# 高精度文字認識

PaddleOCRチームによって開発された超軽量級のキリル文字テキスト行認識モデルで、PP - OCRv3_mobile_recをベースに訓練され、キリル文字に特化して最適化されています。

Microsoft Florence-2ベースモデルをファインチューニングした画像からテキストへの変換モデルで、スウェーデン語と英語をサポートし、歴史的手書きテキスト認識と光学文字認識に特化しています。

Qwen2-VL-2B-Instructをファインチューニングしたアラビア語OCRモデルで、ページ全体のアラビア語テキスト認識に最適化され、発音記号の認識をサポート

Transformerベースの光学文字認識モデルで、手書き数式画像と構造化数学構文の処理に最適化されています。

CRNNベースの頑健なOCRモデルで、ペルシャ語ナンバープレート認識専用です。このモデルはペルシャ語ナンバープレートデータセット(v1)でベースモデルをファインチューニングしたバージョンです。

TrOCR-Ruは、microsoft/trocr-base-handwrittenをロシア語と英語の合成データセットでファインチューニングした光学文字認識モデルで、画像からテキストへの変換タスクに特化しています。

microsoft/trocr-base-handwrittenをファインチューニングしたロシア語と英語のOCRモデルで、手書きと印刷テキストの認識に特化

日本漫画の日本語テキストに特化した光学文字認識モデル

60000枚の画像トレーニングセットでファインチューニングされたVit-GPT2アーキテクチャのキャプチャ認識モデルで、画像内のキャプチャテキストを正確に認識できます。

microsoft/trocr-base-printedをファインチューニングした印刷テキスト認識モデル、合成OCRデータセットに最適化

ArOCRはアラビア語の光学文字認識(OCR)モデルで、アラビア語テキストを含む画像を編集可能なテキスト形式に変換できます。

facebook/wav2vec2-xls-r-1bをグルジア語データセットでファインチューニングした自動音声認識モデル

これはFacebookのwav2vec2-xls-r-300mモデルをマラーティー語(Marathi)音声データセットでファインチューニングした自動音声認識(ASR)モデルです。

これはfacebook/wav2vec2-xls-r-300mをベースに、オリヤ語データセットで微調整した自動音声認識（ASR）モデルで、オリヤ語の音声をテキストに変換するタスクに特化しています。

facebook/wav2vec2-xls-r-300mをベースに、アッサム語(Common Voice 8.0)データセットでファインチューニングした自動音声認識モデル