К содержимому
Компьютерное зрение

ThakiOCR-JA-v1

японский OCR-адаптер

1 мин чтения

Модель представляет собой исследовательский выпуск (research release) для распознавания строк горизонтального печатного японского текста. Она создана на базе PaddlePaddle/PaddleOCR-VL-1.6 (0.9B) с добавлением и слиянием одного LoRA-адаптера (обученного на 600 шагах). Решение ориентировано на разработчиков и исследователей, работающих с японскими документами, и поставляется с открытым кодом для инференса. Модель оптимизирована под конкретные текстовые строки, но требует ручного указания ориентации изображений.

Ключевые особенности

  • Специализация на горизонтальном печатном японском тексте с использованием LoRA-адаптера.
  • Проверена на 2000 строках из 30 правительственных белых книг Японии.
  • Включает поддержку библиотеки vllm и скрипт для инференса с возможностью нормализации символов.
  • Требует явного указания ориентации изображения от вызывающего кода, так как не умеет определять её автоматически.

Что можно сделать

  • Распознавать отдельные строки печатного японского текста в скриптах с помощью Python.
  • Интегрировать модель в пайплайны обработки документов на базе vllm.
  • Применять опциональный режим нормализации modern_ja для исправления редких вариантних глифов (например, 齡 на 齢).

Пример

from huggingface_hub import snapshot_download
from inference import ThakiOCRJA

model_dir = snapshot_download("ThakiCloud/ThakiOCR-JA-v1")
ocr = ThakiOCRJA(model_dir)
res = ocr.recognize(["line.png"], kind="line", orientation="upright")
print(res[0]["raw_text"])
ПодробнееБенчмарки: CER 0.0094 (против 0.0118 у базы), Digit F1 0.9973.
Требования: vllm (версия 0.28.0), pillow, размер модели около 0.96 млрд параметров.
Ограничения: только строки текста, нет детекции ориентации, не поддерживает корейский и английский языки.
Лицензия: Apache-2.0.
Обсудить Telegram 0 15

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.8 GB · готовые файлы2.5 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.

    # ThakiCloud/ThakiOCR-JA-v1
    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 ThakiCloud/ThakiOCR-JA-v1 --local-dir ~/models/ThakiOCR-JA-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ThakiOCR-JA-v1
  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

PaddlePaddle/PaddleOCR-VL-1.6

Новые посты про версии PaddleOCR-VL-1.6 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 7Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

ThakiCloud/ThakiOCR-JA-v1
Автор
ThakiCloud
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Inkling 2 Mini

Inkling 2 Mini