត្ត",
+    "ចូលទៅ",
+    "ចៀន",
+    "ចេក",
+    "ចេញ",
+    "ចេតិយ",
+    "ចេះ",
+    "ចែងចាំង",
+    "ចែវ",
+    "ចោទ",
+    "ចៅ",
+    "ចំ",
+    "ចំការ",
+    "ចំងាយ",
+    "ចំណត",
+    "ចំណាស់",
+    "ចំណី",
+    "ចំណុច",
+    "ចំណែក",
+    "ចំណោម",
+    "ចំនួន",
+    "ចំបើង",
+    "ចំពោះ",
+    "ចំពោះមុខ",
+    "ចំរុះ",
+    "ចំហ",
+    "ចំហៀង",
+    "ច្បាស់",
+    "ច្បាស់លាស់",
+    "ច្រក",
+    "ច្រកទ្វារ",
+    "ច្រមុះ",
+    "ច្រវ���",
+    "ច្រវាក់",
+    "ច្រាំង",
+    "ច្រូត",
+    "ច្រើន",
+    "ច្រែះ",
+    "ឆត្រ",
+    "ឆា",
+    "ឆាក",
+    "ឆើតឆាយ",
+    "ឆ័ត្រ",
+    "ឆ្កែ",
+    "ឆ្ងាញ់",
+    "ឆ្ងាយ",
+    "ឆ្នាំ",
+    "ឆ្នាំង",
+    "ឆ្នូត",
+    "ឆ្នេរ",
+    "ឆ្នេរក្បែរ",
+    "ឆ្នេរខ្សាច់",
+    "ឆ្នេរសមុទ្រ",
+    "ឆ្ពោះ",
+    "ឆ្ពោះទៅ",
+    "ឆ្លង",
+    "ឆ្លងកាត់",
+    "ឆ្លាក់",
+    "ឆ្លុះ",
+    "ឆ្លុះបញ្ចាំង",
+    "ឆ្វង់",
+    "ឆ្អៅ",
+    "ជង្គង់",
+    "ជញ្ជាំង",
+    "ជញ្ជីង",
+    "ជណ្ដើរ",
+    "ជណ្តើរ",
+    "ជន",
+    "ជនជាតិ",
+    "ជនបទ",
+    "ជន់",
+    "ជម្រាល",
+    "ជា",
+    "ជាង",
+    "ជាច្រើន",
+    "ជាដើម",
+    "ជាតិ",
+    "ជាន់",
+    "ជាប់",
+    "ជាមួយ",
+    "ជាមួយគ្នា",
+    "ជាមួយនឹង",
+    "ជិត",
+    "ជិតស្និទ្ធ",
+    "ជិះ",
+    "ជីវភាព",
+    "ជីវរ",
+    "ជីវិត",
+    "ជុំគ្នា",
+    "ជុំវិញ",
+    "ជូត",
+    "ជួញដូរ",
+    "ជួបជុំគ្នា",
+    "ជួយ",
+    "ជួរ",
+    "ជើង",
+    "ជំនន់",
+    "ជំនឿ",
+    "ជំហាន",
+    "ជះ",
+    "ជ័រ",
+    "ជ្រងំ",
+    "ជ្រលង",
+    "ជ្រុង",
+    "ជ្រូក",
+    "ជ្រោយ",
+    "ជ្រៅ",
+    "ឈប់",
+    "ឈរ",
+    "ឈាន",
+    "ឈុត",
+    "ឈូក",
+    "ឈូង",
+    "ឈើ",
+    "ឈើច្រត់",
+    "ឈៀង",
+    "ឈ្ងុយ",
+    "ឈ្មោះ",
+    "ឈ្វេង",
+    "ញញឹម",
+    "ញ៉ាំ",
+    "ដក់",
+    "ដង",
+    "ដងខ្លួន",
+    "ដងទន្លេ",
+    "ដងផ្លូវ",
+    "ដង្ហើម",
+    "ដង្ហែ",
+    "ដទៃ",
+    "ដប",
+    "ដល់",
+    "ដាក់",
+    "ដាក់ត",
+    "ដាក់ទល់",
+    "ដាច់",
+    "ដាវ",
+    "ដាំ",
+    "ដិត",
+    "ដី",
+    "ដីខ្សាច់",
+    "ដឹក",
+    "ដឹកជញ្ជូន",
+    "ដុត",
+    "ដុំ",
+    "ដុះ",
+    "ដូង",
+    "ដូច",
+    "ដូចជា",
+    "ដូរ",
+    "ដួលរលំ",
+    "ដួលរលំនៅ",
+    "ដើម",
+    "ដើមកំប្លោក",
+    "ដើមឈើ",
