К содержимому
Другое

SynthOnly JA STR 6M

OCR, обученный только на синтетике

2 мин чтенияобновлено

Это модель распознавания текста (image-to-text) от devneko: принимает вырезанную строку изображения и возвращает строку текста. Около 6 млн параметров, японский и латинский алфавиты, горизонтальная и вертикальная запись. Обучена исключительно на синтетических данных — реальные фото и рукопись в обучении не использовались.

Ключевые особенности

  • Около 6,00 млн параметров; на CPU в 1 поток и batch 1 с предобработкой — примерно 19 мс на строку (Apple M).
  • Только синтетика: 22 млн сэмплов, 1 910 шрифтов, шаблоны вывесок, чеков, ценников, бумаг, LED и 7-сегментных индикаторов; рукопись синтезирована по данным о штрихах KanjiVG.
  • На JaWildText board+receipt — 81,03% точного совпадения против 70,57% у NDLOCR-Lite.
  • Читает печатный и рукописный текст, горизонтальные и вертикальные строки; выход ограничен 7 090 символами из charset.txt и 50 символами на строку, с NFKC-нормализацией и без пробелов.
  • Не детектирует текст: на вход нужна уже вырезанная одна строка. Наклон от 45° и перевёрнутые изображения приводят к ошибкам.
  • Лицензия CC BY 4.0: коммерческое использование разрешено с указанием источника.

Пример

import sys
sys.path.insert(0, "synthonly_infer")
from recognize import Recognizer

rec = Recognizer(".", device="cpu")  # cpu или cuda
print(rec(["crop.jpg"]))
ПодробнееПодробнее
JaWildText test: board+receipt — 81,03% точного совпадения; рукописные строки — 32,66% (CER 12,42); английский набор из 7 672 строк — 81,79%.
Скорость: CPU, 1 поток, batch 1, с предобработкой — около 19 мс на строку (Apple M).
Ограничения: только одна строка до 50 символов; нет детекции текста; наклон от 45° и перевёрнутые изображения ломают распознавание; рукописный латинский, греческий и формулы даются хуже.
Лицензия CC BY 4.0: коммерческое использование разрешено с указанием источника.
Обсудить Telegram 0 24

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # devneko/synthonly-ja-str-6m-202611
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download devneko/synthonly-ja-str-6m-202611 --local-dir ~/models/synthonly-ja-str-6m-202611
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к synthonly-ja-str-6m-202611
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии synthonly-ja-str-6m-202611 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

devneko/synthonly-ja-str-6m-202611
Автор
devneko
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

MultiMFM

MultiMFM