/ Модель

Характеристики

Контекст
131 072 токена
Параметры
318 млн
Лицензия
Apache 2.0
Архитектура
paddleocr_vl · dense
Базовая модель
PaddleOCR-VL
Опубликована
20 дек 2025

unsloth_finetune_ocr_arabic

Генерация текстаТекст → текст7 профессий

Glimpse — дообученная модель OCR для распознавания арабского и персидского текста на изображениях строк.

49скачиваний за 30 дней1лайквеса обновлены23 дек 2025

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 «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.

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

Glimpse — модель распознавания текста на изображениях строк, разработанная surfiniaburger для арабской и персидской письменности. Это дообученная на базе unsloth/PaddleOCR-VL компактная мультимодальная модель с архитектурой PaddleOCR-VL; карточка также описывает её как ERNIE-4.5-0.3B Vision-Language Model. В метаданных указаны 318,2 млн параметров и контекст 131 072 токена.

Модель предназначена для OCR изображений с текстом справа налево, включая строки со сложными лигатурами и разными шрифтами. По данным карточки, после 500 шагов дообучения CER на отложенных RTL-строках составил 6,97% против примерно 59% у исходной модели. Использованы датасет Persian_Arabic_TextLine_Image_Ocr_Medium и QLoRA; заявленные показатели относятся к описанной оценке и не гарантируют качество на других данных.

Лицензия — Apache-2.0. Модель рассчитана прежде всего на арабский и персидский языки; данных о поддержке других языков OCR в карточке нет.

Сценарии применения

  • Распознавание арабского текста на сканах и фотографиях
  • Распознавание персидских текстовых строк на изображениях
  • Извлечение текста справа налево из документов
  • Распознавание строк со сложными арабскими лигатурами

Ограничения

Заявленный CER получен на отложенных изображениях текстовых строк и не гарантирует такую же точность на документах или данных других типов. Карточка не приводит оценки качества для иных языков и сценариев.

Для каких профессий подходит7

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

Glimpse: Multi-Modal OCR for RTL Scripts (Arabic & Persian)

Glimpse is a high-precision OCR model specialized for Right-to-Left (RTL) languages. It was developed as part of the ERNIE AI Developer Challenge 2025 to solve the "Script Bias" typically found in general-purpose vision models.

Model Details

  • Developed by: surfiniaburger
  • License: apache-2.0
  • Finetuned from model: unsloth/PaddleOCR-VL
  • Architecture: ERNIE-4.5-0.3B Vision-Language Model

📊 Performance Metrics

After 500 steps of fine-tuning, Glimpse achieved the following results on unseen RTL text lines:

  • Character Error Rate (CER): 6.97% (Reduced from ~59% baseline)
  • Validation Loss: 0.25 (Near-perfect convergence)

📚 Dataset Credit

This model was trained using the Persian & Arabic Text-Line Image OCR Dataset (Medium) curated by Mohammad Reza Hajesmaeili.

🛠 Training Tools

This model was trained 2x faster using Unsloth and Huggingface's TRL library. We utilized QLoRA (4-bit) to ensure efficient memory usage while maintaining high-fidelity weights.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PaddleOCRVLForConditionalGeneration
Ревизия весов
f7fb0a2

0 моделей