v0.1.0: OCR-VLM v1.2-clean (Qwen3.5-2B fine-tune), bench_v1 median letter CER 1.05% (transformers)

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

CHANGELOG.md

@@ -0,0 +1,14 @@
+# Changelog
+
+Versions are git tags on this repository (`v0.1.0`, ...). Load a fixed version with
+`AutoModelForImageTextToText.from_pretrained("MuseMesh/sansar-ocr-2b", revision="v0.1.0")`.
+
+## v0.1.0 (2026-10-08)
+
+- Weights of training run `ocrvlm_v12_clean_q35`: Qwen/Qwen3.5-2B full fine-tune, 2,000 steps x 16 pages, checkpoint
+  picked by gold validation loss (step 2,000).
+- Training labels: clean e-texts aligned to scans, textbook and news-bulletin text layers, synthetic pages. No
+  output of Google Cloud Vision, Anthropic Claude, OpenAI models or Sarvam was used as a label.
+- bench_v1 (54 pages): median letter error rate 1.05% with transformers (release check),
+  1.06% with vLLM; Google Cloud Vision 1.69%.
+- First release.

LICENSE

@@ -0,0 +1,16 @@
+The model weights (model.safetensors) in this repository are licensed under the Creative Commons
+Attribution-NonCommercial 4.0 International licence (CC BY-NC 4.0): https://creativecommons.org/licenses/by-nc/4.0/
+
+You may use, share and adapt them for non-commercial purposes (research, teaching, non-profit work) with
+attribution to "Sansar, Muse Mesh Private Limited". For commercial use contact kushal@muse-mesh.com.
+
+The weights are a fine-tuned version of Qwen/Qwen3.5-2B, which Alibaba Cloud releases under the Apache License 2.0
+(LICENSE-QWEN, NOTICE). Our licence covers our modifications; the Apache-2.0 terms and attribution of the base model
+continue to apply to the parts of the work that come from it.
+
+The tokenizer and processor files (tokenizer.json, tokenizer_config.json, chat_template.jinja, processor_config.json)
+are the base model's, unchanged in content, under Apache-2.0 (LICENSE-QWEN).
+
+The code (ocr_page.py) is licensed separately under Apache-2.0 (see LICENSE-CODE).
+
+Copyright 2026 Muse Mesh Private Limited

LICENSE-CODE

@@ -0,0 +1,4 @@
+The Python code in this repository (ocr_page.py) is licensed under the Apache License, Version 2.0:
+https://www.apache.org/licenses/LICENSE-2.0
+
+Copyright 2026 Muse Mesh Private Limited

