I.3Извлечение и структурирование данных

elprofessor67/om-logistics-pod-new-v0 — дообученная мультимодальная модель семейства Qwen3-VL, разработанная elprofessor67 на базе elprofessor67/om-logistics-pod-v8-beta-8b. Модель принимает текст и изображения и предназначена для диалоговых задач формата image-text-to-text, в том числе анализа изображений в запросах на естественном языке. Модель представлена в формате Safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Специализированная область, размер модели и длина контекста в доступных сведениях не приведены.

OpenMed-ZeroShot-NER-DNA-Multi-209M — модель распознавания именованных сущностей для молекулярно-биологических текстов, разработанная OpenMed. Она построена на архитектуре GLiNER и дообучена на корпусе JNLPBA, составленном из аннотаций MEDLINE. Модель извлекает белки, ДНК, РНК, клеточные линии и типы клеток; подход zero-shot позволяет задавать собственные категории сущностей без отдельного дообучения. Модель предназначена для разметки научной литературы и других биомедицинских текстов, например для курирования биологических путей и поиска молекулярных взаимодействий. В README приведён показатель F1 0,78 на тестовом наборе, исключённом из обучения. Метаданные указывают задачу token-classification, язык английский и лицензию Apache-2.0, допускающую коммерческое использование при соблюдении её условий.

iApp OpenThai-SystemOne-Ollama — сборка модели OpenThai-SystemOne v0.3 для Ollama. Это дообученная модель Qwen3.5 с 0,8 млрд параметров, предназначенная для классификации и выбора действий по заданным вариантам на тайском и английском языках. Вместо свободного текста она оценивает вероятности для выбора одного из вариантов, ответа «да/нет» и оценки по упорядоченной шкале; входное состояние может быть текстом или JSON. Сборка использует формат GGUF и Ollama System One API, работает локально и не требует API-ключа. Для неё указаны варианты BF16, Q8_0 и Q4_K_M; контекст Ollama настроен на 8192 токена. Модель дообучена на запросах, подготовленных для этого API, и README приводит результаты оценки на публичных и тайских наборах данных. Модель рассчитана на структурированные решения, например классификацию и ранжирование вариантов, а не на чат или генерацию текста. В Ollama для одного вопроса допускается от 2 до 26 вариантов, отсутствует режим воздержания; для сомнительных решений рекомендуется передавать запрос более крупной модели или человеку. Лицензия — Apache-2.0.

ProMiNER Russian BioNNE-L Retriever — модель на базе Sentence Transformers, разработанная для системы связывания биомедицинских сущностей ProMiNER. Она преобразует упоминание на русском языке в векторное представление и извлекает подходящие концепты UMLS для последующей переоценки отдельной моделью reranker. Модель дообучена на парах упоминание–концепт из BioNNE-L с InfoNCE-подобными внутрипакетными негативными примерами и пакетированием с учётом CUI. Архитектура — XLM-RoBERTa с плотными эмбеддингами; размер — 305,2 млн параметров, максимальный контекст — 514 токенов. Для обучения использовано 172 593 пары, а контрольной метрикой была Acc@20; на тестовой выборке указаны Acc@1 0,698 и MRR 0,757. Модель предназначена для русского биомедицинского entity linking в сценариях BioNNE-L и лицензирована по MIT.

Qwen3-30B-A3B-Agentic-ESOpt-DocVQA (theta40) — полно-параметрический чекпойнт BF16 на базе Qwen/Qwen3-30B-A3B, полученный детерминированным воспроизведением 40 обновлений Agentic-ESOpt. Архитектура — MoE Qwen3; метаданные указывают 2,6 млрд параметров и контекст 131 072 токена. Модель предназначена для генерации ответов на вопросы по документам в задаче DocVQA. В отчёте автора приведены ANLS 0,3653 и точность 39% для среднего по четырём выборкам, а также ANLS 0,5078 и точность 53% при оценке по лучшему результату из четырёх. Это результаты указанной конфигурации оценки, а не гарантия качества на других данных. Модель использует Transformers и распространяется в формате safetensors. README указывает на полный чекпойнт BF16; лицензия в предоставленных данных не указана. Метаданные описывают текстовую генерацию и возможность диалога, но не заявляют поддержку изображений, поэтому способ подачи документов с изображениями из этих сведений установить нельзя.

