/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
kraken
Опубликована
12 окт 2026

ticha-htr-mccatmus-ft

Описание изображенийИзображение → текст

Модель Kraken для распознавания строк рукописей XVII–XIX веков на колониальном сапотекском и испанском языках.

0скачиваний за 30 дней1лайквеса обновлены12 окт 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

Модель распознавания рукописного текста на базе Kraken 7, созданная Maclenn77 дообучением McCATMuS на строках рукописей из цифрового проекта Ticha. Она предназначена для чтения рукописей Оахаки XVII–XIX веков на колониальном сапотекском и испанском языках, в частности для получения транскрипций строк и их выравнивания с сегментированными изображениями. Обучение на 6 649 парах изображений строк и транскрипций снизило медианную частоту ошибок символов на страницах Ticha с 0,31 до 0,05 на обучающих строках; это значение оптимистично и не отражает качество на новых документах. Модель распространяется в формате safetensors и требует Kraken 7. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование.

Сценарии применения

  • распознавание строк в рукописях проекта Ticha
  • подготовка транскрипций колониальных сапотекских документов
  • распознавание испанского текста в рукописях Оахаки
  • выравнивание транскрипций с изображениями сегментированных строк

Ограничения

Показатели качества завышены для новых документов: обучающие и валидационные строки взяты из тех же документов, а в обучающий набор включены документы тестового разбиения. На выцветших и низкокачественных сканах точность может быть ниже; автоматическое сопоставление строк иногда ошибочно, а транскрипции следуют редакционным соглашениям Ticha.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

McCATMuS fine-tuned on Ticha (Colonial Zapotec and Spanish manuscripts)

A kraken text recognition model for 17th to 19th century manuscripts from Oaxaca, Mexico, in Colonial Zapotec and Spanish. It is the generic model McCATMuS fine-tuned on line images from Ticha: a digital text explorer for Colonial Zapotec.

It was trained to align transcriptions with segmented lines when building the ticha-htr-lines dataset: each line is read by the model, and the transcription is cut into the spans that match the readings. McCATMuS was never trained on Zapotec; fine-tuning brought the median character error rate of its readings on Ticha pages from 0.31 to 0.05 (measured on lines it was trained on, so optimistic) and moved 24 more pages out of manual review.

  • File: ticha_ft_e06.safetensors (kraken 7 format, 16 MB; SHA-256 7c35f1554ab7c130eab65983dd8e5f394e784565417978a3d74d63c795966f1a)
  • Base model: McCATMuS (McCATMuS_nfd_nofix_V1), Alix Chagué (Inria), CC BY 4.0
  • Requires: kraken 7 (tested with 7.1.1)

Usage

Download the model:

from huggingface_hub import hf_hub_download

model = hf_hub_download("maclenn77/ticha-htr-mccatmus-ft", "ticha_ft_e06.safetensors")

Recognize a page with kraken (default baseline segmentation, then this model):

kraken -d cpu -i page.png page.txt segment -bl ocr -m ticha_ft_e06.safetensors

-d cpu matters on Apple Silicon: kraken otherwise picks the GPU (MPS), where it can stall. Use -d cuda:0 with an NVIDIA GPU.

Pair Ticha transcriptions with segmented lines, as for the dataset (code):

ticha-scraper lines -t texts.csv -i images.csv -d paired --model ticha_ft_e06.safetensors

The notebook notebooks/ticha_pipeline.ipynb of that repository downloads this model when FINETUNED_SOURCE = "download".

Training

Training data6,649 line images with their transcriptions: the confident pairs of 286 pages that a first pairing pass with McCATMuS sent to auto/
Splitrandom by line, 90% training and 10% validation (kraken's default)
Softwarekraken 7.1.1, ketos train -f binary -i McCATMuS_nfd_nofix_V1.mlmodel --resize union -B 16
HardwareApple M2 CPU, about 53 minutes per epoch
Epochs7 (0 to 6); this is the checkpoint after epoch 6

Validation character accuracy after each epoch:

Epoch0123456
Accuracy82.7%84.5%85.2%85.8%85.8%86.0%86.1%

Limitations

  • Do not use it to report results on the test split of ticha-htr-lines. Its training lines come from documents of all three splits of that dataset, test included.
  • The validation lines come from the same documents as the training lines, so 86.1% overstates the accuracy on new documents and hands.
  • The training transcriptions follow Ticha's conventions (editorial marks such as q[ue], (?), [roto]) and were paired automatically; a few lines may contain a word from a neighbouring line.
  • It was trained on line images from good-quality colour photographs; expect lower accuracy on the faded, low-resolution notarial scans common among Ticha's untranscribed documents.

Licence and citation

The training data comes from Ticha (CC BY-NC-SA 4.0) and the base model is McCATMuS (CC BY 4.0). This model is shared under CC BY-NC-SA 4.0: non-commercial use, with attribution to the model, McCATMuS and Ticha, and derivatives under the same licence.

Model author: J. P. Pérez Tejada (ORCID 0009-0003-9501-9918).

@misc{perez_tejada_ticha_mccatmus_ft_2026,
  author       = {P{\'e}rez Tejada, J. P.},
  title        = {McCATMuS fine-tuned on Ticha: a kraken model for Colonial Zapotec and Spanish manuscripts},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/maclenn77/ticha-htr-mccatmus-ft}}
}

@misc{chague_mccatmus,
  author       = {Chagu{\'e}, Alix},
  title        = {McCATMuS: Transcription model for handwritten, printed and typewritten documents from the
                  16th century to the 21st century},
  publisher    = {Zenodo},
  doi          = {10.5281/zenodo.13788177}
}

@misc{ticha,
  editor       = {Lillehaugen, Brook Danielle and Broadwell, George Aaron and Oudijk, Michel R. and
                  Allen, Laurie and Plumb, May Helena and Zarafonetis, Mike},
  title        = {Ticha: a digital text explorer for Colonial Zapotec},
  publisher    = {Haverford College Libraries},
  howpublished = {\url{https://ticha.haverford.edu}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · kraken

Нельзя запустить

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

Ревизия весов
e501b9d

0 моделей