+    "ដើម្បី",
+    "ដើរ",
+    "ដើរកម្សាន្ត",
+    "ដើរលេង",
+    "ដេក",
+    "ដែក",
+    "ដែរ",
+    "ដែល",
+    "ដៃ",
+    "ដោយ",
+    "ដោយសារ",
+    "ដោយសាឡាដ",
+    "ដំណាំ",
+    "ដំបង",
+    "ដំបូល",
+    "ដំរី",
+    "ដ៏",
+    "ណែនាំ",
+    "ត",
+    "តង់",
+    "តភ្ជាប់",
+    "តម្បាញ",
+    "តម្រង់",
+    "តម្រៀប",
+    "តម្លៃ",
+    "តា",
+    "តាព្រហ្ម",
+    "តាម",
+    "តាមរយៈ",
+    "តារាង",
+    "តាំង",
+    "តិច",
+    "តុ",
+    "តុឈើ",
+    "តុបតែង",
+    "តុមុខ",
+    "តូច",
+    "តូប",
+    "តួ",
+    "តួរ",
+    "តួលេខ",
+    "តួអង្គ",
+    "តែ",
+    "តោ",
+    "តោង",
+    "តំណាង",
+    "តំបន់",
+    "ត្នោត",
+    "ត្បាញ",
+    "ត្បូង",
+    "ត្រកាល",
+    "ត្រង់",
+    "ត្រចះត្រចង់",
+    "ត្រជាក់",
+    "ត្រឈឹងត្រឈៃ",
+    "ត្រឈៃ",
+    "ត្រដែត",
+    "ត្រសក់",
+    "ត្រឡប់",
+    "ត្រាក់ទ័រ",
+    "ត្រី",
+    "ត្រូវ",
+    "ត្រូវបាន",
+    "ត្រៀម",
+    "ត្រៀមខ្លួន",
+    "ត្រែង",
+    "ថង់",
+    "ថត",
+    "ថា",
+    "ថេន",
+    "ថែរក្សា",
+    "ថែវ",
+    "ថៃ",
+    "ថ្ងៃ",
+    "ថ្ងៃត្រង់",
+    "ថ្ងៃរះ",
+    "ថ្នល់",
+    "ថ្ម",
+    "ថ្មើរជើង",
+    "ថ្លា",
+    "ថ្លឹង",
+    "ថ្លុក",
+    "ថ្លុង",
+    "ទង់",
+    "ទង់ជាតិ",
+    "ទង់ដែង",
+    "ទទឹម",
+    "ទទួលទាន",
+    "ទទួលបាន",
+    "ទន់ភ្លន់",
+    "ទន្លេ",
+    "ទម្ងន់",
+    "ទម្រ",
+    "ទម្រង់",
+    "ទល់",
+    "ទស្សនា",
+    "ទស្សនីយភាព",
+    "ទាក់ទាញ",
+    "ទាញ",
+    "ទាន",
+    "ទារក",
+    "ទាវ",
+    "ទាំង",
+    "ទាំងនោះ",
+    "ទាំងអស់",
+    "ទិញ",
+    "ទិដ្ឋភាព",
+    "ទិស",
+    "ទិសដៅ",
+    "ទី",
+    "ទីកន្លែង",
+    "ទីក្រុង",
+    "ទីតាំង",
+    "ទីធ្លា",
+    "ទីនោះ",
+    "ទីផ្សារ",
+    "ទីលាន",
+    "ទីហ្វុង",
+    "ទឹក",
+    "ទឹកកក",
+    "ទឹកក្រូច",
+    "ទឹកឃ្មុំ",
+    "ទឹកជ្រលក់",
+    "ទឹកជ្រោះ",
+    "ទឹកមុខ",
+    "ទុក",
+    "ទុំ",
+    "ទូ",
+    "ទូក",
+    "ទូខោអាវ",
+    "ទូដាក់",
+    "ទូទឹកកក",
+    "ទូរសព្ទ",
+    "ទូរស័ព្ទ",
+    "ទូរស័ព្ទដៃ",
+    "ទូលាយ",
+    "ទៀត",
+    "ទៀតកាន់",
+    "ទៀន",
+    "ទេព",
+    "ទេវកថា",
+    "ទេវតា",
+    "ទេសចរ",
+    "ទេសចរណ៍",
+    "ទេសភាព",
+    "ទោង",
+    "ទៅ",
+    "ទៅកាន់",
+    "ទៅក្នុង",
+    "ទៅដល់",
+    "ទៅនឹង",
+    "ទៅរក",