Finnish-NLP/roberta-large-finnish-v2 — крупная предобученная языковая модель RoBERTa, разработанная командой Finnish-NLP для обработки финского текста. Это версия предыдущей Finnish-NLP/roberta-large-finnish, обученная с теми же гиперпараметрами на более тщательно очищенном корпусе; по приведённым в карточке оценкам очистка не дала заметного улучшения результатов. Модель содержит 454,1 млн параметров, использует архитектуру RobertaForMaskedLM и доступна в форматах PyTorch и Flax. Модель обучалась на финских текстах из mC4, Википедии, новостных архивов Yle и STT, а также корпуса Suomi24. Она чувствительна к регистру, использует BPE-токенизацию и принимает последовательности до 514 токенов по метаданным. Основное прямое применение — восстановление замаскированных токенов; также модель предназначена для дообучения на классификации последовательностей и токенов, а также на ответах на вопросы. Для генерации текста она не предназначена. Лицензия — Apache-2.0. Корпуса включают неотфильтрованный интернет-контент, поэтому предсказания модели могут отражать его предвзятость; качество на конкретных задачах зависит от последующего дообучения.

SCIroShot — англоязычная модель для классификации текста без заранее заданного набора классов, разработанная SIRIS Lab и Language Technologies Unit Barcelona Supercomputing Center. Это дообученная RoBERTa-large с 454,1 млн параметров, которая использует подход, основанный на проверке следования (entailment), и предназначена прежде всего для классификации научных текстов по заданным пользователем категориям. Модель обучали на более чем двух миллионах англоязычных научных статей из Microsoft Academic Graph: заголовках, аннотациях и категориях научных дисциплин. Она также может применяться к текстам общего назначения; карточка сообщает о сильных результатах в научной области и конкурентных результатах на некоторых общих задачах. Контекст составляет 514 токенов. Лицензия — Apache 2.0. Возможное смещение и токсичность модели отдельно не оценивались. Качество может зависеть от области текста и выбранных меток; для научной классификации модель обучалась на данных с публикациями 2000–2021 годов.

Модель hasindu-k/sinhala-handwritten-notes-v3 — дообученная на пользовательском наборе рукописных учебных заметок модель TrOCR для распознавания сингальского текста на изображениях. Она построена на архитектуре vision-encoder-decoder и предназначена прежде всего для извлечения слов или коротких строк из обрезанных фрагментов рукописных записей, например, чтобы оцифровывать учебные материалы и передавать распознанный текст в поиск, суммаризацию или систему вопросов и ответов. Модель лучше применять к чётким изображениям с высоким контрастом, небольшим фоновым шумом и минимальными тенями или перекосом. В описанных экспериментах лучшая валидационная CER составила 0,3453, а WER — 0,4717; README также отмечает признаки переобучения. Модель может ошибаться на похожих символах и незнакомых стилях почерка, а качество распознавания длинных предложений и нескольких слов на одном изображении может быть низким. Для важных решений результат следует проверять вручную. Лицензия — Apache-2.0.

slm-500m-legal-sft — дообученная модель семейства Llama на 517,8 млн параметров от автора abhishekai. Она предназначена для ответов на вопросы по предоставленным фрагментам юридических и финансовых текстов: пользователь должен включить исходный фрагмент в запрос, поскольку модель не рассчитана на ответы без контекста. Модель обучена на синтетических парах вопрос–ответ и поддерживает диалоговый режим; использует библиотеку Transformers и формат safetensors. Размер контекста — 1 024 токена, основной язык — английский. По оценке на 300 отложенных запросах модель получила средний балл 4,65 из 10. Она подходит для извлечения сведений, краткого пересказа, переформулирования и перечисления фактов из переданного текста. Модель ненадёжна в арифметике, может воспроизводить ошибки и смещения синтетических обучающих данных и не заменяет юридическую или финансовую консультацию. Распространяется по лицензии Apache-2.0.

