/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
tflite
Опубликована
6 июн 2026

pp-ocrv5-voicebridge-snapdragon

Описание изображенийИзображение → текст3 профессии

Комплект int8 TFLite-моделей PP-OCRv5 для быстрого распознавания китайского и корейского текста на вывесках и знаках с NPU Snapdragon 8 Elite.

106скачиваний за 30 дней0лайковвеса обновлены6 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

nrl-ai/pp-ocrv5-voicebridge-snapdragon — комплект моделей распознавания текста PP-OCRv5, подготовленный для локального запуска на NPU Snapdragon 8 Elite. В него входят детектор текста PP-HGNetV2 с DB++ и распознаватели китайского и корейского текста на архитектуре SVTR/CTC; модели скомпилированы в формат int8 TFLite через Qualcomm AI Hub.

Комплект предназначен для извлечения текста с вывесок и знаков безопасности на китайском и корейском языках в мобильных приложениях, включая офлайн-перевод. По данным карточки, полный конвейер выполняется примерно за 2,2 мс на Hexagon NPU смартфона Samsung Galaxy S25 Ultra, без перехода на CPU. На 200 фотографиях вывесок из ReCTS полнота точного распознавания составила 48,5%, а средняя полнота по символам — 66%; результат зависит от сложности изображения. Латинский распознаватель не поддерживает предварительно составленные вьетнамские гласные с тоновыми знаками, поэтому модель не подходит для вьетнамского текста. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание китайских надписей на фотографиях вывесок
  • распознавание корейского текста на знаках безопасности
  • поиск и выделение текстовых областей на изображении
  • офлайн-извлечение текста в мобильном приложении на Snapdragon 8 Elite
  • подготовка распознанных надписей для перевода

Ограничения

Оценка на 200 фотографиях вывесок составила 48,5% для полного совпадения и 66% средней полноты по символам; качество на конкретных изображениях может отличаться. Не подходит для вьетнамского текста из-за отсутствия в словаре необходимых составных символов с тоновыми знаками.

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

PP-OCRv5 VoiceBridge — Snapdragon 8 Elite NPU (int8 TFLite)

PP-OCRv5 text detection and recognition for industrial ZH/KO safety signage, compiled to int8 TFLite via Qualcomm AI Hub for the Snapdragon 8 Elite (SM8750) Hexagon V79 HTP NPU.

Built for VoiceBridge — an offline VN↔EN/KO/ZH speech + sign translator for the OneVoice AI Challenge 2026 (Saigon AI Hub + Qualcomm).

Models

FileDescriptionSizeNPU latency (S25 Ultra)
pp_ocrv5_det_mobile.tfliteText detection (PP-HGNetV2 + DB++)807 KB1.23 ms
pp_ocrv5_zh_rec.tfliteChinese text recognition (SVTR/CTC)22 MB0.99 ms
pp_ocrv5_ko_rec.tfliteKorean text recognition (SVTR/CTC)3.9 MB0.49 ms
pp_ocrv5_lat_rec.tfliteLatin text recognition (SVTR/CTC)2.2 MB0.31 ms
zh_dict.txt18 383-char ZH dictionary——
ko_dict.txt11 945-char KO dictionary——

Full ZH/KO sign pipeline ≈ 2.2 ms on Hexagon NPU. 100% NPU — zero CPU fallback.

Performance

Latency — Samsung Galaxy S25 Ultra (SM8750, Android 15)

Measured via Qualcomm AI Hub cloud-hosted real device. Bench date: 2026-06-06. Tool: qai-hub==0.50.0, qairt==2.45.0.

modelNPU msNPU opsvs ORT CPU
det1.23156/156 (100%)105× faster
zh rec0.99219/219 (100%)180× faster
ko rec0.49223/223 (100%)86× faster
lat rec0.31223/223 (100%)148× faster

AI Hub job IDs: det=jg98xw1qp, zh=jp38we2x5, ko=jgnx7evm5, lat=jgj1wln8g

Accuracy — public dataset (ChineseOCRBench / ReCTS, Apache-2.0)

Real store-front signage photos (200 scored), standard ChineseOCRBench substring matching.

metricvalue
recall@full (answer fully recognized)48.5%
mean char-recall66.0%

ReCTS is VQA-style (ground truth = one region; full-image OCR is substring-matched), so recall@full understates pure recognition; char-recall reflects character-level quality on real, cluttered, perspective-distorted signs. Eval script in the VoiceBridge repo (benchmarks/ocr/bench_public.py).

Vietnamese: PP-OCRv5's Latin dictionary has no precomposed Vietnamese tone-mark vowels (verified by byte-level grep). Do not use this for Vietnamese — use a Vietnamese-specialized recognizer (e.g. VietOCR) or ML Kit.

Usage

# Download models
from huggingface_hub import hf_hub_download
det = hf_hub_download("nrl-ai/pp-ocrv5-voicebridge-snapdragon", "pp_ocrv5_det_mobile.tflite")
rec = hf_hub_download("nrl-ai/pp-ocrv5-voicebridge-snapdragon", "pp_ocrv5_zh_rec.tflite")

On-device (Flutter/Android + LiteRT + QNN delegate):

// See lib/pp_ocrv5.dart in vietanhdev/voicebridge for the full integration.
final engine = PpOcrV5Engine();
final results = await engine.recognize(imagePath, 'zh');

Source models & compilation

  • Source: PaddleOCR 3.x (Apache-2.0) — https://github.com/PaddlePaddle/PaddleOCR
  • ONNX exports: monkt/paddleocr-onnx (Apache-2.0, no pickle)
  • Compiled: qai-hub submit_compile_job(..., options="--target_runtime tflite --quantize_full_type int8") with random PTQ calibration data (100 samples per model)

Script: benchmarks/ocr/compile_aihub.py in https://github.com/vietanhdev/voicebridge

Citation

@software{voicebridge2026,
  author    = {Nguyen, Viet-Anh and {Neural Research Lab}},
  title     = {{VoiceBridge}: Offline On-Device Speech and Sign Translator},
  year      = {2026},
  url       = {https://github.com/vietanhdev/voicebridge},
  note      = {OneVoice AI Challenge 2026, Saigon AI Hub + Qualcomm}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · tflite

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
d54dff3

0 моделей