+    "ទំនងជា",
+    "ទំនាប",
+    "ទំនិញ",
+    "ទំនើប",
+    "ទំពាំងបាយជូរ",
+    "ទំហំ",
+    "ទ្រ",
+    "ទ្រព្យ",
+    "ទ្រុឌទ្រោម",
+    "ទ្វារ",
+    "ធនធាន",
+    "ធម្មជាតិ",
+    "ធម្មតា",
+    "ធាក់",
+    "ធាតុ",
+    "ធុង",
+    "ធូប",
+    "ធូរស្រាល",
+    "ធំ",
+    "ធំធេង",
+    "ធ្នូ",
+    "ធ្នើ",
+    "ធ្នើរ",
+    "ធ្លាក់",
+    "ធ្លាក់ចុះ",
+    "ធ្លោ",
+    "ធ្វើ",
+    "ធ្វើការ",
+    "ធ្វើដំណើរ",
+    "ធ្វើដំណើរកម្សាន្ត",
+    "ធ្វើឡើង",
+    "ធ្វើឱ្យ",
+    "នា",
+    "នាក់",
+    "នាគ",
+    "នាង",
+    "នានា",
+    "នារី",
+    "នាវា",
+    "នាឡិកា",
+    "នាំ",
+    "នាំមុខ",
+    "និង",
+    "និមន្ត",
+    "និមិត្ត",
+    "និមិត្តរូប",
+    "និរន្តរភាព",
+    "នីមួយ",
+    "នឹង",
+    "នូវ",
+    "នេសាទ",
+    "នេះ",
+    "នៃ",
+    "នោះ",
+    "នៅ",
+    "នៅក្នុង",
+    "នៅក្បែរ",
+    "នៅក្រោម",
+    "នៅជាប់",
+    "នៅជិត",
+    "នៅតែ",
+    "នៅនឹង",
+    "នៅពេល",
+    "នៅមុខ",
+    "នៅលើ",
+    "នៅឯ",
+    "នំ",
+    "នំប៉ាវ",
+    "នំប៉័ង",
+    "បក់",
+    "បក្សី",
+    "បង្កង",
+    "បង្ការ",
+    "បង្កើត",
+    "បង្គា",
+    "បង្គោល",
+    "បង្ហាញ",
+    "បង្អួច",
+    "បច្ចុប្បន្ន",
+    "បញ្ចូល",
+    "បញ្ចេញ",
+    "បញ្ជរ",
+    "បញ្ជាក់",
+    "បដា",
+    "បដិមា",
+    "បណ្តុំ",
+    "បណ្តែត",
+    "បណ្តោយ",
+    "បត់",
+    "បទ",
+    "បន្តិច",
+    "បន្ថែម",
+    "បន្ទប់",
+    "បន្ទាយស្រី",
+    "បន្ទះ",
+    "បន្លែ",
+    "បរទេស",
+    "បរិភោគ",
+    "បរិយាកាស",
+    "បរិវេណ",
+    "បរិស័ទ",
+    "បាក់បែក",
+    "បាងកក",
+    "បាច",
+    "បាច់",
+    "បាត",
+    "បាន",
+    "បានជា",
+    "បាពួន",
+    "បាយ",
+    "បាយ័ន",
+    "បារាំង",
+    "បារី",
+    "បាលី",
+    "បាំង",
+    "បិទ",
+    "បិទបាំង",
+    "បី",
+    "បឹង",
+    "បុគ្គល",
+    "បុណ្យ",
+    "បុរស",
+    "បុរាណ",
+    "បុរី",
+    "បូជា",
+    "បួន",
+    "បើក",
+    "បើកបរ",
+    "បេតិកភណ្ឌ",
+    "បេតុង",
+    "បែក",
+    "បែងចែក",
+    "បែប",
+    "បែរ",
+    "បៃតង",
+    "បោកបក់",
+    "បោះ",
+    "បំផុត",
+    "បំផ្លិចបំផ្លាញ",
+    "បំពង",
+    "បំពង់",
+    "បំពេញ",
+    "បំភ្លឺ",
+    "ប៉ប្រះ",
+    "ប៉ម",
+    "ប៉ាក់",
+    "ប៉ាតា",
+    "ប៉ុន្តែ",
+    "ប៉ុន្មាន",
+    "ប៉ូលី",
