/ Модель

Характеристики

Архитектура
vision-encoder-decoder · dense
Библиотека
transformers
Опубликована
30 сен 2026

invoice-doc-to-text

Описание изображенийИзображение → текст4 профессии

Модель на основе Donut преобразует изображения счетов-фактур в текст для автоматизированного разбора документов.

415скачиваний за 30 дней1лайквеса обновлены5 окт 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

ridwanFatur98/invoice-doc-to-text — модель для разбора счетов-фактур, построенная на архитектуре Donut типа vision-encoder-decoder. Она принимает изображение документа и генерирует текстовое представление его содержимого; модель предназначена для извлечения данных из счетов и автоматизации их обработки. Репозиторий содержит веса в формате safetensors и рассчитан на загрузку через Transformers с DonutProcessor и VisionEncoderDecoderModel.

Карточка не сообщает размер модели, поддерживаемые языки, длину контекста или лицензию. Поэтому область применения по языкам и условия использования не уточняются; качество распознавания может зависеть от вида, качества и языка исходного счета.

Сценарии применения

  • извлечение текста из изображения счета-фактуры
  • автоматизация разбора счетов
  • перенос содержимого счета из скана в текстовый формат

Ограничения

В карточке не приведены результаты оценки качества и сведения о поддерживаемых языках. Точность может зависеть от качества изображения и оформления счета.

Для каких профессий подходит4

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

Invoice Document to Text

Donut-based model for invoice document parsing.

Load

import torch
from transformers import DonutProcessor, VisionEncoderDecoderModel

ckpt = "ridwanFatur98/invoice-doc-to-text"

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

processor = DonutProcessor.from_pretrained(ckpt)
model = VisionEncoderDecoderModel.from_pretrained(ckpt)

model.to(device)
model.eval()

Inference

from PIL import Image

image = Image.open("invoice.png").convert("RGB")

pixel_values = processor(
    image,
    return_tensors="pt"
).pixel_values.to(device)

if device.type == "cuda":
    pixel_values = pixel_values.to(torch.float16)

decoder_input_ids = processor.tokenizer(
    "<parsing>",
    add_special_tokens=False,
    return_tensors="pt"
).input_ids.to(device)

with torch.no_grad():
    generated_ids = model.generate(
        pixel_values,
        decoder_input_ids=decoder_input_ids,
        max_length=128,
        bad_words_ids=[[processor.tokenizer.unk_token_id]],
    )

generated_text = processor.batch_decode(
    generated_ids,
    skip_special_tokens=False
)[0]

result = processor.token2json(generated_text)

print(result)

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
39892aa

0 моделей