Mungert/SmolVLM-500M-Instruct-GGUF — мультимодальная модель для задач преобразования изображений и текста в текст, опубликованная пользователем или организацией Mungert в формате GGUF. В качестве базовых компонентов указаны HuggingFaceTB/SmolLM2-360M-Instruct и google/siglip-base-patch16-512; исходная модель связана с разработчиками Hugging Face и Google. При генерации GGUF использовалась llama.cpp. Модель предназначена для сценариев, в которых требуется анализировать изображения и формировать текстовые ответы, например отвечать на вопросы по изображениям или обрабатывать визуально-текстовые данные. В метаданных указаны датасеты HuggingFaceM4/the_cauldron и HuggingFaceM4/Docmatix, а поддерживаемый язык — английский. Заявленный размер модели — около 500 млн параметров. Сведения о размере контекстного окна, точной архитектуре мультимодального взаимодействия и результатах тестирования отсутствуют. Главное преимущество — наличие множества вариантов точности и квантизации, включая BF16, F16, гибридные форматы и квантованные варианты Q4, Q6, Q8 и IQ, что позволяет выбирать баланс между качеством, скоростью и потреблением памяти на CPU, GPU и устройствах с ограниченной VRAM. Более агрессивная квантизация уменьшает требования к памяти, но может заметно снижать точность; для ультранизкобитных вариантов автор предупреждает о возможных проблемах с работоспособностью. Лицензия — Apache-2.0.

Spoofdetection — модель распознавания речи на базе wav2vec2, дообученная автором репозитория 202015004 на facebook/wav2vec2-base. Она содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForCTC; доступные веса представлены в формате PyTorch. Модель предназначена для преобразования аудио в текст, однако README не раскрывает обучающий датасет и конкретный сценарий обнаружения спуфинга, несмотря на название репозитория. В README приведены результаты оценки: loss 1,7448 и WER 0,109. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых языках и дополнительных ограничениях в карточке нет.

Telugu OCR Model — модель распознавания печатных строк на телугу, разработанная Harsha Desaraju и обученная с нуля для этой задачи. Она принимает изображение одной строки и возвращает её текст. Архитектура включает сверточный экстрактор признаков, трансформерный энкодер с CTC-головой и 16-слойный GPT-декодер с перекрёстным вниманием; размер — около 81 млн параметров, формат весов — safetensors. Для токенизации используются графемные кластеры телугу. В README приведены результаты проверки на 1044 размеченных строках: символьная ошибка 1,19%, ошибка акшар 1,98%, точное распознавание строки — 71,7%. Доступны режимы декодирования joint, ctc и beam. Модель предназначена для распознавания строк печатного текста телугу в сканах книг. Она не выполняет поиск строк или анализ макета страницы: изображения нужно предварительно сегментировать. Не подходит для рукописей, вывесок, текста в сценах и исторической орфографии; строка шире 2048 пикселей после масштабирования до высоты 64 не кодируется. Использование требует Transformers с trust_remote_code=True. Лицензия — MIT.

TEMPURA-Qwen2.5-VL-3B — дообученная мультимодальная модель на базе Qwen/Qwen2.5-VL-3B-Instruct, созданная для анализа временной структуры событий в видео. Она формирует подробные описания последовательных событий с временными метками, рассуждает о скрытых фрагментах и находит моменты, соответствующие текстовому запросу. Модель предназначена для плотного описания видео, временной локализации событий и обнаружения ярких моментов. На вход подаются видеокадры, отобранные с частотой 1 кадр в секунду и снабжённые временными метками; ответы выдаются на естественном языке. Модель построена на архитектуре Qwen2.5-VL и представлена в формате safetensors. В карточке указана лицензия other; конкретные условия лицензии следует сверить с репозиторием.

datarpit/toy — модель на базе DistilBERT, дообученная для ответа на вопросы. Карточка сообщает, что для обучения использовался набор данных с названием None; дополнительных сведений о данных и назначении не приводит. Модель предназначена для задачи question answering. Архитектура — DistilBertForQuestionAnswering; формат весов — PyTorch, максимальный контекст — 512 токенов. По идентификатору базовой модели это англоязычная версия distilbert-base-uncased. В README приведено значение loss 0,2124 на оценочном наборе, но не описаны метрика, протокол оценки и ограничения качества. Лицензия — Apache-2.0.