+    "ប៉េងប៉ោះ",
+    "ប៉ែល",
+    "ប៉ោម",
+    "ប៉ះ",
+    "ប៉ះពាល់",
+    "ប៊ី",
+    "ប៊ុន",
+    "ប្រក",
+    "ប្រកបដោយ",
+    "ប្រក់",
+    "ប្រចាំ",
+    "ប្រឆាំង",
+    "ប្រជាជន",
+    "ប្រជាពលរដ្ឋ",
+    "ប្រដាប់",
+    "ប្រណម្យ",
+    "ប្រណាំង",
+    "ប្រណិត",
+    "ប្រណីត",
+    "ប្រទាក់",
+    "ប្រទេស",
+    "ប្រផេះ",
+    "ប្រពៃ",
+    "ប្រពៃណី",
+    "ប្រព័ន្ធ",
+    "ប្រភព",
+    "ប្រភេទ",
+    "ប្រមូល",
+    "ប្រមូលផ្តុំ",
+    "ប្រវត្តិសាស្ត្រ",
+    "ប្រហែលជា",
+    "ប្រឡាក់",
+    "ប្រឡាយ",
+    "ប្រអប់",
+    "ប្រាក់",
+    "ប្រាប់",
+    "ប្រាយ៉ា",
+    "ប្រាសាទ",
+    "ប្រាំ",
+    "ប្រុស",
+    "ប្រើ",
+    "ប្រើប្រាស់",
+    "ប្រៀប",
+    "ប្រេស៊ីល",
+    "ប្រេះ",
+    "ប្លាស្ទិក",
+    "ប្លុក",
+    "ប្លែក",
+    "ផងដែរ",
+    "ផល",
+    "ផលិតផល",
+    "ផុត",
+    "ផើង",
+    "ផេះ",
+    "ផែ",
+    "ផ្កា",
+    "ផ្កាឈូក",
+    "ផ្កាយ",
+    "ផ្ចិតផ្ចង់",
+    "ផ្តល់",
+    "ផ្តល់ឱ្យ",
+    "ផ្តោត",
+    "ផ្ទាំង",
+    "ផ្ទុក",
+    "ផ្ទុំ",
+    "ផ្ទៃ",
+    "ផ្ទៃដី",
+    "ផ្ទះ",
+    "ផ្ទះបាយ",
+    "ផ្ទះល្វែង",
+    "ផ្ទះសម្បែង",
+    "ផ្ទះសំណាក់",
+    "ផ្នែក",
+    "ផ្លាក",
+    "ផ្លាកសញ្ញា",
+    "ផ្លាស្ទិក",
+    "ផ្លាស្ទិច",
+    "ផ្លូវ",
+    "ផ្លូវថ្នល់",
+    "ផ្លែ",
+    "ផ្សងព្រេង",
+    "ផ្សារ",
+    "ផ្សេង",
+    "ផ្សែង",
+    "ផ្អៀង",
+    "ផ្អែក",
+    "ពង",
+    "ពណ៌",
+    "ពណ៌នា",
+    "ពន្លក",
+    "ពន្លឺ",
+    "ពពក",
+    "ពពកស",
+    "ពពុះ",
+    "ពរ",
+    "ពហុកីឡដ្ឋាន",
+    "ពាក់",
+    "ពាក្យ",
+    "ពាង",
+    "ពាណិជ្ជកម្ម",
+    "ពាន",
+    "ពាសពេញ",
+    "ពិដាន",
+    "ពិត",
+    "ពិធី",
+    "ពិភពលោក",
+    "ពិសេស",
+    "ពី",
+    "ពីក្រោម",
+    "ពីក្រោយ",
+    "ពីមុខ",
+    "ពីរ",
+    "ពីលើ",
+    "ពុទ្ធ",
+    "ពុទ្ធសាសនា",
+    "ពួក",
+    "ពួកគេ",
+    "ពួរ",
+    "ពេញ",
+    "ពេញលេញ",
+    "ពេល",
+    "ពេលព្រឹក",
+    "ពេលយប់",
+    "ពេលល្ងាច",
+    "ពែង",
+    "ពោ",
+    "ពោរពេញ",
+    "ព័ទ្ធ",
+    "ព្យាយាម",
+    "ព្យុះ",
+    "ព្យួរ",
+    "ព្រមទាំង",
+    "ព្រមទាំងអគារ",
+    "ព្រលប់",
+    "ព្រលឹម",
+    "ព្រហ្ម",
+    "ព្រាប",
+    "ព្រាល",
+    "ព្រិល",
+    "ព្រេងនិទាន",
+    "ព្រែក",
+    "ព្រៃ",
+    "ព្រៃឈើ",
+    "ព្រោះ",
+    "ព្រំ",
