/ Модель

Характеристики

Размер весов
140 МБ
Архитектура
vision-encoder-decoder · dense
Опубликована
28 июн 2025

manga-ocr-2025-onnx

Описание изображенийИзображение → текст3 профессии

ONNX-версия Manga OCR распознаёт японский текст на страницах манги, включая вертикальные надписи и фуригану.

5 775скачиваний за 30 дней9лайковвеса обновлены30 июн 2025

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

Это версия Manga OCR в формате ONNX, созданная l0wgear на основе kha-white/manga-ocr, kha-white/manga-ocr-base и модификации jzhang533/manga-ocr-base-2025. Модель построена на архитектуре Vision Encoder-Decoder и предназначена для распознавания японского текста на изображениях, прежде всего в манге.

Она распознаёт вертикальный и горизонтальный текст, фуригану, надписи поверх изображений, разнообразные шрифты и текст на изображениях низкого качества. Репозиторий содержит экспортированные в ONNX веса; для запуска README указывает библиотеку Optimum с ONNX Runtime. В метаданных указан язык ja и датасет manga109s. Сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

  • распознавание текста в речевых пузырях манги
  • извлечение вертикальных японских надписей со страниц
  • распознавание фуриганы рядом с кандзи
  • оцифровка японского текста с изображений манги низкого качества

Ограничения

Модель ориентирована на японский текст в манге; качество на других типах изображений и языках не подтверждено. Лицензия и количественные характеристики модели в предоставленных данных не указаны.

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

Manga OCR (ONNX)

This is an ONNX version of the Manga OCR model, designed for optical character recognition of Japanese text, with a primary focus on manga.

This model is based on the original work by kha-white/manga-ocr, kha-white/manga-ocr-base and modification by jzhang533/manga-ocr-base-2025. The models in this repository were exported to the ONNX format using Hugging Face Optimum.

Original Model Information

Manga OCR utilizes the Vision Encoder Decoder framework. It is designed to be a high-quality text recognition tool, robust against various scenarios specific to manga:

  • Both vertical and horizontal text
  • Text with furigana
  • Text overlaid on images
  • A wide variety of fonts and font styles
  • Low-quality images

The original training data included manga109-s and synthetic data.

Using the ONNX Models

To use these ONNX models for inference, you will need the optimum library. You can install it as follows:

pip install optimum[onnxruntime]

Here is an example of how to run inference with the ONNX models:

from transformers import TrOCRProcessor
from optimum.onnxruntime import ORTModelForVision2Seq
from PIL import Image

# Load the processor and model
processor = TrOCRProcessor.from_pretrained("l0wgear/manga-ocr-2025-onnx")
model = ORTModelForVision2Seq.from_pretrained("l0wgear/manga-ocr-2025-onnx")

# Load an image
image = Image.open("path/to/your/manga/image.jpg").convert("RGB")

# Process the image and generate text
pixel_values = processor(images=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)

Acknowledgements

  • Original Author: kha-white for creating the original Manga OCR.
  • Fine-tuning: jzhang533 for training the manga-ocr-base-2025 model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
e8b27bb

0 моделей