Модель personalizedrefrigerator/trocr-small-fr — дообученная на пользовательском наборе данных компактная TrOCR для распознавания французского текста на изображениях. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображения с текстом в текст, в частности для распознавания рукописных строк, как её базовая модель microsoft/trocr-small-handwritten. В README приведены результаты оценки: CER 0,0138 и WER 0,0455. Состав и условия получения обучающего набора не описаны, поэтому результаты нельзя уверенно переносить на другие типы текста и изображений. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии отсутствуют в предоставленных источниках.

T-RSI OCR — экспериментальная модель psikosen для распознавания печатных текстовых строк на изображениях. Это плотная архитектура TRSIFastReflexForOCR с 1,5 млн параметров и трёхзначными весами BitNet, упакованными по четыре значения в байт; модель принимает полосу текста высотой 32 пикселя и выдаёт последовательность символов с помощью CTC. Для декодирования можно использовать поиск по префиксному лучу с символьной языковой моделью; также описан режим объединения результатов для разных горизонтальных растяжений изображения. Модель предназначена для распознавания строк в документах и сравнивалась с Tesseract 5 на синтетических шрифтах и строках, вырезанных из цифровых PDF. README сообщает о высокой точности по отдельным символам и ускорении на Apple Silicon при использовании SIMD, но результаты получены на одном Apple M4 Max и не были независимо воспроизведены. Это распознаватель строк: он не выполняет сегментацию страниц, анализ макета или таблиц. Поддерживается ограниченный набор из 95 печатных ASCII-символов без диакритики, иероглифов, математических обозначений и типографских кавычек. Модель доступна по лицензии MIT.

vprojectx/VMiniBert — англоязычная модель Transformer-энкодера на 108 млн параметров, разработанная vprojectx и обученная с нуля как Masked Language Model. Она предсказывает замаскированные токены и предназначена прежде всего для дообучения под классификацию текста, распознавание именованных сущностей и извлечение слов по контексту. Архитектура сочетает 12 голов внимания и скрытый размер 768 с RoPE, RMSNorm и блоками GeGLU. Модель обучалась на смеси WikiText-103, BookCorpusOpen, FineWeb и C4 с динамическим Whole-Word Masking. В метаданных указан контекст 32 токена; карточка приводит оценку на тестовых выборках WikiText. Небольшой объём обучения — около 250 тысяч примеров — означает, что для прикладных задач, вероятно, потребуется дообучение. Работа с последовательностями длиннее 32 токенов не проверена; модель не предназначена для длинных документов и не должна применяться в продакшене без дообучения. Лицензия — MIT.

Модель XLM-RoBERTa, дообученная автором репозитория на наборе UIT-ViQuAD 2.0 для извлекающего ответа на вопросы по тексту на вьетнамском языке. Она принимает абзац-контекст и связанный с ним вопрос, затем извлекает ответный фрагмент из контекста либо возвращает пустой ответ, если вопрос неразрешим. Такой режим следует подходу SQuAD 2.0 и подходит для систем машинного чтения и поиска ответов по предоставленным текстам. В основе — XLM-RoBERTa-base с архитектурой Transformer-энкодера и головой предсказания начальной и конечной позиций ответа; размер модели — 305,2 млн параметров, библиотека — Transformers, формат весов — safetensors, длина контекста — 514 токенов. Модель обучена на вьетнамском бенчмарке с вопросами, допускающими отсутствие ответа; в карточке также отмечен английский язык, однако README описывает назначение и обучение для вьетнамского. Автор сообщает о конкурентных результатах относительно базовых систем VLSP 2021, но численные метрики в доступном тексте отсутствуют. Лицензия в предоставленных данных не указана.

Bubunur/ag-news-classifier — англоязычный классификатор новостных текстов, созданный дообучением DeBERTa-v3-base. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 для классификации последовательностей и принимает текст длиной до 512 токенов. Она относит новость к одной из трёх категорий: Sports, Business или Sci/Tech. Это вариант AG News без категории World; метки перенумерованы в 0–2. На тестовой выборке из 5 700 примеров AG News без World указаны accuracy 0,9574 и macro F1 0,9573. Модель предназначена для категоризации коротких англоязычных новостных заголовков и описаний. Её качество на социальных сетях, длинных статьях, текстах вне новостной тематики и других языках не проверялось; данные обучения относятся к новостным материалам начала 2000-х. Аудит смещений не проводился. Лицензия — MIT.

wissamantoun/araelectra-base-artydiqa — модель для ответов на вопросы по тексту на арабском языке. Согласно карточке, это AraELECTRA, дообученная на арабской части набора ArTyDiQA; архитектура — ElectraForQuestionAnswering, размер — 162,4 млн параметров. Модель принимает вопрос и контекстный текст и предсказывает ответ в его пределах. Модель подходит для систем поиска ответов по арабским текстам, в частности по материалам арабской Википедии. Максимальная длина контекста — 512 токенов. Опубликованные форматы весов — PyTorch и safetensors; README также упоминает демонстрационную систему на Streamlit. Сведения о лицензии в предоставленных данных отсутствуют.

