/ Модель

Характеристики

Параметры
7,6 млн
Лицензия
Apache 2.0
Архитектура
kiri-ocr · dense
Библиотека
kiri-ocr
Опубликована
17 янв 2026

kiri-ocr

Описание изображенийИзображение → текст8 профессий

Компактная модель Kiri OCR распознаёт английский и кхмерский текст на изображениях документов, включая смешанные строки.

2 017скачиваний за 30 дней11лайковвеса обновлены13 фев 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

Kiri OCR — компактная модель оптического распознавания текста для английских и кхмерских документов, разработанная автором библиотеки Kiri OCR. Она обнаруживает строки и слова на изображении документа и распознаёт печатный текст, в том числе смешанный английский и кхмерский.

Модель содержит 7,6 млн параметров и использует CNN-основу для обработки изображения, трансформерный энкодер-декодер и CTC-голову. В декодировании сочетаются beam search, CTC и языковая модель. В README указано обучение на 12 млн синтетических изображений строк на кхмерском и английском; метаданные подтверждают форматы ONNX и safetensors. Модель рассчитана на компактное и быстрое распознавание текста.

Модель распространяется по лицензии Apache-2.0. Описанные результаты тестирования относятся к синтетическим изображениям с популярными шрифтами; качество на реальных документах может отличаться.

Сценарии применения

  • распознавание английского текста на сканах документов
  • распознавание кхмерского текста на изображениях
  • извлечение смешанного английского и кхмерского текста
  • распознавание строк и слов в документе

Ограничения

Описанные в README тесты выполнены на синтетических изображениях с 10 популярными шрифтами, поэтому их результаты не гарантируют такое же качество на реальных документах. Поддержка рукописного текста не подтверждена описанием обучения и тестирования.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kiri OCR Model

Kiri OCR is a lightweight OCR library for English and Khmer documents. It provides document-level text detection, recognition, and rendering capabilities in a compact package.

✨ Key Features

  • Lightweight: Compact model optimized for speed and efficiency
  • Bilingual: Native support for English and Khmer (including mixed text)
  • Document Processing: Automatic text line and word detection
  • Hybrid Decoding: CTC + Attention decoder with language model fusion

🏗️ Architecture

ComponentDetails
TypeTransformer Encoder-Decoder with CTC
Encoder4 layers, 8 heads, 256 dim, 1024 FFN
Decoder3 layers, 8 heads, 256 dim, 1024 FFN
CNN BackboneConvStem (4 conv layers with BatchNorm + SiLU)
DecodingBeam search with CTC fusion + LM fusion
Input Size48 × 640 px (height × width)
FrameworkPyTorch

Model Diagram

Input Image (48×640)
       ↓
   ConvStem (CNN)
       ↓
  2D Positional Encoding
       ↓
  Transformer Encoder (4L)
       ↓
   ┌───┴───┐
   ↓       ↓
CTC Head   Transformer Decoder (3L)
   ↓       ↓
   └───┬───┘
       ↓
  Beam Search + CTC Fusion + LM Fusion
       ↓
    Output Text

📊 Dataset

The model is trained on the mrrtmob/khmer_english_ocr_image_line dataset, containing 12 million synthetic images of Khmer and English text lines.

💻 Usage

Installation

pip install kiri-ocr

Python API

from kiri_ocr import OCR

# Initialize (downloads from Hugging Face automatically)
ocr = OCR()

# Extract text from document
text, results = ocr.extract_text("document.jpg")
print(text)

# Access detailed results
for result in results:
    print(f"Text: {result.text}")
    print(f"Confidence: {result.confidence:.2%}")

CLI Tool

# Basic usage
kiri-ocr predict path/to/document.jpg

# With output directory
kiri-ocr predict path/to/document.jpg --output results/

📈 Benchmarks

Results on synthetic test images (10 popular fonts):

Benchmark Table

Benchmark Graph

⚙️ Configuration

Default inference parameters:

ParameterValueDescription
beam_width4Beam search width
ctc_fusion_alpha0.5CTC score fusion weight
lm_fusion_alpha0.35Language model fusion weight
max_length260Maximum output sequence length

📁 Model Files

kiri-ocr/
├── config.json          # Model configuration
├── vocab.json           # Character vocabulary
├── model.safetensors    # Model weights
└── README.md            # This file

🔗 Links

Join our Discord Community](https://discord.gg/Vcrw274RVC)

📄 License

This model is released under the Apache 2.0 License.

Как запустить

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

GPU в ailist

Универсальный рантайм · kiri-ocr

Нельзя запустить

Архитектура kiri-ocr неизвестна transformers в образе рантайма.

Класс архитектуры
KiriOCR
Ревизия весов
3a38198

0 моделей