# Schift OCR 1 beta: локальный OCR корейских документов с таблицами

Источник: https://modelium.tech/zhurnal/schift-ocr-1-beta-korean-document-parsing/

Schift опубликовала beta-чекпойнт OCR для корейских документов на основе Baidu Unlimited-OCR. Веса и код модели доступны на Hugging Face под MIT; модель преобразует изображение страницы в текст с порядком чтения, HTML-таблицами и координатами блоков. Заявленное авторами снижение ошибок на формах не является независимым тестом Modelium; для локального запуска нужен совместимый vLLM с поддержкой Unlimited-OCR либо опубликованный Transformers-код.

Schift OCR 1 beta: корейские страницы, таблицы и локальный запуск

29 сентября 2026 года в Hugging Face появился **schift-ocr-1-beta** — дообученная версия Baidu Unlimited-OCR для корейских документов. История репозитория датирует первую загрузку весов 03:53 UTC, а обновление карточки — 04:53 UTC; последнее время изменения карточки не следует принимать за отдельный выпуск весов. Автор прямо отделяет опубликованный beta-чекпойнт от более новой версии, доступной только через Schift API. [s1](#src-s1) [s2](#src-s2)

## Что доступно и зачем это нужно

В закреплённой ревизии есть два файла Safetensors, индекс весов, конфигурация, токенизатор и Python-код модели. Индекс ссылается на оба шарда; конфигурация указывает 12 слоёв, 72 маршрутизируемых эксперта и выбор шести на токен. Это открытые для загрузки веса, а не просто API-доступ. MIT LICENSE репозитория побайтно совпадает с лицензией исходной модели Baidu и допускает коммерческое использование при сохранении уведомления; наличие открытых весов не доказывает, что весь производственный сервис Schift открыт. [s1](#src-s1) [s3](#src-s3) [s4](#src-s4)

Практический сценарий — извлекать текст, таблицы в HTML и прямоугольники блоков из сканов корейских форм, презентаций и отчётов на своей инфраструктуре. Вывод содержит порядок чтения и координаты в шкале 0–1000, поэтому его можно затем направить на проверку, поиск или импорт в документооборот. Карточка не заявляет улучшения распознавания русских документов: использовать эту модель как универсальный русский OCR без отдельной проверки не стоит. [s1](#src-s1)

## Насколько убедительны результаты

По **данным автора**, средняя посимвольная ошибка CER на 60 корейских печатных формах составила 0,067 против 0,135 у исходной Unlimited-OCR; на 100 слайдах — 0,217 против 0,228; на 100 страницах общих документов — 0,191 против 0,219. CER ниже — лучше. Автор описывает усреднение по страницам, ограничение ошибки единицей на страницу и запуск сравниваемых моделей при temperature 0 на одинаковых изображениях. Корпус и скрипт независимого воспроизведения этих чисел в карточке не представлены; Modelium тест не проводил. На общем наборе в таблице автора другие модели показывают CER ниже, чем Schift, поэтому одного победного числа для всех типов страниц нет. [s1](#src-s1)

## Путь к запуску и границы рецепта

Карточка даёт два пути: Transformers с `trust_remote_code=True` и вызовом `model.infer` на изображении либо `vllm serve schift-io/schift-ocr-1-beta --trust-remote-code --max-model-len 32768` на сборке vLLM с Unlimited-OCR. В vLLM v0.30.0 файл модели Unlimited-OCR присутствует и создаёт MoE по конфигурации; у Schift число экспертов отличается от базовой Baidu (72 против 64). Автор сообщает, что проверил команду на коде vLLM конкретного коммита, но редакция запуск не воспроизводила: перед эксплуатацией закрепите версии, проверьте загрузку именно этой ревизии и сравните несколько своих документов с эталонной разметкой. `trust_remote_code` исполняет код репозитория — сначала изучите закреплённые Python-файлы, особенно в закрытом контуре. [s1](#src-s1) [s4](#src-s4) [s5](#src-s5)

Для vLLM карточка предлагает промпт `<image>document parsing.`, `temperature=0`, `repetition_penalty=1.0` и максимум до 16 384 токенов. Это параметры авторского примера, не измеренная редакцией оптимальная конфигурация и не гарантия поддержки любой видеокарты. Beta-ограничения: на очень длинных страницах возможны повторы текста, а большие таблицы с объединёнными ячейками могут иметь неверное число ячеек в строке. Для решения о внедрении проверьте свои формы, слайды и таблицы раздельно, затем сопоставьте CER и структуру HTML с исходной Unlimited-OCR. [s1](#src-s1)

## Источники

1. [Schift OCR 1 beta — карточка, конфигурация и файлы закреплённой ревизии](https://huggingface.co/schift-io/schift-ocr-1-beta/tree/06301952b00b3c1d0a89cdf09db0851b95a5e81e) — получено 2026-09-29
2. [История коммитов Schift OCR 1 beta](https://huggingface.co/api/models/schift-io/schift-ocr-1-beta/commits/main?limit=15) — получено 2026-09-29
3. [Лицензия Schift OCR 1 beta](https://huggingface.co/schift-io/schift-ocr-1-beta/blob/06301952b00b3c1d0a89cdf09db0851b95a5e81e/LICENSE) — получено 2026-09-29
4. [Исходная модель Baidu Unlimited-OCR](https://huggingface.co/baidu/Unlimited-OCR/tree/07dea832e22aefee32ad281d4b80551282e1c168) — получено 2026-09-29
5. [vLLM v0.30.0 — реализация Unlimited-OCR](https://github.com/vllm-project/vllm/blob/v0.30.0/vllm/model_executor/models/unlimited_ocr.py) — получено 2026-09-29