К содержимому
Компьютерное зрение

ThakiOCR-KO-v1

LoRA для корейского OCR одного слова

2 мин чтения

Это LoRA-адаптер (rank 16, только decoder) для ATH-MaaS/OvisOCR3. Он переводит изображение одного вырезанного корейского слова в текст. Релиз — research preview: качество полной страницы и обобщение на новые условия отдельно не проверялись.

Ключевые особенности

  • CER на внутреннем dev-наборе (2 400 кропов): 25,28% у базы и 7,78% у адаптера, −17,50 п.п.
  • Обучены только слои языковой модели: 96 модулей, 6,39M параметров; vision tower и merger заморожены.
  • Проверка структуры документов: exact table match 1,00 на 50 синтетических страницах, overall pass rate 60,2% на 849 пунктах.
  • Вес адаптера — 25,6 MB, лицензия Apache 2.0; данные AI-Hub не входят в репозиторий и не перераспространяются.
  • M2-вариант точнее по словам (CER 5,98%), но не прошёл gate по структуре таблиц, поэтому не включён.

Пример

import torch, transformers
from peft import PeftModel
model = transformers.AutoModelForImageTextToText.from_pretrained(BASE, revision=REV, dtype=torch.float32).to('cuda')
model = PeftModel.from_pretrained(model, 'ThakiCloud/ThakiOCR-KO-v1').eval()
# plain_ocr.txt, image first; greedy, max_new_tokens=64
out = model.generate(**inputs, max_new_tokens=64, do_sample=False)
print(processor.tokenizer.decode(out[0, inputs['input_ids'].shape[1]:], skip_special_tokens=True).strip())
ПодробнееБаза: ATH-MaaS/OvisOCR3 @ 4833d5d2; adapter 25,6 MB, Apache 2.0.
Замер на B200: median 0,210 с, p95 0,360 с, peak 7,02 GiB (база — 4,95 GiB).
Ограничения: только одиночные кропы слов; полная страница, новые шрифты/авторы и OOD не проверялись.
M2 даёт CER 5,98%, но exact table match 0,80 — поэтому не включён.
Обсудить Telegram 0 6

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 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.

Это LoRA: вместе с базовой моделью OvisOCR3.

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-KO-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 ATH-MaaS/OvisOCR3 --local-dir ~/models/OvisOCR3
    hf download ThakiCloud/ThakiOCR-KO-v1 --local-dir ~/models/ThakiOCR-KO-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к OvisOCR3
  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

Нужна базовая модель

ATH-MaaS/OvisOCR3

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. OvisOCR3
  4. ThakiOCR-KO-v1

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

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

На сайте

Hugging Face

60

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

ThakiOCR-JA-v1

ThakiOCR-JA-v1