/ Модель

Характеристики

Контекст
512 токенов
Лицензия
CC BY-NC-SA 4.0
Архитектура
vision-encoder-decoder · dense
Базовая модель
trocr-large-printed
Библиотека
transformers
Опубликована
21 июл 2026

trocr-large-printed-sanskrit-iso-preadapt

Описание изображенийИзображение → текст

Модель распознаёт печатные строки санскрита в деванагари и транслитерирует их в ISO 15919.

11скачиваний за 30 дней0лайковвеса обновлены15 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

Это модель OCR на базе TrOCR Large, разработанная автором репозитория yzk и дообученная от microsoft/trocr-large-printed. Она принимает изображение одной печатной строки или слова на санскрите, набранного письмом деванагари, и выдаёт транслитерацию ISO 15919 без ведических знаков ударения. Модель содержит около 609 млн параметров и построена по архитектуре vision-encoder-decoder.

Модель предназначена для распознавания печатных санскритских текстов и преобразования деванагари в латинскую транслитерацию ISO 15919. Её обучали на 9 681 изображении печатного санскрита без ведических знаков ударения из двух наборов данных. Для текста со знаками ведического ударения, рукописей, целых страниц или иных языков качество не подтверждено. Лицензия модели — CC BY-NC-SA 4.0; коммерческое использование ограничено условиями лицензии, а права на изображения из одного из обучающих наборов не указаны.

Сценарии применения

  • распознавание печатных строк санскрита на изображениях
  • транслитерация санскрита из деванагари в ISO 15919
  • оцифровка печатных санскритских слов
  • подготовка латинской транслитерации для санскритских корпусов

Ограничения

Предназначена для печатного санскрита без ведических знаков ударения; работа с рукописями и страницами целиком не подтверждена. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование, а права на данные одного обучающего набора не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trocr-large-printed-sanskrit-iso-preadapt

A TrOCR model fine-tuned from microsoft/trocr-large-printed to transcribe printed Devanagari Sanskrit line images directly into ISO 15919 romanization. It is the shared initialization of all models in yzk/trocr-vedic-cross-notation-rv-ms.

  • Input: one printed Devanagari text-line (or word) image.
  • Output: ISO 15919 romanization, unaccented (no Vedic accent marks).
  • Parameters: 609,169,408 (encoder 304,666,624 / decoder 304,502,784).

Training data

9,681 real printed Devanagari Sanskrit images (non-Vedic, no accent marks) with ISO 15919 targets, from two public Hugging Face datasets:

SourcetrainvaltestLicense
Process-Venue/Sanskrit-OCR-Typed-Dataset3,085171171CC BY-NC-SA 4.0
diabolic6045/sanskrit-ocr-parallel-corpus-chat-template5,630312312not stated on the dataset card

License note. This model is released under CC BY-NC-SA 4.0 to respect the share-alike, non-commercial terms of the Process-Venue dataset. The diabolic6045 dataset does not state a license, and the origin of its images is not documented; rights in that data remain with their holders. Contact the author if you hold rights in this data and have concerns.

Training

3 epochs, learning rate 2e-5, linear schedule with warmup ratio 0.05, batch size 4 per device. The base model microsoft/trocr-large-printed is released under the MIT license as part of microsoft/unilm.

Usage

from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image

repo = "yzk/trocr-large-printed-sanskrit-iso-preadapt"
processor = TrOCRProcessor.from_pretrained(repo)
model = VisionEncoderDecoderModel.from_pretrained(repo)

pixel_values = processor(Image.open("line.png").convert("RGB"), return_tensors="pt").pixel_values
ids = model.generate(pixel_values, num_beams=4, max_length=256)
print(processor.batch_decode(ids, skip_special_tokens=True)[0])

Citation

@inproceedings{TODO-paclic2026,
  title     = {Transfer Between Accent Notations in Vedic OCR: Learning Visual Conventions from Parallel Text},
  author    = {TODO},
  booktitle = {Proceedings of the 40th Pacific Asia Conference on Language, Information and Computation (PACLIC 2026)},
  year      = {2026}
}

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
e49da7b

0 моделей