LICENSE-QWEN

@@ -0,0 +1,202 @@
+
+                                 Apache License
+                           Version 2.0, January 2004
+                        http://www.apache.org/licenses/
+
+   TERMS AND CONDITIONS FOR USE, REPRODUCTION, AND DISTRIBUTION
+
+   1. Definitions.
+
+      "License" shall mean the terms and conditions for use, reproduction,
+      and distribution as defined by Sections 1 through 9 of this document.
+
+      "Licensor" shall mean the copyright owner or entity authorized by
+      the copyright owner that is granting the License.
+
+      "Legal Entity" shall mean the union of the acting entity and all
+      other entities that control, are controlled by, or are under common
+      control with that entity. For the purposes of this definition,
+      "control" means (i) the power, direct or indirect, to cause the
+      direction or management of such entity, whether by contract or
+      otherwise, or (ii) ownership of fifty percent (50%) or more of the
+      outstanding shares, or (iii) beneficial ownership of such entity.
+
+      "You" (or "Your") shall mean an individual or Legal Entity
+      exercising permissions granted by this License.
+
+      "Source" form shall mean the preferred form for making modifications,
+      including but not limited to software source code, documentation
+      source, and configuration files.
+
+      "Object" form shall mean any form resulting from mechanical
+      transformation or translation of a Source form, including but
+      not limited to compiled object code, generated documentation,
+      and conversions to other media types.
+
+      "Work" shall mean the work of authorship, whether in Source or
+      Object form, made available under the License, as indicated by a
+      copyright notice that is included in or attached to the work
+      (an example is provided in the Appendix below).
+
+      "Derivative Works" shall mean any work, whether in Source or Object
+      form, that is based on (or derived from) the Work and for which the
+      editorial revisions, annotations, elaborations, or other modifications
+      represent, as a whole, an original work of authorship. For the purposes
+      of this License, Derivative Works shall not include works that remain
+      separable from, or merely link (or bind by name) to the interfaces of,
+      the Work and Derivative Works thereof.
+
+      "Contribution" shall mean any work of authorship, including
+      the original version of the Work and any modifications or additions
+      to that Work or Derivative Works thereof, that is intentionally
+      submitted to Licensor for inclusion in the Work by the copyright owner
+      or by an individual or Legal Entity authorized to submit on behalf of
+      the copyright owner. For the purposes of this definition, "submitted"
+      means any form of electronic, verbal, or written communication sent
+      to the Licensor or its representatives, including but not limited to
+      communication on electronic mailing lists, source code control systems,
+      and issue tracking systems that are managed by, or on behalf of, the
+      Licensor for the purpose of discussing and improving the Work, but
+      excluding communication that is conspicuously marked or otherwise
+      designated in writing by the copyright owner as "Not a Contribution."
+
+      "Contributor" shall mean Licensor and any individual or Legal Entity
+      on behalf of whom a Contribution has been received by Licensor and
+      subsequently incorporated within the Work.
+
+   2. Grant of Copyright License. Subject to the terms and conditions of
+      this License, each Contributor hereby grants to You a perpetual,
+      worldwide, non-exclusive, no-charge, royalty-free, irrevocable
+      copyright license to reproduce, prepare Derivative Works of,
+      publicly display, publicly perform, sublicense, and distribute the
+      Work and such Derivative Works in Source or Object form.
+
+   3. Grant of Patent License. Subject to the terms and conditions of
+      this License, each Contributor hereby grants to You a perpetual,
+      worldwide, non-exclusive, no-charge, royalty-free, irrevocable
+      (except as stated in this section) patent license to make, have made,
+      use, offer to sell, sell, import, and otherwise transfer the Work,
+      where such license applies only to those patent claims licensable
+      by such Contributor that are necessarily infringed by their
+      Contribution(s) alone or by combination of their Contribution(s)
+      with the Work to which such Contribution(s) was submitted. If You
+      institute patent litigation against any entity (including a
+      cross-claim or counterclaim in a lawsuit) alleging that the Work
+      or a Contribution incorporated within the Work constitutes direct
+      or contributory patent infringement, then any patent licenses
+      granted to You under this License for that Work shall terminate
+      as of the date such litigation is filed.
+
+   4. Redistribution. You may reproduce and distribute copies of the
+      Work or Derivative Works thereof in any medium, with or without
+      modifications, and in Source or Object form, provided that You
+      meet the following conditions:
+
+      (a) You must give any other recipients of the Work or
+          Derivative Works a copy of this License; and
+
+      (b) You must cause any modified files to carry prominent notices
+          stating that You changed the files; and
+
+      (c) You must retain, in the Source form of any Derivative Works
+          that You distribute, all copyright, patent, trademark, and
+          attribution notices from the Source form of the Work,
