jzpOCR · 古琴减字谱识别模型

减字谱（古琴谱）的自动识别模型。本仓库放的是 jzpOCR 目前能拿出来的三个权重， 按能力分三个子目录。

⚠️ 先把这一页读完再下载。 三个模型解决的是不同的问题， 有的只在特定输入下才有意义，而且其中两个的数字互不可比（口径不同）。

三个模型

子目录	认什么	输入	输出	数
atom-right/	右手谱字	一个谱字的裁图	ATOM|F:大;H:七八;R:抹;S:七	76/132 = 57.58%
atom-right-f12/	右手谱字	一个谱字的裁图	同上	83/132 = 62.88%
lc-parent-b/	左手走手音	一整幅左手母图	上三三（原样串）	122/239 = 51.05%

共同点：都不是整页 OCR。 三者的输入都是已经切好的小图—— 整页要先做版面检测把框切出来。本仓库不含检测模型。

什么时候用哪个

• 要右手、要最新：atom-right-f12/ —— 上一代的生产候选，数最高（62.88%）， 但不是本项目训练的，且预处理要用 canonical。
• 要右手、要本项目自研的：atom-right/ —— jzpOCR 自主训练系统的产出（57.58%）。
• 要左手：lc-parent-b/ —— 三个里唯一的左手模型。

⚠️ 那两个右手的数字不可直接比

62.88% 与 57.58% 看着能排序，但它们的预处理口径不同：

	归一化模式	输入尺度
atom-right-f12/	canonical	[-1, 1]
atom-right/	inkfit	[0, 1]

各在自己训练的工况上。换口径，同一批 132 条上 atom-right-f12 会从 83 掉到 58 —— 所以"哪个更好"这个问题，在当前口径下没有干净的答案。两个 README 里都写清了各自的边界。

怎么用

每个子目录都是自洽的：cd 进去、装依赖、跑 infer.py 就行，不需要本仓库的其它部分。

# 右手（二选一）
cd atom-right-f12 && pip install -r requirements.txt && python infer.py 谱字裁图.png
cd atom-right      && pip install -r requirements.txt && python infer.py 谱字裁图.png

# 左手
cd lc-parent-b     && pip install -r requirements.txt && python infer.py 母图.png

也可以只下子目录：

hf download grydlmq/jzpocr --repo-type model --include "atom-right-f12/*" --local-dir ./f12

atom-right* 要 torch，lc-parent-b 要 paddlepaddle。

这些数字是什么

右手两个用的是同一个评测集 fixed_dev，132 条，由两个正式冻结 benchmark 的子集拼成 （PackageA 72 + real110 60，均为 benchmark_only=1 / training_eligible=0，永久排除训练）。 指标是 whole_exact —— 一条读法的每个字段全对才算对。

左手那个用 239 幅母图的 holdout，指标是整串严格相等。

三者都是 crop / 母框级，没有一个是页级端到端数字。 样本量都小（132 / 132 / 239）， 单轮 8 个百分点以下的差异不足以说明问题。

溯源与许可

• atom-right/ 由 jzpOCR 自主训练系统训练，训练图全部是《琴曲集成》的谱字裁图。
• atom-right-f12/、lc-parent-b/ 是上一代系统的权重，本仓库原样打包发布； 它们的训练图像清单没有随包提供，谱本来源未经核实。
• 《琴曲集成》是今人整理影印本，不是公有领域刊本。发布者未对模型权重是否构成 该出版物的衍生作品作出法律判断，也未取得相关权利人授权。

本仓库按未授予开源许可（license: other）发布：可以使用与评估， 但不构成对训练数据上游权利的任何许可。底层琴谱本身（明清刻本）多属公有领域； 受限的是这一版的影印与整理。商业使用或再分发前请自行厘清上游权利。

关于 jzpOCR

jzpOCR 是一个 AI 自主训练系统，目标是「真实谱页扫描件 → 结构化谱字序列」这条链路。 交付物是一个命令行工具 jzpocr。本仓库是它的模型侧产物。

各子目录的 README 里有该模型的完整身份、字段表、清理过的边界条件和逐文件校验值。