+    "ព្រះគម្ពីរ",
+    "ព្រះចេតិយ",
+    "ព្រះច័ន្ទ",
+    "ព្រះបរម",
+    "ព្រះពុទ្ធ",
+    "ព្រះពុទ្ធរូប",
+    "ព្រះពោធិសត្វលោកេស្វរៈ",
+    "ព្រះភក្ត្រ",
+    "ព្រះភ័ក្ត្រ",
+    "ព្រះរាជ",
+    "ព្រះវិហារ",
+    "ព្រះសង្ឃ",
+    "ព្រះអាទិត្យ",
+    "ភក់",
+    "ភរិយា",
+    "ភាគ",
+    "ភាព",
+    "ភាពខុសគ្នា",
+    "ភាពថ្លា",
+    "ភាពថ្លៃថ្នូរ",
+    "ភាពទាក់ទាញ",
+    "ភាពធ្ងន់ធ្ងរ",
+    "ភាពផ្ទុយ",
+    "ភាពព្រិច",
+    "ភាពរស់រវើក",
+    "ភាពរីកចម្រើន",
+    "ភាពរឹងមាំ",
+    "ភាពរុងរឿង",
+    "ភាពរ៉ូមែនទិក",
+    "ភាពលម្អិត",
+    "ភាពល្បីល្បាញ",
+    "ភាពសម្បូរបែប",
+    "ភាពស្ងប់",
+    "ភា���ស្ងប់ស្ងាត់",
+    "ភាពស្មុគ្រស្មាញ",
+    "ភាពស្រស់បំព្រង",
+    "ភាពស្រស់ស្រាយ",
+    "ភាពស្រស់ស្អាត",
+    "ភាពអស្ចារ្យ",
+    "ភាពអាថ៌កំបាំង",
+    "ភាពឧស្សាហ៍",
+    "ភូមិ",
+    "ភូមិដ្ឋាន",
+    "ភូមិឋាន",
+    "ភូមិសាស្ត្រ",
+    "ភួង",
+    "ភេសជ្ជៈ",
+    "ភោជនីយដ្ឋាន",
+    "ភ្ជាប់",
+    "ភ្ជួរ",
+    "ភ្ញាក់ផ្អើល",
+    "ភ្ញៀវ",
+    "ភ្នែក",
+    "ភ្នំ",
+    "ភ្នំពេញ",
+    "ភ្លឺ",
+    "ភ្លើង",
+    "ភ្លៀង",
+    "ភ្លេង",
+    "ភ្លៅ",
+    "មក",
+    "មកកាន់",
+    "មកពី",
+    "មកវិញ",
+    "មកុដ",
+    "មង",
+    "មង្គលការ",
+    "មធ្យម",
+    "មនុស្ស",
+    "មនុស្សម្នា",
+    "មនោសញ្ចេតនា",
+    "មន្តស្នេហ៍",
+    "មផ្លូវ",
+    "មមាញឹក",
+    "មរក",
+    "មហាសមុទ្រ",
+    "មហិមា",
+    "មាត់",
+    "មាត់ទ្វារ",
+    "មាន",
+    "មានអាគារ",
+    "មាន់",
+    "មាស",
+    "មាំ",
+    "មិន",
+    "មីយ៉ាន់ម៉ា",
+    "មុខ",
+    "មុខមាន",
+    "មុំ",
+    "មូល",
+    "មូលដ្ឋាន",
+    "មួក",
+    "មួយ",
+    "មួយចំនួន",
+    "មួយបាច់",
+    "មើល",
+    "មើលឃើញ",
+    "មេ",
+    "មេគង្គ",
+    "មេឃ",
+    "មេដៃ",
+    "មេអំបៅ",
+    "មែក",
+    "មោទនភាព",
+    "ម៉ាក",
+    "ម៉ាស",
+    "ម៉ាស៊ីន",
+    "ម៉ាស់",
+    "ម៉ិកស៊ិក",
+    "ម៉ូតូ",
+    "ម៉ៃ",
+    "ម្ខាង",
+    "ម្ទេស",
+    "ម្នា",
+    "ម្នាក់",
+    "ម្នាក់ឯង",
+    "ម្នាស់",
+    "ម្យ៉ាង",
+    "ម្រាម",
+    "ម្រៀប",
+    "ម្លប់",
+    "ម្លិះ",
+    "ម្សៅ",
+    "ម្ហូប",
+    "យក",
+    "យក្ស",
+    "យន្តហោះ",
+    "យប់",
+    "យានជំនិះ",
+    "យានយន្ត",
+    "យាម",
+    "យុវជន",
+    "យុវតី",
+    "យូរ",
+    "យើង",
