/ Модель

Характеристики

Лицензия
OpenRAIL
Архитектура
qwen3_5 · dense
Базовая модель
surya-ocr-2
Библиотека
transformers
Опубликована
18 июл 2026

surya-ocr-2-persian-handwriting-369k

Изображение и текст → текст3 профессии

Модель распознаёт персидский рукописный текст на изображениях документов и формирует транскрипцию в порядке чтения.

664скачиваний за 30 дней0лайковвеса обновлены18 июл 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 «Изображение → текст» — 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

Reza2kn/surya-ocr-2-persian-handwriting-369k — полно-параметрическая донастройка Surya OCR 2, разработанная Reza2kn на 369 тысячах страниц персидского рукописного текста. Это мультимодальная модель семейства Qwen3.5, принимающая изображение документа и выдающая его текстовую транскрипцию в порядке чтения. В README описаны обучение в течение одной эпохи и диагностические проверки на персидских рукописях и печатном тексте.

На 69 страницах из обучающего набора модель снизила WER с 149,28% у исходной Surya OCR 2 до 2,89%, однако это измерение на данных обучения, а не оценка обобщения. Проверка на отдельной выборке печатного персидского текста показала существенное ухудшение: WER вырос до 168,39%. На наборе рукописных слов точное распознавание улучшилось, но выросло число многословных галлюцинаций, а суммарные WER и CER ухудшились. Модель распространяется по лицензии OpenRAIL; перед использованием стоит проверить её на целевых документах.

Сценарии применения

  • транскрипция персидских рукописных страниц
  • извлечение текста из фотографий рукописных документов
  • оцифровка персидских рукописных архивов

Ограничения

Диагностический результат на обучающей выборке не отражает обобщение: на отдельной выборке печатного персидского текста качество заметно хуже исходной модели. На рукописных словах встречаются многословные галлюцинации; до развёртывания следует проверить качество на целевых документах.

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

Surya OCR 2 — Persian Handwriting 369K

This is a full-parameter fine-tune of datalab-to/surya-ocr-2 on all 369,000 pages of Reza2kn/persian-handwriting-pages-369k.

Training

  • Epochs: 1
  • Rows: 369,000
  • Optimizer: AdamW
  • Precision: BF16
  • Learning rate: 1e-05
  • Per-GPU batch: 8
  • Global batch: 64
  • GPUs: 8 x NVIDIA RTX PRO 6000 Blackwell Server Edition
  • Update steps: 5,766
  • Parameter strategy: full-parameter fine-tuning (not LoRA)
  • Prompt: OCR this Persian document image. Return only the complete transcription in reading order.

Fixed 69-page Persian before/after diagnostic

Both rows use the same model family, BF16 inference, prompt, first 69 dataset pages, normalization, and word-error implementation. The exact ordered image/label set is fingerprinted as 09ee91df3d0a920a14233b9ad769fe29a5861384a2fe86b409c9979155682e19 in both summaries.

These 69 pages are part of the 369,000-page training corpus. This is therefore an in-training-set acquisition diagnostic, useful for measuring the requested before/after fit but not a held-out estimate of Persian generalization.

ModelWERWord errors / reference wordsExact pages
Original Surya OCR 2149.28%18,797 / 12,5920/69
This checkpoint2.89%364 / 12,59246/69

WER can exceed 100% because insertions count as errors. The checkpoint changes WER by -146.39 percentage points (-98.06% relative) on this fixed diagnostic.

Held-out Persian retention

These checks were added after training to measure whether the full-parameter fine-tune preserved Persian OCR outside the composed 369K training pages. Both models used identical images, prompt, normalization, decoding, and BF16 inference. Raw predictions and summaries are under evaluation/.

Printed Persian: ParsynthOCR test split

The first 69 examples from the held-out test split of mainkilora/parsynth-ocr-200k were evaluated at dataset revision b8f6db1bb635a801f8f222144643d2c52db49b18. The exact ordered image/text set has fingerprint 677c9ff212f5a2e4bea545f235e829fcf1231373e5c23404f2f87b6045ca3753.

ModelWERWord errors / reference wordsExact images
Original Surya OCR 223.87%37 / 15546/69
This checkpoint168.39%261 / 15521/69

This checkpoint substantially degrades on this printed-Persian word-image sample and frequently emits extra text.

Real Persian handwriting: PHTD holdout

This check uses 65 real Persian handwritten word crops from the separately prepared PHTD real-holdout set. Its labeled manifest fingerprint is f225f23fbec246e1ff034693647ef6f57ed95899824b056993b99bcfcf7a92ab. Because every reference contains one word, exact recognition and CER are more informative than WER when a model emits multiple words.

ModelWERCERExact wordsMultiword outputs
Original Surya OCR 295.38%54.01%8/655/65
This checkpoint116.92%74.56%18/6516/65

Exact recognition more than doubles, but aggregate WER and CER worsen because the checkpoint produces more multiword hallucinations. This is not clean retention: it improves some handwritten words while becoming less reliable overall.

Narrow retention canary

This 69-item English handwritten-word crop test is a deliberately narrow forgetting canary, not a comprehensive general OCR benchmark. Surya sometimes emits long layout-style text for these tiny crops, so exact matches are more interpretable than its inflated WER.

ModelWERExact words
Original Surya OCR 2800.00%24/69
Step 500832.20%9/69
Step 2,000988.14%6/69
Step 3,000805.08%6/69
Final checkpoint1266.10%5/69

Raw predictions, references, summaries, and manifests are included under evaluation/ for auditing.

Limitations

The training data is synthetic composed Persian handwriting on photographed paper backgrounds. This checkpoint may trade some of the base model's broader OCR/layout behavior for specialization. Evaluate it on your own printed, handwritten, multilingual, and layout-heavy documents before deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
992238b

0 моделей