/ Модель
Каталог

Характеристики

Контекст
512 токенов
Архитектура
vision-encoder-decoder · dense
Базовая модель
exp2-frozen-benyehuda-cont
Библиотека
transformers
Опубликована
5 сен 2026

Ссылки

Hugging Face

trocr-webfonts8-BY

cyttic
Изображение и текст → текст8 профессий

Дообученная модель vision-encoder-decoder для распознавания текста на изображениях и выдачи его в виде текста.

9скачиваний за 30 дней0лайковвеса обновлены6 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 «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.

Открыть конструктор бенчмарка

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

cyttic/trocr-webfonts8-BY — дообученная модель cyttic/exp2-frozen-benyehuda-cont для преобразования изображений с текстом в текст. Она построена на архитектуре vision-encoder-decoder и предназначена для распознавания текста на изображениях; карточка сообщает о дообучении на наборе данных, который не описан. В оценке указаны Loss 0,6037, CER 0,0307 и WER 0,0885. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • распознавание текста на изображениях веб-шрифтов
  • извлечение текста из скриншотов
  • распознавание текста на изображениях документов

Ограничения

Данные обучения не описаны, а метрики приведены без подробностей о составе и методике оценки; заявленные результаты могут не переноситься на другие шрифты и типы изображений.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trocr-webfonts8-BY

This model is a fine-tuned version of cyttic/exp2-frozen-benyehuda-cont on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6037
  • Cer: 0.0307
  • Wer: 0.0885

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 4650
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossCerWer
3.90370.129020001.69100.16590.3655
3.50550.258140001.52270.12980.3011
3.03660.387160001.35030.10510.2518
2.76760.516180001.19130.08630.2172
2.42170.6452100001.07070.07160.1879
2.24630.7742120001.00650.06360.1717
2.06080.9032140000.93930.06240.1642
1.60721.0323160000.88900.05590.1521
1.55931.1613180000.84470.05010.1387
1.60391.2903200000.81090.04820.1324
1.43111.4194220000.77320.04520.1245
1.29521.5484240000.74610.04160.1185
1.48431.6774260000.71820.03860.1089
1.40501.8065280000.69500.03650.1042
1.33501.9355300000.68440.03820.1047
0.93452.0645320000.67340.03870.1061
1.15672.1935340000.65260.03660.0994
1.03602.3226360000.64290.03350.0963
1.07382.4516380000.62920.03470.0981
0.98872.5806400000.62120.03240.0912
1.01892.7097420000.61130.03230.0904
1.06002.8387440000.60650.03150.0894
0.94022.9677460000.60400.03070.0885
0.94533.0465000.60370.03070.0885

Framework versions

  • Transformers 5.15.0
  • Pytorch 2.11.0+cu128
  • Datasets 5.0.1
  • Tokenizers 0.22.2

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
42db779

0 моделей

    Создать бенчмарк