/ Модель
Каталог

Характеристики

Лицензия
MIT
Архитектура
vision-encoder-decoder · dense
Базовая модель
donut-base
Библиотека
transformers
Опубликована
13 июн 2026

Ссылки

Hugging Face

donut-invoice-v2

rhlprj
Изображение и текст → текст

Дообученная Donut, которая преобразует изображения счетов в текстовые данные для автоматического разбора документов.

7скачиваний за 30 дней0лайковвеса обновлены13 июн 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 «Изображение → текст» — 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.

Открыть конструктор бенчмарка

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

rhlprj/donut-invoice-v2 — дообученная модель Donut для извлечения текста и структурированных сведений из изображений счетов и других документов. Она основана на naver-clova-ix/donut-base и использует архитектуру vision-encoder-decoder; модель принимает изображение и формирует текстовый результат. В метаданных указан формат safetensors и библиотека Transformers.

Карточка сообщает о дообучении на неизвестном наборе данных и значении loss 0,2543 на оценочной выборке, но не описывает схему извлечения, качество на отдельных полях или ограничения. Модель предназначена для разбора счетов; лицензия — MIT.

Сценарии применения

  • извлечение сведений из изображения счета
  • автоматизация разбора счетов-фактур
  • преобразование сканов счетов в текст
  • обработка фотографий документов

Ограничения

Данные обучения не описаны, а значение loss без методики и дополнительных метрик не позволяет оценить точность извлечения. Поддерживаемые типы документов и устойчивость к разным форматам счетов не уточнены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

donut-invoice-v2

This model is a fine-tuned version of naver-clova-ix/donut-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2543

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
2.76091.60875000.6053
0.99213.215810000.2958
0.70624.824515000.2552
0.80135.015550.2543

Framework versions

  • Transformers 5.11.0
  • Pytorch 2.6.0+cu124
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
35305fe

0 моделей

    Создать бенчмарк