+    "យោល",
+    "យ៉រ",
+    "យ៉ាង",
+    "រក",
+    "រកាយ",
+    "រក្សា",
+    "រង",
+    "រង្វង់",
+    "រចនា",
+    "រចនាបថ",
+    "រចនាប័ទ្ម",
+    "រចនាលម្អ",
+    "រចនាសម្ព័ន្ធ",
+    "រដូវ",
+    "រដូវកាល",
+    "រដ្ឋ",
+    "រដ្ឋបាល",
+    "រត់",
+    "រថភ្លើង",
+    "រថយន្ត",
+    "រទេះ",
+    "រនាំង",
+    "របង",
+    "របស់",
+    "របស់របរ",
+    "របាំ",
+    "របាំង",
+    "របៀប",
+    "របៀបរៀបរយ",
+    "រមណីយដ្ឋាន",
+    "រយ",
+    "រលក",
+    "រលូន",
+    "រវាង",
+    "រសជាតិ",
+    "រសាត់",
+    "រសៀល",
+    "រស់",
+    "រស់រវើក",
+    "រហូត",
+    "រហូតដល់",
+    "រាក់",
+    "រាង",
+    "រាងកាយ",
+    "រាជ",
+    "រាជធានី",
+    "រាត្រី",
+    "រាន",
+    "រាប់",
+    "រាយប៉ាយ",
+    "រាំ",
+    "រី",
+    "រីក",
+    "រីករាយ",
+    "រីឯ",
+    "រឹងមាំ",
+    "រុក្ខជាតិ",
+    "រុញ",
+    "រុំ",
+    "រូង",
+    "រូប",
+    "រូបចម្លាក់",
+    "រូបថត",
+    "រូបភាព",
+    "រូបរាង",
+    "រូបសំណាក",
+    "រួច",
+    "រួចរាល់",
+    "រួម",
+    "រួមគ្នា",
+    "រួមទាំង",
+    "រួមបញ្ចូល",
+    "រើស",
+    "រឿង",
+    "រៀប",
+    "រៀបចំ",
+    "រៀបរយ",
+    "រៀបរាប់",
+    "រោង",
+    "រំកិល",
+    "រំលេច",
+    "រះ",
+    "រ៉ឺម៉ក",
+    "រ៉ុង",
+    "រ៉ូប",
+    "រ៉ូមែនទិក",
+    "លក់",
+    "លក់ដូរ",
+    "លក្ខណៈ",
+    "លង់",
+    "លម្អ",
+    "លម្អិត",
+    "លយ",
+    "លា",
+    "លាក់",
+    "លាត",
+    "លាតសន្ធឹង",
+    "លាប",
+    "លាមក",
+    "លាយ",
+    "លាយឡំ",
+    "លិច",
+    "លីលី",
+    "លុត",
+    "លុយ",
+    "លើ",
+    "លើក",
+    "លឿង",
+    "លឿន",
+    "លៀន",
+    "លេខ",
+    "លេង",
+    "លេចធ្លោ",
+    "លោហធាតុ",
+    "លោហៈ",
+    "លំ",
+    "លំនាំ",
+    "លំនៅដ្ឋាន",
+    "លំហែ",
+    "ល្ងាច",
+    "ល្បាក់",
+    "ល្បី",
+    "ល្បីល្បាញ",
+    "ល្បឿន",
+    "ល្បែង",
+    "ល្វឹងល្វើយ",
+    "ល្អ",
+    "ល្អក់",
+    "ល្អិត",
+    "ល្អិតល្អន់",
+    "វង់",
+    "វត្ត",
+    "វត្តមាន",
+    "វត្តមាស",
+    "វត្ថុ",
+    "វប្បធម៌",
+    "វស្សា",
+    "វា",
+    "វាល",
+    "វាំង",
+    "វាំងនន",
+    "វិចិត្រ",
+    "វិមាន",
+    "វិស័យ",
+    "វៀតណាម",
+    "វេទិកា",
+    "វេលា",
+    "វែង",
+    "វែងឆ្ងាយ",
+    "វ៉ែនតា",
+    "វ័យ",
+    "ស",
+    "សកម្ម",
+    "សកម្មភាព",
