/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-base-ru
Опубликована
11 сен 2026

trocr-base-ru-dialectic-stackmix

Описание изображенийИзображение → текст3 профессии

Модель на основе TrOCR распознаёт рукописный русский текст на изображениях диалектологических карточек.

34скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LAMAKET/trocr-base-ru-dialectic-stackmix — модель распознавания рукописного текста на изображениях, разработанная на основе TrOCR-base-ru. Её дообучили на синтетических наборах данных, созданных методом StackMix и на основе различных шрифтов, для чтения русских диалектологических карточек. Архитектура — vision encoder-decoder.

Модель предназначена для преобразования рукописных записей с изображений в текст, в частности для обработки диалектологических материалов. В README приведены метрики на валидационной выборке: CER 14,87%, WER 45,71% и точность 55,28%.

Модель дообучена на raxtemur/trocr-base-ru и распространяется в формате safetensors по лицензии Apache-2.0. Данные не уточняют длину контекста.

Сценарии применения

  • распознавание рукописных записей на диалектологических карточках
  • оцифровка русских диалектологических материалов
  • извлечение рукописного текста из изображений карточек
  • подготовка диалектных записей для поиска и дальнейшего анализа

Ограничения

На валидационной выборке указаны CER 14,87%, WER 45,71% и точность 55,28%; качество может быть ограничено особенностями почерка и изображений, отличающихся от обучающих синтетических данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Russian Dialectic HTR using TrOCR

The TrOCR-base-ru model was fine-tuned on synthetic datasets generated using StackMix method and based on various fonts.

For more information, check out the GitHub repository.

Model description

TrOCR-base-ru was fine-tuned for Handwritten Russian Text Recognition in dialectological cards. The model was trained for a total of 20 epochs with a batch size of 16 using dual NVIDIA T4 GPUs. The fine-tuning process took approximately 28 hours.

Example Usage

# Load libraries
from transformers import TrOCRProcessor, VisionEncoderDecoderModel
import matplotlib.pyplot as plt
from PIL import Image


# Load image
img_path = 'path/to/image'
image = Image.open(img_path).convert("RGB")

# Load model and processor
model_name = "Daniil-Domino/trocr-base-ru-dialectic-stackmix"
processor = TrOCRProcessor.from_pretrained(model_name)
model = VisionEncoderDecoderModel.from_pretrained(model_name)

# Preprocess and run inference
pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

# Output result
print(generated_text)

# Display input image
plt.axis("off")
plt.imshow(image)
plt.show()

Metrics

Below are the key evaluation metrics on the validation set:

  • CER: 14.87 %
  • WER: 45.71 %
  • Accuracy: 55.28 %

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
069d105

0 моделей