Asclepius-Llama2-7B — клиническая языковая модель на архитектуре Llama 2, разработанная как улучшенная версия Asclepius-7B. Модель дообучена на базе Llama2-7B и имеет 6,6 млрд параметров; контекст — до 4096 токенов. Она предназначена для работы с клиническими заметками на английском языке. Модель выполняет задачи клинического NLP: распознаёт именованные сущности и отношения, раскрывает сокращения, извлекает временную информацию, разрешает кореференцию, перефразирует и суммирует заметки, отвечает на вопросы по ним. Указанные сценарии требуют проверки специалистом и не подтверждают пригодность для принятия клинических решений. В карточке указано исследовательское назначение. Метаданные Hugging Face обозначают лицензию CC-BY-NC 4.0, тогда как README указывает CC-BY-NC-SA 4.0; лицензионные условия следует сверить с актуальными материалами репозитория перед использованием.

CMB-ClimateModernBERT/A_S_F_CX_LRD — англоязычная модель ModernBERT-base, дообученная продолжением предобучения на климатических текстах. Она предназначена для кодирования климатических текстов и последующей тонкой настройки под классификацию, многометочную разметку и поиск по раскрытиям компаний, политическим документам, научной литературе и климатическим новостям. Архитектура — плотный энкодер ModernBERT с 149 млн параметров; модель поддерживает контекст до 8192 токенов и задачу заполнения пропусков. Обучение продолжено на объединённом корпусе объёмом 6,42 млрд токенов: академических публикациях, синтетических текстах и отфильтрованных климатических веб-текстах. В описанной оценке модель набрала в среднем 74,8 F1 по девяти климатическим NLP-бенчмаркам; для общего применения авторы рекомендуют объединённую версию семейства с результатом 76,3 F1. Модель не следует использовать как чат-ассистента или источник гарантированно точных климатических фактов. Лицензия в предоставленных данных не указана.

Модель Davlan/bert-base-multilingual-cased-finetuned-hausa — версия BERT, дообученная разработчиком на текстах на языке хауса. Она основана на bert-base-multilingual-cased и предназначена прежде всего для предсказания скрытых токенов в тексте; README также приводит улучшенные результаты на наборах для классификации текстов и распознавания именованных сущностей по сравнению с исходной многоязычной моделью. Модель содержит 205,1 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Обучение проводилось на корпусе Hausa CC-100; оценка на MasakhaNER и VOA Hausa Textclass показывает пользу дообучения для распознавания сущностей и классификации новостных текстов. Данные об условиях лицензии в предоставленной карточке отсутствуют.

BETO — испаноязычная модель семейства BERT, разработанная командой из Universidad de Chile и предназначенная для работы с испанским текстом. Эта версия uncased не различает регистр букв и обучена с техникой Whole Word Masking на большом испанском корпусе. Она содержит около 137,1 млн параметров, использует архитектуру BertForMaskedLM и обрабатывает последовательности длиной до 512 токенов. Модель предназначена прежде всего для предсказания скрытых фрагментов текста: она помогает восстанавливать пропущенные слова и получать контекстные представления для последующей адаптации к испаноязычным задачам NLP. В карточке приведены результаты BETO на испанских бенчмарках, включая POS-разметку, распознавание именованных сущностей и классификацию документов; эти результаты относятся к оценкам модели в соответствующих задачах и не означают, что данный чекпойнт напрямую выдаёт все такие разметки без дополнительного обучения. Доступны веса для PyTorch, TensorFlow и JAX/Flax. Условия лицензирования в предоставленных сведениях не описаны.