+    "សក់",
+    "សក្ការៈបូជា",
+    "សក្តិសម",
+    "សងខាង",
+    "សង់",
+    "សញ្ញា",
+    "សដុះ",
+    "សណ្ឋាគារ",
+    "សណ្ត",
+    "សណ្តាប់ធ្នាប់",
+    "សត្វ",
+    "សន្តិភាព",
+    "សន្តិវិធី",
+    "សន្ធោ",
+    "សន្ធៅ",
+    "សន្លឹក",
+    "សប្បាយរីករាយ",
+    "សប្បុរស",
+    "សភាព",
+    "សម",
+    "សមាធិ",
+    "សមុទ្រ",
+    "សម័យ",
+    "សម្គាល់",
+    "សម្ដែង",
+    "សម្តែង",
+    "សម្បូរ",
+    "សម្បើម",
+    "សម្រន់",
+    "សម្រស់",
+    "សម្រាក",
+    "សម្រាប់",
+    "សម្ល",
+    "សម្លឹងមើល",
+    "សម្លៀកបំពាក់",
+    "សយ៉ាង",
+    "សរសេរ",
+    "សសរ",
+    "សស្តើង",
+    "សហគមន៍",
+    "សាកសព",
+    "សាងសង់",
+    "សាច់",
+    "សាជី",
+    "សាធារណៈ",
+    "សាប",
+    "សាមញ្ញ",
+    "សាមណេរ",
+    "សារី",
+    "សាល",
+    "សាលារៀន",
+    "សាសនា",
+    "សាឡាត់",
+    "សិង្ហ",
+    "សិល្បៈ",
+    "សុខ",
+    "សុទ្ធតែ",
+    "សុវត្ថិភាព",
+    "សួន",
+    "សួនច្បារ",
+    "សើម",
+    "សៀមរាប",
+    "សៀវភៅ",
+    "សេដ្ឋកិច្ច",
+    "សេះ",
+    "សែន",
+    "សែនមនោរម្យ",
+    "សោភ័ណភាព",
+    "សោម",
+    "សំដែង",
+    "សំណង់",
+    "សំណាញ់",
+    "សំបក",
+    "សំពត់",
+    "សំពៅ",
+    "សំពះ",
+    "សំរាម",
+    "សំលៀកបំពាក់",
+    "ស៊ី",
+    "ស៊ុត",
+    "ស៊ុប",
+    "ស៊ុម",
+    "ស័ង្កសី",
+    "ស្កឹមស្កៃ",
+    "ស្កុប",
+    "ស្កូតឺ",
+    "ស្កូប",
+    "ស្គរ",
+    "ស្គាល់",
+    "ស្គុះស្គាយ",
+    "ស្ងប់",
+    "ស្ងប់ស្ងាត់",
+    "ស្ងាត់",
+    "ស្ងួត",
+    "ស្ងៀម",
+    "ស្តាំ",
+    "ស្តុក",
+    "ស្តើង",
+    "ស្ត្រី",
+    "ស្ថាបត្យកម្ម",
+    "ស្ថាបត្យកម្មលម្អ",
+    "ស្ថិត",
+    "ស្ទីល",
+    "ស្ទឹង",
+    "ស្ទូច",
+    "ស្ទ្រីម",
+    "ស្នាក់",
+    "ស្នាដៃ",
+    "ស្នាម",
+    "ស្នាមញញឹម",
+    "ស្និទ្ធស្នាល",
+    "ស្នើ",
+    "ស្បង់",
+    "ស្បូវ",
+    "ស្បែក",
+    "ស្បែកជើង",
+    "ស្ពាន",
+    "ស្ពាយ",
+    "ស្ពៃ",
+    "ស្មា",
+    "ស្មាន",
+    "ស្មុគស្មាញ",
+    "ស្មុគ្រស្មាញ",
+    "ស្មើគ្នា",
+    "ស្មៅ",
+    "ស្រកា",
+    "ស្រកានាគ",
+    "ស្រក់",
+    "ស្រងាត់",
+    "ស្រដៀង",
+    "ស្រទន់",
+    "ស្រទាប់",
+    "ស្រទុំ",
+    "ស្រទំ",
+    "ស្រទំ។",
+    "ស្រប",
+    "ស្រពោន",
+    "ស្រមើស្រមៃ",
+    "ស្រមោល",
+    "ស្រល់",
+    "ស្រស់",
+    "ស្រស់បំព្រង",
