/ Модель

Характеристики

Параметры
3,3 млрд
Размер весов
15 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
t5 · dense
Опубликована
2 янв 2026

Emendator

Генерация текстаТекст → текст3 профессии

Модель исправляет OCR-искажения в латинских текстах и восстанавливает читаемую латынь.

313скачиваний за 30 дней1лайквеса обновлены27 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 «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

Emendator — модель byt5-xl, дообученная Aidan McCarthy для исправления ошибок OCR в латинских текстах. Она принимает повреждённый распознаванием текст и восстанавливает читаемую латынь; в карточке приведены примеры исправления лёгких, сильных и очень сильных искажений. Модель содержит 3,3 млрд параметров, построена на архитектуре T5 и распространяется в формате safetensors. Для лучшей производительности текст следует подавать сегментами примерно по 250 символов.

Модель подходит для восстановления распознанных латинских книг и исторических документов, когда важнее получить связный латинский текст, чем сохранить конкретную орфографию или редакционный стиль. Она может вносить редакторские изменения и смещать распределение токенов в сторону обучающих данных, поэтому результат не гарантирует точного восстановления исходного написания. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Сценарии применения

  • исправление ошибок OCR в латинских книгах
  • восстановление читаемого текста из сильно искажённого распознавания
  • очистка оцифрованных исторических документов на латыни

Ограничения

Модель может менять орфографию и редакционный стиль, смещая текст к обучающему распределению; она предназначена прежде всего для восстановления читаемой латыни, а не точного исходного текста. Оптимальный размер сегмента — около 250 символов.

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

Emendator is a byt5-xl model finetuned to correct OCR artifacts in Latin text.

This model cannot provide completely faithful reconstruction for all orthographies - on a large scale, it will shift the distribution of tokens towards that which it has been trained on. This is to say: Emendator will take editorial liberties with your data. As such, use it only in circumstances when the primary concern is only to recover intelligible Latin, not to recover intelligible Latin of a particular style.

The model is intended to be used on segments of 250 characters. Anything else will compromise performance.

Lightly Corrupted Text

  Original: "atque optimo viro, peterem; superavi tamen dignitate Catilinam, gratia Galbam. Quod si id crimen homini novo esse deberet, profecto",
  
  OCR: "atqu optimo viro, peterem, superavi tamen dignitate Catilinam, qatia Gdbam. Quod si id crimen homini novo esse deberet, protecto\n",
  
  Emendator Reconstruction: "atque optimo viro, peterem, superavi tamen dignitate Catilinam, gratia Galbam. Quod si id crimen homini novo esse deberet, profecto",

Heavily Corrupted Text

  Orig:       "Aegidius Lusitanus Olysipone natus Sacrae Theologiae Magister scripsit Commentarium in libros Sententiarum."
  
  OCR:       "/Egidinslufitanusolufiponc natusS.Thcol.Mag.fcripfitCorn rncntariurninlibros>Scntcntiarurn«"
  
  Emendator Reconstruction:  "Egidius Lusitanus olusipone natus S. Theol. Mag. scripsit Commentarium in libros Sententiarum"

Severely Corrupted Text

  Orig:       "Diligam te Domine fortitudo mea. Dominus firmamentum meum et refugium meum et liberator meus."
  
  OCR:        "Diligamtc Do rnincfortitudomca:Dominusfirma rncntumrncurn&rcfugiurnmcurn&libcratorrnc9«"
  
  Emendator Reconstruction:  "Diligam te Domine fortitudo mea Dominus firmamentum meum refugium meum liberator meus"

To use Emendator, you can load it via the Transformers library:

import torch
from transformers import T5ForConditionalGeneration, AutoTokenizer

model_path = "aimgo/Emendator"
device = "cuda" if torch.cuda.is_available() else "cpu"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = T5ForConditionalGeneration.from_pretrained(model_path, torch_dtype=torch.bfloat16).to(device)
model.eval()

texts = ["Nil igirur rnors cft ad nos ncq;pcrtinct hilurn»", "Vt quod ali cibus eft aliis fuat acre uenenurn."]
enc = tokenizer(texts, return_tensors="pt", padding=True, truncation=True, max_length=256).to(device)

with torch.no_grad():
    outputs = model.generate(
        enc["input_ids"],
        attention_mask=enc["attention_mask"],
        max_new_tokens=enc["input_ids"].shape[1] + 32,
        num_beams=4,
        do_sample=False,
        early_stopping=True,
        repetition_penalty=1.15,
    )

corrected = tokenizer.batch_decode(outputs, skip_special_tokens=True)

If you use this in your work, please cite:

@misc{mccarthy2026Emendator,
  author       = {McCarthy, Aidan},
  title        = {{Emendator}: Latin OCR Artifact Correction},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/aimgo/Emendator}},
  note         = {Model}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
52040ef

0 моделей