/ Модель

Характеристики

Контекст
512 токенов
Параметры
41,6 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Опубликована
28 июн 2026

txukun-cap-punct-eu

ПереводТекст → текст3 профессии

Квантованная версия MarianMT восстанавливает заглавные буквы и пунктуацию в баскском тексте, например в расшифровках речи.

14скачиваний за 30 дней0лайковвеса обновлены28 июн 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

itzune/txukun-cap-punct-eu — это версия модели HiTZ/cap-punct-eu, подготовленная для запуска в браузере и на устройствах с ограниченными ресурсами. Её разработчик — автор репозитория itzune; исходную модель создал HiTZ Zentroa (UPV/EHU). Архитектура MarianMT с 6 слоями кодировщика и 6 слоями декодера, размер — 41,6 млн параметров. Веса экспортированы в ONNX и динамически квантованы до int8; модель рассчитана на контекст до 512 токенов.

Модель восстанавливает регистр букв и пунктуацию в строчном тексте на баскском языке без знаков препинания. Она предназначена в частности для очистки результатов автоматического распознавания речи; используется в браузерном инструменте Txukun. При квантовании размер файлов весов сокращён примерно на 74%, что облегчает загрузку и запуск в Transformers.js через WASM. Лицензия — Apache-2.0.

Сценарии применения

  • восстановление пунктуации в расшифровках баскской речи
  • расстановка заглавных букв в тексте без регистра
  • очистка результатов распознавания речи на баскском
  • обработка баскского текста в браузере на устройстве пользователя

Ограничения

Модель рассчитана на баскский текст, уже приведённый к нижнему регистру и лишённый пунктуации; её применение к другим языкам или иному типу входа не описано. Квантованные веса могут отличаться по точности от исходной модели.

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

Txukun — Capitalization & Punctuation Restoration (ONNX)

ONNX export of HiTZ/cap-punct-eu for browser and edge inference with Transformers.js. Weights are dynamically quantized to int8 for faster downloads (77 MB vs 297 MB fp32).

Model

MarianMT model trained on 9.78M Basque sentences that restores capitalization and punctuation to lowercase, punctuationless text — typically output from automatic speech recognition (ASR) systems.

Original model: HiTZ/cap-punct-eu by HiTZ Zentroa (UPV/EHU)

Architecture

  • Type: MarianMT (6 encoder + 6 decoder layers)
  • d_model: 512
  • Tokenizer: SentencePiece (Unigram, 32k vocab), shipped as custom tokenizer.json
  • Format: Int8 dynamically quantized ONNX (Q/DQ nodes, compatible with ORT Web WASM)
  • Input: Lowercase, punctuationless Basque text
  • Output: Properly capitalized and punctuated Basque text

Files

FileSizeDescription
encoder_model_quantized.onnx34 MBEncoder (IR 8, int8 quantized)
decoder_model_merged_quantized.onnx41 MBDecoder with KV-cache (IR 8, int8 quantized)
encoder_model.onnx136 MBEncoder (fp32, for reference / non-WASM use)
decoder_model_merged.onnx160 MBDecoder with KV-cache (fp32, for reference / non-WASM use)
tokenizer.json2.1 MBCustom Unigram + Metaspace pre-tokenizer (for Transformers.js)
source.spm842 KBSentencePiece model (for Python / HF MarianTokenizer)
vocab.json2.1 MBVocab mapping (for Python / HF MarianTokenizer)
config.json979 BModel configuration
tokenizer_config.json864 BTokenizer metadata
generation_config.json288 BGeneration defaults

Usage with Transformers.js (browser)

import { pipeline } from '@huggingface/transformers';

const corrector = await pipeline(
  'translation',
  'itzune/txukun-cap-punct-eu',
  { device: 'wasm', dtype: 'q8' }
);

const result = await corrector('kaixo zer moduz zaude');
console.log(result[0].translation_text);
// → "Kaixo, zer moduz zaude?"

Usage with Python (ONNX Runtime via optimum)

Install dependencies:

pip install optimum[onnxruntime] sentencepiece

Basic inference:

from optimum.onnxruntime import ORTModelForSeq2SeqLM
from transformers import AutoTokenizer, pipeline

model_id = "itzune/txukun-cap-punct-eu"

# Load int8 quantized ONNX model
model = ORTModelForSeq2SeqLM.from_pretrained(
    model_id,
    encoder_file_name="encoder_model_quantized.onnx",
    decoder_file_name="decoder_model_merged_quantized.onnx",
    decoder_with_past_file_name="decoder_model_merged_quantized.onnx",
    provider="CPUExecutionProvider",
    use_cache=True,
)

# Tokenizer: load from our repo or HiTZ
tokenizer = AutoTokenizer.from_pretrained("HiTZ/cap-punct-eu")

# Create pipeline
corrector = pipeline("translation", model=model, tokenizer=tokenizer, max_length=512)

# Correct text
result = corrector("euskal herrian euskaraz bizi nahi dugu")
print(result[0]["translation_text"])
# → "Euskal Herrian euskaraz bizi nahi dugu."

For a complete CLI tool using this model, see txukun-cli.

Quantization details

Dynamically quantized with onnxruntime.quantization.quantize_dynamic(QuantType.QInt8, extra_options={"EnableSubgraph": True}). The EnableSubgraph flag traverses into the If-node subgraphs of the merged decoder, quantizing MatMul operations in both branches. Results:

  • Encoder: 136 MB → 34 MB (75% reduction)
  • Decoder: 160 MB → 41 MB (74% reduction)
  • Total: 297 MB → 77 MB (74% reduction)

Part of Txukun

This model powers Txukun, a browser-based Basque text cleaning tool. Visit itzune.eus/txukun to try it.

License

Apache 2.0 (same as original HiTZ/cap-punct-eu)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js).

Класс архитектуры
MarianMTModel
Ревизия весов
2e20dc7

0 моделей