/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
manga-ocr-base
Библиотека
transformers
Опубликована
29 ноя 2025

manga-ocr

Описание изображенийИзображение → текст3 профессии

Модель распознаёт печатный японский текст на изображениях, особенно в сложных фрагментах страниц манги.

2 337скачиваний за 30 дней4лайкавеса обновлены12 июл 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 «Распознавание текста» — 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

mayocream/manga-ocr — модель OCR для распознавания печатного японского текста на изображениях, подготовленная mayocream на основе kha-white/manga-ocr-base. Она предназначена прежде всего для чтения текста на страницах манги, включая вертикальную и горизонтальную запись, фуригану, текст поверх иллюстраций, разные шрифты и ухудшенные или низкокачественные фрагменты изображений.

Модель использует архитектуру Vision Encoder Decoder: визуальный энкодер ViT/DeiT-типа и посимвольный японский BERT-декодер с cross-attention. Репозиторий содержит веса SafeTensors для Transformers. Перед распознаванием изображение следует обрезать до области с текстом; для полной нормализации и декодирования README отсылает к исходному проекту manga_ocr. Лицензия — Apache-2.0.

Модель не находит текстовые области самостоятельно. Результаты могут быть ненадёжны для рукописного, неяпонского или неподдерживаемого текста, сильной перспективы и закрытых символов; вывод следует проверять в критически важных сценариях.

Сценарии применения

  • распознавание вертикального текста в манге
  • извлечение горизонтальных надписей со страниц манги
  • чтение фуриганы рядом с японскими иероглифами
  • OCR текста поверх иллюстраций
  • распознавание японского текста в низкокачественных обрезках

Ограничения

Модель не обнаруживает текстовые области, поэтому изображение нужно заранее обрезать по тексту. Распознавание может быть ненадёжным для рукописного и неяпонского текста, неподдерживаемых символов, сильной перспективы и закрытых глифов.

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

A SafeTensors-packaged Japanese manga OCR model based on kha-white/manga-ocr-base. It uses the Transformers Vision Encoder Decoder architecture with a ViT image encoder and a character-level Japanese BERT decoder.

Capabilities

The model is designed for printed Japanese text, particularly manga-specific layouts:

  • vertical and horizontal text
  • furigana
  • text overlaid on illustrations
  • varied fonts and styles
  • degraded or low-resolution text crops

Loading

from transformers import AutoImageProcessor, AutoTokenizer, VisionEncoderDecoderModel

repo = "mayocream/manga-ocr"
model = VisionEncoderDecoderModel.from_pretrained(repo)
processor = AutoImageProcessor.from_pretrained(repo)
tokenizer = AutoTokenizer.from_pretrained(repo)

Input images should be cropped to the text region before recognition. See the original manga_ocr project for its complete normalization and decoding pipeline.

Model details

  • Task: Japanese image-to-text OCR
  • Encoder: ViT/DeiT-style image encoder
  • Decoder: character-level Japanese BERT with cross-attention
  • Training dataset metadata: Manga109-s
  • Format: Transformers-compatible SafeTensors

Limitations

This model does not detect text regions. Results depend on crop quality and can be unreliable for handwriting, unsupported characters, non-Japanese text, extreme perspective, or heavily obscured glyphs. OCR output should be reviewed before use in archival, legal, or accessibility-critical workflows.

License

Apache-2.0, matching the upstream model repository.

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
4380edb

0 моделей