+          excluding those notices that do not pertain to any part of
+          the Derivative Works; and
+
+      (d) If the Work includes a "NOTICE" text file as part of its
+          distribution, then any Derivative Works that You distribute must
+          include a readable copy of the attribution notices contained
+          within such NOTICE file, excluding those notices that do not
+          pertain to any part of the Derivative Works, in at least one
+          of the following places: within a NOTICE text file distributed
+          as part of the Derivative Works; within the Source form or
+          documentation, if provided along with the Derivative Works; or,
+          within a display generated by the Derivative Works, if and
+          wherever such third-party notices normally appear. The contents
+          of the NOTICE file are for informational purposes only and
+          do not modify the License. You may add Your own attribution
+          notices within Derivative Works that You distribute, alongside
+          or as an addendum to the NOTICE text from the Work, provided
+          that such additional attribution notices cannot be construed
+          as modifying the License.
+
+      You may add Your own copyright statement to Your modifications and
+      may provide additional or different license terms and conditions
+      for use, reproduction, or distribution of Your modifications, or
+      for any such Derivative Works as a whole, provided Your use,
+      reproduction, and distribution of the Work otherwise complies with
+      the conditions stated in this License.
+
+   5. Submission of Contributions. Unless You explicitly state otherwise,
+      any Contribution intentionally submitted for inclusion in the Work
+      by You to the Licensor shall be under the terms and conditions of
+      this License, without any additional terms or conditions.
+      Notwithstanding the above, nothing herein shall supersede or modify
+      the terms of any separate license agreement you may have executed
+      with Licensor regarding such Contributions.
+
+   6. Trademarks. This License does not grant permission to use the trade
+      names, trademarks, service marks, or product names of the Licensor,
+      except as required for reasonable and customary use in describing the
+      origin of the Work and reproducing the content of the NOTICE file.
+
+   7. Disclaimer of Warranty. Unless required by applicable law or
+      agreed to in writing, Licensor provides the Work (and each
+      Contributor provides its Contributions) on an "AS IS" BASIS,
+      WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or
+      implied, including, without limitation, any warranties or conditions
+      of TITLE, NON-INFRINGEMENT, MERCHANTABILITY, or FITNESS FOR A
+      PARTICULAR PURPOSE. You are solely responsible for determining the
+      appropriateness of using or redistributing the Work and assume any
+      risks associated with Your exercise of permissions under this License.
+
+   8. Limitation of Liability. In no event and under no legal theory,
+      whether in tort (including negligence), contract, or otherwise,
+      unless required by applicable law (such as deliberate and grossly
+      negligent acts) or agreed to in writing, shall any Contributor be
+      liable to You for damages, including any direct, indirect, special,
+      incidental, or consequential damages of any character arising as a
+      result of this License or out of the use or inability to use the
+      Work (including but not limited to damages for loss of goodwill,
+      work stoppage, computer failure or malfunction, or any and all
+      other commercial damages or losses), even if such Contributor
+      has been advised of the possibility of such damages.
+
+   9. Accepting Warranty or Additional Liability. While redistributing
+      the Work or Derivative Works thereof, You may choose to offer,
+      and charge a fee for, acceptance of support, warranty, indemnity,
+      or other liability obligations and/or rights consistent with this
+      License. However, in accepting such obligations, You may act only
+      on Your own behalf and on Your sole responsibility, not on behalf
+      of any other Contributor, and only if You agree to indemnify,
+      defend, and hold each Contributor harmless for any liability
+      incurred by, or claims asserted against, such Contributor by reason
+      of your accepting any such warranty or additional liability.
+
+   END OF TERMS AND CONDITIONS
+
+   APPENDIX: How to apply the Apache License to your work.
+
+      To apply the Apache License to your work, attach the following
+      boilerplate notice, with the fields enclosed by brackets "[]"
+      replaced with your own identifying information. (Don't include
+      the brackets!)  The text should be enclosed in the appropriate
+      comment syntax for the file format. We also recommend that a
+      file or class name and description of purpose be included on the
+      same "printed page" as the copyright notice for easier
+      identification within third-party archives.
+
+   Copyright 2026 Alibaba Cloud
+
+   Licensed under the Apache License, Version 2.0 (the "License");
+   you may not use this file except in compliance with the License.
+   You may obtain a copy of the License at
+
+       http://www.apache.org/licenses/LICENSE-2.0
+
+   Unless required by applicable law or agreed to in writing, software
+   distributed under the License is distributed on an "AS IS" BASIS,
+   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+   See the License for the specific language governing permissions and
+   limitations under the License.