+    "��្រស់ស្រាយ",
+    "ស្រស់ស្អាត",
+    "ស្រឡះ",
+    "ស្រអាប់",
+    "ស្រាបៀរ",
+    "ស្រាល",
+    "ស្រី",
+    "ស្រុក",
+    "ស្រូវ",
+    "ស្រែ",
+    "ស្រោប",
+    "ស្រោម",
+    "ស្រះ",
+    "ស្រ្តី",
+    "ស្លាក",
+    "ស្លាកសញ្ញា",
+    "ស្លាប",
+    "ស្លាបព្រា",
+    "ស្លឹក",
+    "ស្លឹកឈើ",
+    "ស្លៀក",
+    "ស្លៀកពាក់",
+    "ស្លែ",
+    "ស្វា",
+    "ស្វាមី",
+    "ស្វាយ",
+    "ស្វិត",
+    "ស្សី",
+    "ស្អាត",
+    "ហាក់",
+    "ហាក់ដូចជា",
+    "ហាក់បីដូចជា",
+    "ហាង",
+    "ហាល",
+    "ហិណ្ឌូ",
+    "ហុយ",
+    "ហូជីមិញ",
+    "ហូរ",
+    "ហូរហៀរ",
+    "ហើយ",
+    "ហើរ",
+    "ហេដ្ឋារចនាសម្ព័ន្ធ",
+    "ហេតុ",
+    "ហែង",
+    "ហែល",
+    "ហែលទឹក",
+    "ហោះ",
+    "ហោះហើរ",
+    "ហ៊ុមព័ទ្ធ",
+    "ហ៊ុំ",
+    "ហ៊ុំព័ទ្ធ",
+    "ហ្វីលីពីន",
+    "ហ្វូង",
+    "ឡាន",
+    "ឡានក្រុង",
+    "ឡើង",
+    "អក្សរ",
+    "អគារ",
+    "អគ្គិសនី",
+    "អង់តែន",
+    "អង្ករ",
+    "អង្គ",
+    "អង្គរ",
+    "អង្គរវត្ត",
+    "អង្គុយ",
+    "អង្រឹង",
+    "អណ្តែត",
+    "អតិថិជន",
+    "អតីតកាល",
+    "អត្ថបទ",
+    "អន្ទាក់",
+    "អន្លាយ",
+    "អប្សរ",
+    "អប្សរា",
+    "អម",
+    "អយុធ្យា",
+    "អស្ចារ្យ",
+    "អាកាស",
+    "អាកាសធាតុ",
+    "អាគារ",
+    "អាង",
+    "អាងទឹក",
+    "អាច",
+    "អាជីវករ",
+    "អាថ៌កំបាំង",
+    "អាពាហ៍ពិពាហ៍",
+    "អាម៉ាហ្សូន",
+    "អាយុកាល",
+    "អារម្មណ៍",
+    "អារាម",
+    "អាវ",
+    "អាវធំ",
+    "អាវយឺត",
+    "អាស៊ី",
+    "អាហារ",
+    "អាំង",
+    "អុស",
+    "អុំ",
+    "អូរ",
+    "អូស",
+    "អូស្ត្រាលី",
+    "អួរ",
+    "អំបោស",
+    "អំបោះ",
+    "អំពី",
+    "អំពូលភ្លើង",
+    "អ៊ូអរ",
+    "អ័ព្ទ",
+    "អ្នក",
+    "អ្នកការពារ",
+    "អ្នកដំណើរ",
+    "អ្នកទេសចរ",
+    "អ្នកធ្វើដំណើរ",
+    "អ្នកនេសាទ",
+    "អ្នកភូមិ",
+    "អ្នកលក់",
+    "អ្នកលក់ដូរ",
+    "អ្នកសង្គ្រោះ",
+    "អ្នកស្រុក",
+    "អ្វី",
+    "ឥដ្ឋ",
+    "ឥណ្ឌា",
+    "ឥត",
+    "ឥទ្ធិពល",
+    "ឥន្ទធ",
+    "ឧទ្យាន",
+    "ឧបករណ៍",
+    "ឫស",
+    "ឫស្សី",
+    "ឬ",
+    "ឯ",
+    "ឯករាជ្យ",
+    "ឯកសណ្ឋាន",
+    "ឯកោ",
+    "ឱកាស",
+    "ឱប",
+    "ឱសថ",
+    "ឱ្យ",
+    "។",
+    "ៗ",
+    "២០២៤",
+    "。"
+  ],
+  "min_word_freq": 2,
+  "max_caption_len": 400
+}