К содержимому
Другое

anaksor-ocr

OCR для кхмерского и латиницы

2 мин чтения

Sokheng выложил веса OCR для кхмерского и английского/латинского текста на документах, чеках и фотографиях вывесок. Это пара моделей: детектор Mobile DBNet++ и распознаватель SVTRv2-B + CTC; текущие версии — DBNet++ v1 и rec v4. Есть Python-пакет anaksor-ocr с ONNX Runtime или PyTorch.

Ключевые особенности

  • Детектор Mobile DBNet++: RepViT backbone + RSEFPN + Adaptive Scale Fusion + DB head — находит строки текста.
  • Распознаватель SVTRv2-B с CTC-головой читает каждую вырезанную строку; в конфиге высота 48 и до 140 символов.
  • Пакет работает через ONNX Runtime без PyTorch или с PyTorch-бэкендом (CUDA, Apple MPS).
  • Можно закрепить релиз (rec-v4-det-dbpp-v1) или запускать офлайн с локальными весами.
  • Загрузка проверяет SHA-256; форматы .onnx/.safetensors не исполняют код при загрузке.
  • Набор символов: 211 символов + пробел; поддержка кхмерского и латиницы.

Пример

import anaksor

ocr = anaksor.OCR()
result = ocr("letter.jpg")
print(result["text"])
ПодробнееБенчмарки: rec v4 на real validation — 86.7% line accuracy / 1.38% CER; Latin — 76.4% / 4.29%. Detection на HierText — hmean 0.724; на повороте 45° — 0.421 против 0.303 у v3.
Детектор: 3.15M параметров (+21k к v3), дообучен 40 эпох.
Обучение rec: fine-tune от китайского SVTRv2-B из OpenOCR на KhmerST, HierText и 300k синтетических строк.
Ограничения: в основном печатный кхмерский; рукописный текст и декоративные шрифты слабее; латиница на фото — самый слабый случай. Длинные строки читаются перекрывающимися окнами.
Лицензия весов — Apache-2.0.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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 · BF16 — 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.

    # Sokheng/anaksor-ocr
    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 Sokheng/anaksor-ocr --local-dir ~/models/anaksor-ocr
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к anaksor-ocr
  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 anaksor-ocr — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Sokheng/anaksor-ocr
Автор
Sokheng
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

OpenHeart

OpenHeart