Technologie d’extraction de texte à partir d’images et de pages numérisées, au cœur de l’évaluation de FineBooks.
Une initiative conjointe de Hugging Face et d’EleutherAI évalue les performances de 14 modèles OCR ouverts sur 2 165 pages historiques et conclut que les modèles actuels conviennent généralement à l’amélioration des données d’entraînement des modèles linguistiques, mais qu’ils ne répondent pas encore à toutes les exigences des bibliothèques ou de la transcription académique.