NOTICE

@@ -0,0 +1,11 @@
+Sansar OCR 2B
+Copyright 2026 Muse Mesh Private Limited
+
+This product is a modified version of Qwen3.5-2B (https://huggingface.co/Qwen/Qwen3.5-2B, revision
+15852e8c16360a2fea060d615a32b45270f8a8fc), Copyright 2026 Alibaba Cloud, licensed under the Apache License,
+Version 2.0 (LICENSE-QWEN).
+
+Modifications by Muse Mesh Private Limited (2026-10): all weights (language model and vision encoder) fine-tuned on
+Sanskrit page-OCR data; weights stored in bfloat16 except the parameters the base release keeps in float32
+(A_log, linear-attention norms); config.json dtype/use_cache and generation_config.json (stop tokens, greedy
+decoding) set for inference. The tokenizer, chat template and processor settings are the base model's.

README.md

@@ -0,0 +1,281 @@
+---
+license: cc-by-nc-4.0
+license_link: LICENSE
+language:
+- sa
+library_name: transformers
+pipeline_tag: image-text-to-text
+base_model: Qwen/Qwen3.5-2B
+base_model_relation: finetune
+tags:
+- ocr
+- sanskrit
+- devanagari
+- document-ocr
+- sansar
+model-index:
+- name: sansar-ocr-2b
+  results:
+  - task:
+      type: image-to-text
+      name: Sanskrit printed-page OCR
+    dataset:
+      type: sansar-bench-v1-pages
+      name: Sansar bench_v1 pages (54 archive.org book pages, 53 books)
+    metrics:
+    - type: cer
+      name: "median letter error rate, transformers (this repository's files)"
+      value: 1.05
+    - type: cer
+      name: "median letter error rate, vLLM (the training run's evaluation)"
+      value: 1.06
+    - type: cer
+      name: "mean letter error rate, transformers"
+      value: 2.31
+---
+
+# Sansar OCR 2B
+
+Reads printed Sanskrit book pages (Devanagari) and writes out their text, line by line. A 2.2B-parameter
+vision-language model: [Qwen/Qwen3.5-2B](https://huggingface.co/Qwen/Qwen3.5-2B) fine-tuned on 19,377
+Sanskrit page images with their text. From the **Sansar** project at [Muse Mesh](https://muse-mesh.com)
+([Hugging Face](https://huggingface.co/MuseMesh), [Sansar Lab](https://saansar.com)): Sanskrit language models, their
+corpus, their tokenizer, and the OCR that feeds the corpus.
+
+- **This version: v0.1.0** = training run `ocrvlm_v12_clean_q35`, finished 2026-10-08.
+- **Accuracy**: median letter error rate **1.05%** on 54 held-out pages from 53 books
+  (transformers, the files in this repository), 1.06% with vLLM. Google Cloud Vision makes
+  1.69% on the same pages and the archive.org OCR of these scans
+  9.03%. Better than Vision on 38 of 54 pages
+  (39 of 54 with vLLM).
+- **Training labels**: clean e-texts aligned to scans, the text layers of born-digital textbooks and news bulletins,
+  and synthetic pages. **No output of a commercial AI service (Google Cloud Vision, Anthropic Claude, OpenAI models,
+  Sarvam) was used as a training label**; those services appear on this card only as comparison rows in the
+  evaluation. See Training data.
+
+## Quick start
+
+```bash
+pip install "transformers>=5.18" torch torchvision pillow numpy accelerate
+```
+
+```python
+from huggingface_hub import hf_hub_download
+import importlib.util
+
+# ocr_page.py (in this repository) prepares pages exactly as in training and runs greedy decoding
+path = hf_hub_download("MuseMesh/sansar-ocr-2b", "ocr_page.py", revision="v0.1.0")
+spec = importlib.util.spec_from_file_location("ocr_page", path); ocr = importlib.util.module_from_spec(spec)
+spec.loader.exec_module(ocr)
+
+model, processor = ocr.load("MuseMesh/sansar-ocr-2b", revision="v0.1.0")      # bfloat16 on a GPU, float32 on CPU
+texts = ocr.transcribe(["page_001.jpg", "page_002.jpg"], model, processor, batch=4)
+print(texts[0])
+```
+
+Or from the command line: `python ocr_page.py --out_dir out/ pages/*.jpg` (one `.txt` per page).
+
+What `ocr_page.py` does, if you want to call transformers directly:
+
+1. **Page image.** Crop near-white outer margins (a dark scanner border stays), then resize with the aspect ratio
