К содержимому
Компьютерное зрение

Escriba-OCR-1B

распознавание рукописного текста с сохранением ошибок

2 мин чтенияобновлено

Модель специализируется на оцифровке рукописных студенческих эссе на бразильском португальском языке и в отличие от универсальных OCR (систем распознавания текста) и VLM (визуально-языковых моделей) не исправляет ошибки автора, а точно переносит их строка за строкой. Базой для нее послужила архитектура LightOnOCR-3-1B (сочетающая энкодер Pixtral и декодер Qwen3), содержащая около 1 млрд параметров. Решение обучено на датасете BRESSAY и передает зачеркивания, исправления и дефисы при переносе строк с помощью специальной разметки. Модель пригодится преподавателям, исследователям и разработчикам образовательных инструментов для анализа реальных студенческих работ.

Ключевые особенности

  • Специализация на рукописном тексте: точно расшифровывает почерк в эссе и сохраняет оригинальную орфографию студентов.
  • Сохранение правок: передает зачеркнутые слова, надстрочные и подстрочные вставки с помощью разметки BRESSAY.
  • Компактный размер: около 1 миллиарда параметров позволяет запускать модель как на GPU, так и на обычном CPU через GGUF-формат.
  • Высокая точность: превосходит многие крупные открытые модели на профильном датасете благодаря специализированному дообучению.

Что можно сделать

  • Цифровизация архивов: переводить в текст бумажные работы учеников для автоматизированного сбора корпусов текстов.
  • Лингвистические исследования: анализировать развитие письменной речи и типичные орфографические ошибки учащихся.
  • Интеграция в софт: использовать модель в локальных пайплайнах обработки документов с помощью vLLM или llama.cpp.

Пример

# pip install "vllm>=0.34" pillow
import base64, io
from PIL import Image
from vllm import LLM, SamplingParams

def to_data_url(path, long_side=1200):
    im = Image.open(path).convert("RGB")
    f = long_side / max(im.size)
    im = im.resize((round(im.width * f), round(im.height * f)), Image.LANCZOS)
    buf = io.BytesIO(); im.save(buf, format="PNG")
    return "data:image/png;base64," + base64.b64encode(buf.getvalue()).decode()

llm = LLM(model="tardellirs/Escriba-OCR-1B", max_model_len=8192, limit_mm_per_prompt={"image": 1})
params = SamplingParams(temperature=0.0, repetition_penalty=1.05, max_tokens=2048)

messages = [{"role": "user", "content": [{"type": "image_url", "image_url": {"url": to_data_url("redacao.jpg")}}]}]
print(llm.chat([messages], params)[0].outputs[0].text)
ПодробнееБенчмарки: CER (уровень ошибки по символам) составляет 2.06% на тестовом сплите BRESSAY, WER — 5.9%.
Требования к железу: эффективный запуск через vLLM на GPU или через llama.cpp на CPU (около 3.5 ГБ RAM для квантования Q4_K_M).
Ограничения: лицензия CC BY-NC 4.0 (только некоммерческое использование, унаследовано от данных обучения).
Детали: модель не предназначена для оценки эссе, печатных документов или других языков, кроме португальского.
Обсудить Telegram 2 31

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.9 GB · готовые файлы2.6 GB
  • FP8 / INT8рекомендуемвеса 0.9 GB1.5 GB
  • 4-bitвеса 0.5 GB1.1 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.

    # tardellirs/Escriba-OCR-1B
    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 tardellirs/Escriba-OCR-1B --local-dir ~/models/Escriba-OCR-1B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Escriba-OCR-1B
  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

Дообучение модели

lightonai/LightOnOCR-3-1B

Новые посты про версии LightOnOCR-3-1B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 6Все на Hugging Face
Дообучения 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

tardellirs/Escriba-OCR-1B
Автор
tardellirs
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

312

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

peshtur

peshtur
Компьютерное зрение

STILL-Qwen3.5-9B

STILL-Qwen3.5-9B
Компьютерное зрение

Molmo 7B-D

Molmo 7B-D