/ Модель

Характеристики

Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
5 янв 2026

trocr-traditional-chinese-baseline

Описание изображенийИзображение → текст4 профессии

TrOCR распознаёт традиционный китайский текст на изображениях печатных и исторических документов с горизонтальной или вертикальной версткой.

148скачиваний за 30 дней3лайкавеса обновлены5 янв 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

ZihCiLin разработала TrOCR-модель на архитектуре vision-encoder-decoder для распознавания традиционного китайского текста на изображениях. Модель обучена с нуля на 4,1 млн синтетических пар «изображение—текст» и рассчитана на OCR исторических документов. Поддерживаются горизонтальная и вертикальная верстка, а набор символов включает 13 172 знака CNS11643.

Модель подходит для распознавания традиционного китайского текста и оцифровки исторических документов с чистой печатной разметкой. На сильно повреждённых реальных документах и рукописях качество может снижаться; для исторических рукописей автор рекомендует вариант с дополнительным дообучением. Лицензия в доступных данных не указана.

Сценарии применения

  • распознавание традиционного китайского текста на сканах
  • оцифровка исторических печатных документов
  • распознавание вертикально набранного текста
  • извлечение текста из чистых изображений китайских документов

Ограничения

Модель обучалась на синтетических данных, поэтому качество может снижаться на реальных исторических документах с сильными повреждениями; лучше всего она работает с чистым печатным текстом. Для исторических рукописей автор рекомендует дообученный вариант.

Для каких профессий подходит4

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 Traditional Chinese Baseline

Model Description

This is a TrOCR model trained from scratch on 4.1M synthetic Traditional Chinese OCR dataset for historical document recognition.

  • Base Model: microsoft/trocr-base-stage1
  • Training Data: 4.1M synthetic Traditional Chinese images
  • Training Steps: 100k steps
  • Task: Optical Character Recognition (OCR) for Traditional Chinese

Intended Use

This baseline model is designed for:

  • Traditional Chinese text recognition
  • Historical document digitization
  • Vertical and horizontal text layout support

Training Details

Training Data

Training Hyperparameters

  • Batch size: 64 (per device)
  • Learning rate: 5e-5
  • Optimizer: AdamW
  • LR scheduler: Cosine
  • Training steps: 100k
  • Warmup ratio: 0.06

Usage

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image

# Load model and processor
processor = TrOCRProcessor.from_pretrained("ZihCiLin/trocr-traditional-chinese-baseline")
model = VisionEncoderDecoderModel.from_pretrained("ZihCiLin/trocr-traditional-chinese-baseline")

# Load image
image = Image.open("document.jpg").convert("RGB")

# Generate text
pixel_values = processor(image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(generated_text)

Limitations

Citation

If you use this model, please cite:

@inproceedings{lin2026decoding,
  title={Decoding-Time Fusion of OCR and Large Language Models for Traditional Chinese Historical Document Recognition},
  author={Lin, Zih-Ci and Liao, Wen-Hung},
  booktitle={International Conference on Pattern Recognition (ICPR)},
  year={2026}
}

Related Resources

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
3effe7f

0 моделей