+   kept so that width x height <= 1,800,000 pixels and both sides are multiples of 32. The model was trained on
+   exactly this; much larger or smaller pages are outside what it has seen. One page per request.
+2. **Prompt.** The chat template with one image and this text, thinking off (`enable_thinking=False`):
+
+   ```text
+   Transcribe all the text printed on this page exactly as printed, in reading order, line by line. Output only the text.
+   ```
+3. **Decoding.** Greedy (`do_sample=False`), up to 3,072 new tokens, stop at `<|im_end|>` (248046) or
+   `<|endoftext|>` (248044). `generation_config.json` sets all of this. Batching needs `padding_side="left"`.
+
+```python
+import torch
+from transformers import AutoModelForImageTextToText, AutoProcessor
+
+model = AutoModelForImageTextToText.from_pretrained("MuseMesh/sansar-ocr-2b", dtype=torch.bfloat16).to("cuda").eval()
+processor = AutoProcessor.from_pretrained("MuseMesh/sansar-ocr-2b")
+msgs = [{"role": "user", "content": [{"type": "image"}, {"type": "text", "text": ocr.PROMPT}]}]
+prompt = processor.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True, enable_thinking=False)
+image = ocr.prepare_page("page_001.jpg")                      # margins trimmed, <= 1.8 MP, sides multiple of 32
+x = processor(text=[prompt], images=[image], return_tensors="pt").to("cuda")
+out = model.generate(**x, max_new_tokens=3072, do_sample=False)
+print(processor.tokenizer.decode(out[0, x["input_ids"].shape[1]:], skip_special_tokens=True))
+```
+
+**vLLM** (much faster for many pages): load the repository with
+`LLM(model="MuseMesh/sansar-ocr-2b", limit_mm_per_prompt={"image": 1}, max_model_len=5672, dtype="bfloat16")`, send
+`{"prompt": prompt, "multi_modal_data": {"image": image}}` with the same prompt and page preparation, and
+`SamplingParams(temperature=0.0, max_tokens=3072, stop_token_ids=[248046, 248044])`. The vLLM numbers on this card
+were measured on the training run's checkpoint with vLLM 0.30; the release files hold the same weights (see Files).
+
+## What the output looks like
+
+Plain text, one printed line per output line, Devanagari as printed (NFC, no ZWJ/ZWNJ), `।` and `॥` as dandas,
+digits as printed (Devanagari or Latin). On book pages it tends to leave out running heads, page numbers and
+footnotes, because most of its training pages had those painted out (see Training data); do not rely on either
+behaviour. Latin-script text (English introductions, IAST) was rare in training and is not evaluated.
+
+## Evaluation
+
+**Bench.** `bench_v1_pages`: 54 pages from 53 archive.org scanned books (mixed print and scan quality), each
+paired with the same passage from a clean digital edition of the text, cut to what is printed on that page and
+checked page by page. No page of the bench books (nor any page sharing three 16-letter windows with a bench
+reference) is in the training or validation data, and the bench was never used to pick a checkpoint.
+
+**Metric.** Letter error rate: edit distance on Devanagari letters and signs only (consonants, vowels, vowel signs,
+virama, anusvara, visarga, avagraha; no digits, dandas, Vedic accent marks, punctuation or spaces) divided by the reference's letter
+count, with the reference located inside the output (text the reference does not cover, such as a running head the
+model wrote out, is not counted against it). Median over the 54 pages, so one ruined page does not decide the score;
+the mean is shown too. The same scorer and pages for every engine.
+
+| engine | median letter CER | mean | bench tier "kept" (39) | tier "mid" (15) | hardest third of scans (18) | note |
+|---|---:|---:|---:|---:|---:|---|
+| Claude Opus 5.5 (Anthropic) | **0.65%** | 1.90% | 0.63% | 1.08% | 2.11% | general LLM, page by page; comparison only |
