Entrene modelos IA para sus documentos
Cada colección de documentos históricos tiene su propia escritura. Cuando los modelos públicos no son suficientes, Transkribus le permite entrenar un modelo IA personalizado — adaptado a su escritura, idioma y tipo de documento. Sin necesidad de experiencia en machine learning.
Cómo funciona el entrenamiento de modelos
El entrenamiento de un modelo personalizado en Transkribus sigue un flujo de trabajo iterativo y probado. Cada ciclo mejora la precisión de su modelo.
Suba sus documentos
Comience subiendo los escaneos de los documentos manuscritos o impresos que desea transcribir. Transkribus acepta JPEG, PNG, PDF y TIFF. Organice sus documentos en colecciones para una gestión sencilla.
Consejo: comience con 25–50 páginas representativas que cubran la variedad de estilos de escritura de su colección.
Modelos de reconocimiento de texto
Entrene un modelo de texto personalizado con PyLaia
Entrenar modelos para tablas estructuradas
Los documentos históricos están llenos de datos tabulares — registros censales, registros parroquiales, manifiestos de embarque, libros de contabilidad. Los modelos de tablas detectan estructuras de filas y columnas y extraen el contenido de las celdas en datos estructurados que puede exportar a Excel, CSV o XML.
| Institution | Town | Amount | Object | Date | Disposition |
|---|---|---|---|---|---|
| Franklin College (6) | New Athen, O. | General | 3/23/16 | ||
| Fargo College (3) | Fargo, N.D. | 100,000 | Endowment | 4/27/16 | Gen 1914, 5/18/16 |
| Franklin Academy (2) | Franklin, Neb. | 5,000 | Library Building | 8/3/16 | Gen 1914, 8/7/16 |
| Fessenden Acad. & Ind. School | Fessenden, Fla. | General | 12/22/16 | ||
| Ferris Institute (2) | Big Rapids, Mich. | 50,000 | Buildings | 2/12/17 | |
| Findlay College (2) | Findlay, O. | 100,000 | Endowment | 5/23/17 | Gen 1914, 5/28/17 |
| Fairmount College | Wichita, Kan. | 200,000 | Endowment | 6/7/17 | 6/14/17 |
| Franklin College | Franklin, Ind. | 50,000 | General | 9/13/17 | Gen 1914, 9/17/17 |
| Fisk University | Nashville, Tenn. | 1,000,000 | Endowment | 6/14/18 | |
| Friends University | Wichita, Kan. | 200,000 | Endowment | 6/20/18 | Gen 1914, 8/8/18 |
Extraer campos específicos de formularios
Cuando necesita extraer datos específicos — nombres, fechas, direcciones, importes — de documentos estructurados o semiestructurados, los Field Models localizan y leen campos individuales. Ideal para formularios censales, fichas de registro y documentos administrativos.
Próximamente
Modelos de Named Entity Recognition (NER)
Consejos de Ground Truth
Cómo producir datos de entrenamiento de forma eficiente
La calidad y cantidad de su Ground Truth determinan directamente la precisión del modelo. Estas son estrategias probadas para crear datos de entrenamiento más rápidamente.
Aplicar primero un modelo público
Utilice Text Titan o un modelo público específico del idioma para una primera transcripción. Corregir es de 3 a 5 veces más rápido que transcribir desde cero.
Corregir sistemáticamente
Revise cada página y corrija todos los errores. Preste especial atención a caracteres inusuales, abreviaturas y saltos de línea.
Elegir muestras diversas
Incluya páginas de diferentes escritores, períodos y tipos de documentos. La diversidad en los datos de entrenamiento lleva a un modelo más robusto.
Entrenar, evaluar, repetir
Después de su primer modelo, úselo para pre-transcribir más páginas, corrija esas y reentrene. Cada ciclo añade datos y mejora la precisión.
Más de 300 modelos comunitarios — empiece sin entrenar
Antes de entrenar el suyo, consulte el catálogo de modelos. Más de 300 modelos han sido compartidos por la comunidad, cubriendo cientos de idiomas y escrituras.
Entrene su primer modelo
Cree una cuenta gratuita, suba sus documentos y entrene un modelo IA personalizado — sin necesidad de conocimientos en machine learning.