categorai23cats — дообученная модель DistilBERT для классификации текстов по 23 категориям. Она основана на distilbert-base-uncased и предназначена для присвоения тексту категории в сценариях, где набор классов заранее определён. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и поддерживает контекст до 512 токенов. В README указаны результаты оценки: accuracy 0,7426 и loss 1,6794. Названия категорий и данные о наборе обучения не приведены, поэтому применимость к конкретной тематике неясна. Модель распространяется по лицензии Apache-2.0.

deprem-ml разработала модель deprem-ner для извлечения географических и адресных сущностей из сообщений о людях, оказавшихся под завалами после землетрясения. Она предназначена для анализа обращений о помощи и поиска сведений об улице, провинции, районе, квартале, здании и этаже. Модель построена на BERT и решает задачу классификации токенов; число параметров — 137,8 млн, контекст — до 512 токенов. В качестве входа принимает текст, а на выходе выделяет сущности в тексте. Карточка приводит примеры сообщений на турецком языке. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Модель small-models-for-glam/detr-resnet-50_nls-chapbooks разработана как дообученная версия DETR на ResNet-50 для поиска печатных иллюстраций на страницах дешёвых народных книжек chapbook. Она обнаруживает один класс объектов — early_printed_illustration — и возвращает ограничивающие рамки, поэтому подходит для обработки сканов исторических изданий и подготовки коллекций к каталогизации или изучению. Модель создана на основе facebook/detr-resnet-50 и обучена 10 эпох на наборе biglam/nls_chapbook_illustrations с разметкой рамок иллюстраций со сканов Национальной библиотеки Шотландии. Использует архитектуру DETR; в репозитории доступны веса PyTorch и Safetensors. Лицензия — Apache-2.0.

Модель Gholamreza/distilbert-fa-zwnj-base-finetuned-pquad — версия DistilBERT, дообученная на наборе данных PQuAD для ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и предсказывает ответный фрагмент. Модель предназначена для систем поиска ответов на вопросы на персидском языке; в README приведены результаты на тестовой и валидационной выборках PQuAD: F1 около 80,2 и 78,9 соответственно. Модель основана на HooshvareLab/distilbert-fa-zwnj-base, использует архитектуру DistilBertForQuestionAnswering и поддерживает контекст длиной до 512 токенов. Доступна в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Показатели оценки отражают результаты на PQuAD и не гарантируют такую же точность на других данных. Карточка не уточняет ограничения и предполагаемые сценарии применения сверх ответа на вопросы по контексту.

Модель mrm8488/electra-small-finetuned-squadv2 создана Мануэлем Ромеро как дообученная версия ELECTRA small discriminator для ответов на вопросы по текстовому фрагменту. Она получает вопрос и контекст и извлекает из него ответ; если контекст не подтверждает ответ, модель может воздержаться от ответа, как предусмотрено форматом SQuAD 2.0. Модель использует архитектуру ELECTRA для вопросно-ответной задачи, содержит 20,4 млн параметров и рассчитана на контекст до 512 токенов. В README приведены результаты на тестовой выборке SQuAD 2.0: EM 69,71 и F1 73,44. Модель предназначена прежде всего для англоязычных текстов и доступна в формате PyTorch. Лицензия — Apache-2.0. Показатели получены на SQuAD 2.0 и не гарантируют такую же точность на других типах текстов; модель ограничена коротким контекстом и английским языком.

estonian-large-handwritten — модель распознавания рукописного текста, разработанная в проекте ArchXAI при поддержке Центральнобалтийской программы. Она дообучена на основе microsoft/trocr-large-handwritten для чтения преимущественно эстонских исторических документов. Архитектура Transformer encoder-decoder обрабатывает изображение отдельной строки текста и генерирует её текстовую расшифровку. Модель предназначена для оцифровки архивных документов, исторических рукописей и рукописных заметок. Обучающая и проверочная выборки включают размеченные строки из Национального архива Эстонии; в обучении также использовались пустые строки из коллекций Национального архива Финляндии. На тестовой выборке указаны CER 0,0281 и WER 0,1294. Для загрузки модели требуется Transformers 5.x; веса представлены в формате safetensors. Модель рассчитана прежде всего на эстонский рукописный текст с латинскими символами и эстонскими диакритическими знаками. Она может хуже работать с другими языками, особенно с нелатинскими письменностями, а также на материалах вне обучающего домена. Лицензия — Apache 2.0.