| --- |
| license: mit |
| language: |
| - kk |
| - ru |
| - en |
| tags: |
| - kazakh |
| - ocr |
| - doctr |
| extra_gated_prompt: >- |
| Бұл репозиторийге қолжетімділік өтінім бойынша беріледі. Өзіңіз туралы және |
| деректерді қалай қолданатыңыз туралы жазыңыз — өтінімді TilQazyna командасы қарайды. |
| · Доступ к репозиторию выдаётся по заявке. Расскажите о себе и о том, как собираетесь |
| использовать данные — заявку рассматривает команда TilQazyna. |
| · Access to this repository is granted on request. Tell us who you are and how you plan |
| to use the material; the TilQazyna team reviews each application. |
| extra_gated_fields: |
| Аты-жөні / ФИО / Full name: text |
| Ұйым / Организация / Affiliation: text |
| Мақсаты / Цель использования / Intended use: text |
| --- |
| |
| # OCR |
|
|
| Қазақ құжаттарына арналған OCR моделі · OCR-модель для казахских документов · OCR model for Kazakh documents |
|
|
| **[Қазақша](#қазақша) · [Русский](#русский) · [English](#english)** |
|
|
| --- |
|
|
| ## Қазақша |
|
|
| **OCR** — қазақ тіліндегі суреттер мен PDF құжаттардан мәтін шығаруға арналған 184.7 МБ модель репозиторийі. Модель орыс және ағылшын мәтіндерін де өңдейді, сондықтан көптілді скандарды цифрлауға жарайды. |
|
|
| ### Репозиторий құрамы |
|
|
| Модель `doctr` негізіндегі арнайы OCR архитектурасын қолданады. Негізгі материал `OCR.zip` архивінде, ал қосымша код `custom` бумасында сақталған. Кіріс ретінде JPEG, PNG және PDF файлдары қабылданады; нәтиже мәтін немесе PDF түрінде беріледі. |
|
|
| ### Қалай жүктейді |
|
|
| ```python |
| from huggingface_hub import snapshot_download |
| from pathlib import Path |
| from zipfile import ZipFile |
| |
| root = Path(snapshot_download("TilQazyna/OCR")) |
| with ZipFile(root / "OCR.zip") as archive: |
| archive.extractall(root / "ocr_model") |
| print(root / "ocr_model") |
| ``` |
|
|
| Код репозиторийді Hugging Face кэшіне жүктеп, модель архивін ашады. Модельді іске қосу файлдары архив пен `custom` бумасында орналасқан. |
|
|
| ### Қолжетімділік |
|
|
| Карточка мен файлдар тізімі баршаға көрінеді. Файлдарды жүктеу үшін репозиторий бетіндегі «Request access» арқылы өтінім беру керек; шешімді TilQazyna командасы қабылдайды. |
|
|
| ### Байланысты репозиторийлер |
|
|
| OCR сканнан алынатын кітаптармен жұмыс істеуге арналған: [Til-Books-KazNEB-raw-scans](https://huggingface.co/datasets/TilQazyna/Til-Books-KazNEB-raw-scans) бастапқы скандарды сақтайды, ал [Til-Books](https://huggingface.co/datasets/TilQazyna/Til-Books) өңделген кітап мәтіндерін біріктіреді. |
|
|
| --- |
|
|
| ## Русский |
|
|
| **OCR** — репозиторий модели объёмом 184.7 МБ для извлечения казахского текста из изображений и PDF. Модель также обрабатывает русский и английский, что позволяет оцифровывать многоязычные сканы. |
|
|
| ### Что внутри |
|
|
| Модель использует специальную OCR-архитектуру на основе `doctr`. Основные материалы упакованы в `OCR.zip`, вспомогательный код лежит в каталоге `custom`. На вход принимаются JPEG, PNG и PDF, результат сохраняется как текст или PDF. |
|
|
| ### Как загрузить |
|
|
| ```python |
| from huggingface_hub import snapshot_download |
| from pathlib import Path |
| from zipfile import ZipFile |
| |
| root = Path(snapshot_download("TilQazyna/OCR")) |
| with ZipFile(root / "OCR.zip") as archive: |
| archive.extractall(root / "ocr_model") |
| print(root / "ocr_model") |
| ``` |
|
|
| Код загружает снимок репозитория в кэш Hugging Face и распаковывает архив модели. Файлы запуска находятся в архиве и каталоге `custom`. |
|
|
| ### Доступ |
|
|
| Карточка и перечень файлов открыты для просмотра. Скачивание становится доступно после одобрения формы «Request access» на странице репозитория; её проверяет команда TilQazyna. |
|
|
| ### Связанные репозитории |
|
|
| Модель рассчитана на книжные сканы: [Til-Books-KazNEB-raw-scans](https://huggingface.co/datasets/TilQazyna/Til-Books-KazNEB-raw-scans) хранит исходные изображения, а [Til-Books](https://huggingface.co/datasets/TilQazyna/Til-Books) объединяет подготовленные книжные тексты. |
|
|
| --- |
|
|
| ## English |
|
|
| **OCR** is a 184.7 MB model repository for extracting Kazakh text from images and PDF documents. It also supports Russian and English, making it suitable for digitizing multilingual scans. |
|
|
| ### Repository contents |
|
|
| The model uses a custom OCR architecture based on `doctr`. Its main material is packaged in `OCR.zip`, with supporting code under `custom`. It accepts JPEG, PNG, and PDF inputs and produces plain text or PDF output. |
|
|
| ### How to download |
|
|
| ```python |
| from huggingface_hub import snapshot_download |
| from pathlib import Path |
| from zipfile import ZipFile |
| |
| root = Path(snapshot_download("TilQazyna/OCR")) |
| with ZipFile(root / "OCR.zip") as archive: |
| archive.extractall(root / "ocr_model") |
| print(root / "ocr_model") |
| ``` |
|
|
| This downloads a repository snapshot into the Hugging Face cache and extracts the model archive. Runtime files are provided inside the archive and the `custom` directory. |
|
|
| ### Access |
|
|
| The model card and file listing are publicly visible. Download access follows approval of the “Request access” form on the repository page, reviewed by the TilQazyna team. |
|
|
| ### Related repositories |
|
|
| The model is intended for book scans: [Til-Books-KazNEB-raw-scans](https://huggingface.co/datasets/TilQazyna/Til-Books-KazNEB-raw-scans) stores source scans, while [Til-Books](https://huggingface.co/datasets/TilQazyna/Til-Books) brings together the processed book text. |
|
|
| --- |
|
|
| Лицензия · License: mit · [TilQazyna](https://huggingface.co/TilQazyna) |
|
|
