/ Модель

Характеристики

Лицензия
MIT
Опубликована
13 сен 2026

Mashkul

Разметка токеновТекст → label

Компактная посимвольная BiGRU-модель для восстановления арабских огласовок в тексте.

0скачиваний за 30 дней0лайковвеса обновлены13 сен 2026

Бенчмарки

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

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

Mashkul (مشكول) — компактная модель Ahmed Gelwan для восстановления диакритических знаков в арабском тексте без огласовок. Она рассматривает задачу как посимвольную классификацию: для каждой буквы предсказывает диакритический знак или его отсутствие. Архитектура состоит из слоя эмбеддингов, двунаправленной GRU с двумя слоями и линейного классификатора; модель реализована на PyTorch и занимает около 1,7 МБ.

Модель предназначена для расстановки огласовок в текстах на современном литературном арабском языке, например для учебных материалов, подготовки текста к синтезу речи и повышения его читаемости. В README приведены результаты на отложенной выборке корпуса Tashkeela: точность по символам 96,33%, частота ошибок по словам 13,97%, частота ошибок диакритики 3,67%.

Модель обучена на корпусе Tashkeela, преимущественно состоящем из классической и религиозной прозы. Точность ниже на текстах вне этой области, особенно на классической поэзии; окончания слов, зависящие от грамматического контекста, часто предсказываются с ошибками. Диалектный арабский язык моделью не поддерживается. Лицензия — MIT. Для инференса требуется код из репозитория проекта; модель не обёрнута в библиотеку Transformers.

Сценарии применения

  • расстановка огласовок в арабских учебных текстах
  • подготовка арабского текста к синтезу речи
  • добавление диакритики для улучшения читаемости арабского текста
  • автоматическая огласовка классической арабской прозы

Ограничения

Обучена преимущественно на классической и религиозной прозе, поэтому хуже работает на текстах других жанров, включая классическую поэзию, и не рассчитана на диалектный арабский. Часто ошибается в огласовках окончаний слов, зависящих от грамматического контекста.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mashkul (مشكول) — Arabic Text Diacritization

Mashkul automatically restores Arabic diacritics (تشكيل / حركات) to undiacritized text, using a lightweight character-level BiGRU model.

Input: كان العرب يحبون العلم ويقدرون العلماء Output: كَانَ الْعَرَبُ يُحِبُّونَ الْعِلْمَ وَيُقَدِّرُونَ الْعُلَمَاءَ

Model Description

Mashkul treats diacritization as a character-level sequence tagging problem: each Arabic letter is classified into one of the possible diacritic marks (or "no diacritic"), using a Bidirectional GRU over a window of characters.

  • Architecture: Embedding → 2-layer Bidirectional GRU → Linear classification head
  • Framework: PyTorch
  • Vocabulary: built dynamically from the training corpus (character-level, not subword)

Intended Uses & Limitations

Intended uses:

  • Adding diacritics to Modern Standard Arabic (MSA) text for education, TTS preprocessing, or readability tools.

Limitations:

  • Trained on the Tashkeela corpus, which is mostly classical/religious prose — accuracy is noticeably lower on out-of-domain text such as classical poetry.
  • Case-ending diacritics (الإعراب, the last letter of each word) are the most common source of errors, since they can depend on grammatical context the model doesn't fully capture.
  • Not trained on dialectal Arabic.

How to Use

The model isn't wrapped in the transformers library, so you'll need the inference code from the GitHub repo above.

git clone https://github.com/ahmedmgelwan/Mashkul.git
cd Mashkul
pip install -r requirements.txt
from huggingface_hub import hf_hub_download
from src.infer import Diacritizer

model_path = hf_hub_download("ahmedmgelwan/Mashkul", "model.pt")
tokenizer_path = hf_hub_download("ahmedmgelwan/Mashkul", "tokenizer.json")

diacritizer = Diacritizer.from_pretrained(model_path, tokenizer_path, device="cpu")
print(diacritizer.diacritize("كان العرب يحبون العلم ويقدرون العلماء"))

Training Data

Trained on arbml/tashkeela, a large corpus of fully diacritized classical Arabic text (~50K training sentences used, split into fixed-length character windows).

Evaluation Results

Evaluated on a held-out test split from the same dataset:

MetricValue
Character Accuracy96.33%
Word Error Rate (WER)13.97%
Diacritic Error Rate (DER)3.67%
Diacritic Error Rate — excluding last letter3.39%
Sentence Exact Match9.58%

Author

Built by Ahmed Gelwan as a learning project in Arabic NLP and deep learning.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
66b1109

0 моделей