alephpi/Texo

A minimalist SOTA LaTeX OCR model with only 20M parameters, running in browser. Full training pipeline available for self-reproduction. | 超轻量SOTA LaTeX公式识别模型，仅20M参数量，可在浏览器中运行。训练全流程代码开源，以便自学复现。

What it solves

Texo 是一個輕量、開源的 LaTeX OCR 模型，旨在將數學公式圖片轉換為 LaTeX 代碼。它解決了 STEM 學習者與研究人員需要免費、快速且易取得的工具，以數位化手寫或印刷的數學表達式的需求。

How it works

Texo 是 PPFormulaNet‑S 模型的蒸餾版，於 UniMERNet‑1M 資料集上進行微調。它使用基於 PaddleOCR 的 PPHGNetV2 架構，並利用 Hugging Face Transformers 框架作為解碼器與分詞器。模型高度優化，僅有 20 百萬參數，能在消費級 GPU 甚至瀏覽器中高效執行。

Who it’s for

  • STEM 學習者與研究人員：需要快速將數學圖片轉成 LaTeX 的使用者。
  • 開發者：尋找可整合至應用程式或在瀏覽器中執行的輕量 OCR 模型。
  • 機器學習實踐者：對於蒸餾與微調專門 OCR 任務感興趣的個人。

Highlights

  • 超輕量：僅 20M 參數，遠小於 UniMERNet‑T（107M）等其他 SOTA 模型。
  • SOTA 表現：在 UniMERNet‑Test 資料集上於 BLEU 與 Edit distance 指標上與更大型模型相當。
  • 易取得：免費且開源（AGPL‑3.0），可透過獨立的網頁實作在瀏覽器中執行。
  • 可訓練：可在消費級 GPU（最低 16G 記憶體）上進行訓練。
  • 完整套件：包含訓練腳本、資料正規化工具與技術報告。