/ Модель

Характеристики

Контекст
512 токенов
Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Опубликована
11 мар 2026

trocr-sanskrit-ocr

Описание изображенийИзображение → текст3 профессии

TrOCR-модель для распознавания санскритского текста на изображениях и выдачи результата в транслитерации IAST.

32скачиваний за 30 дней1лайквеса обновлены2 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

Piyush3142/trocr-sanskrit-ocr — дообученная модель TrOCR на базе microsoft/trocr-base-printed для распознавания санскритского текста на изображениях рукописей и печатных ведических текстов. Архитектура модели — vision-encoder-decoder; она принимает изображение и генерирует текст в транслитерации IAST. Для получения письма деванагари распознанный текст можно преобразовать отдельно.

Модель обучена на наборе yzk/veda-ocr-ms, содержащем около 11,7 тысячи изображений санскритских рукописей, в течение двух эпох. Она предназначена для OCR материалов, похожих по стилю на обучающие данные. Модель распространяется по лицензии MIT.

Качество может снижаться на рукописном тексте, повреждённых изображениях и материалах, отличающихся от обучающих ведических текстов.

Сценарии применения

  • распознавание печатных ведических текстов на сканах
  • извлечение санскритского текста из изображений рукописей
  • оцифровка санскритских манускриптов с последующим преобразованием IAST в деванагари

Ограничения

Обучена на печатных ведических текстах и лучше работает с похожими материалами; может хуже распознавать рукописный или повреждённый текст.

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

TrOCR Sanskrit OCR

Fine-tuned TrOCR model for Sanskrit manuscript OCR (Optical Character Recognition).

Model Description

This model extracts Sanskrit text from manuscript images. It outputs text in IAST (International Alphabet of Sanskrit Transliteration) format.

  • Base Model: microsoft/trocr-base-printed
  • Fine-tuned on: yzk/veda-ocr-ms (~11.7k Sanskrit manuscript images)
  • Training: 2 epochs

Usage

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image

# Load model
processor = TrOCRProcessor.from_pretrained("Piyush3142/trocr-sanskrit-ocr")
model = VisionEncoderDecoderModel.from_pretrained("Piyush3142/trocr-sanskrit-ocr")

# OCR inference
image = Image.open("sanskrit_manuscript.jpg").convert("RGB")
pixel_values = processor(image, return_tensors="pt").pixel_values
outputs = model.generate(pixel_values, max_length=256)
text = processor.batch_decode(outputs, skip_special_tokens=True)[0]

print(text)  # IAST output

Convert IAST to Devanagari

from indic_transliteration.sanscript import transliterate, IAST, DEVANAGARI

devanagari = transliterate(text, IAST, DEVANAGARI)
print(devanagari)

Training Details

ParameterValue
Datasetyzk/veda-ocr-ms
Train samples10,560
Test samples1,174
Epochs2
Batch size4
Learning rate2e-5

Limitations

  • Trained on printed Vedic manuscripts
  • Best performance on similar style texts
  • May struggle with handwritten or degraded images

License

MIT

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
b4a7bd4

0 моделей