+| **Sansar OCR 2B v0.1.0** (transformers) | **1.05%** | 2.31% | 0.78% | 1.31% | 3.14% | this repository's files and `ocr_page.py`, re-run for the release on an NVIDIA GeForce RTX 3060 |
+| **Sansar OCR 2B v0.1.0** (vLLM) | **1.06%** | 2.27% | 0.81% | 1.40% | 3.12% | the training run's own evaluation, A100 |
+| Claude Sonnet 5.5 (Anthropic) | **1.14%** | 2.17% | 1.10% | 1.31% | 3.12% | comparison only |
+| Google Cloud Vision | **1.69%** | 3.89% | 1.50% | 3.15% | 3.55% | DOCUMENT_TEXT_DETECTION, 2026-10; comparison only |
+| Codex gpt-6-astra (OpenAI) | **2.65%** | 3.92% | 2.18% | 3.55% | 6.66% | comparison only |
+| archive.org OCR of the same scans | 9.03% | 9.64% | | | | the text most of these books are online with today |
+| Qwen3.5-2B, no fine-tuning | **18.54%** | 28.89% | 17.04% | 21.88% | 27.19% | the base model, same prompt |
+
+The Vision, Claude and Codex rows are those services' transcriptions of the same 54 page images (2026-09/10),
+scored by the same scorer, shown for comparison only; none of their output was used to train this model. "kept"/"mid"
+are the bench's own page-quality tiers; "hardest third" are the 18 pages where the archive.org OCR did worst (a proxy
+for scan quality).
+
+- **The release check.** The model in this repository (repackaged: see Files) was re-run on all 54 pages with
+  transformers and `ocr_page.py` for this release: median 1.05%, mean 2.31%
+  (NVIDIA GeForce RTX 3060, batch 4). The training run's own transformers cross-check of the same weights gave
+  1.06%; its vLLM run 1.06%. Different engines and GPUs change a
+  few characters on some pages (bfloat16 kernels). Everything is in `eval/`.
+- **Small bench.** With 54 pages a median difference of a few tenths of a point has a wide interval; the page-by-page
+  count (better than Vision on 39 of 54 pages, vLLM) is the sturdier evidence.
+- **The worst pages are bad for every engine** (scan or reference problems, not this model's).
+- **Validation.** On the 711-page validation set (31 books, held out by book; the same kinds of sources as
+  the training data) the median is 0.25% and the mean 0.93%. It is easier than the bench and not
+  comparable to it.
+- **Overall CER** including punctuation, digits and spacing is higher: median 3.50% on the bench
+  (Vision 4.56%).
+
+### Speed
+
+| GPU | engine | pages per hour (generation only) |
+|---|---|---:|
+| NVIDIA A100-SXM4-40GB (GCP spot) | vLLM, batch 64 | 9,216 (54 test pages) / 15,104 (711 validation pages) |
+| NVIDIA GeForce RTX 3060 | transformers `generate`, batch 4 | 244 (54 test pages) |
+
+About 847-1,035 output tokens per page (vLLM). Start-up (model load, vLLM compile) is not included.
+
+## Training
+
+| | |
+|---|---|
+| base | Qwen/Qwen3.5-2B (revision `15852e8`), Apache-2.0: hybrid Gated-DeltaNet/attention language model with its vision encoder |
+| method | full fine-tune of every weight (vision encoder at a lower learning rate), loss on the transcription only |
+| steps | 2,000 x 16 pages = 32,000 page samples, 80.7M tokens seen |
+| optimiser | 8-bit AdamW (bitsandbytes), lr 1.5e-5 (vision encoder 5e-6), 3% warmup, bfloat16 autocast over float32 master weights, gradient checkpointing |
+| pages | the prompt above + page image (<= 1.8 MP) + label + `<|im_end|>`; at most 6,144 tokens |
+| mixture | sampling weights per source (below); the last 15% of samples drawn from the gold sources (twin, textbooks, news) only |
+| checkpoint | picked by loss on a source-balanced gold validation subset (276 pages, <= 120 per source), never on the test bench: step 2,000 (val loss 0.0621; 0.1577 at step 200) |
+| hardware | 1x NVIDIA A100-SXM4-40GB, Google Cloud spot (a2-highgpu-1g, us-central1-a) |
+| time and cost | 7.6 h of VM time for training and the evaluations (1 spot stop; training resumed from its last checkpoint), about $9.9 of spot time |
+
+`training/summary.json` holds every argument and the validation-loss curve; `training/mixture.json` the sample counts;
+`training/label_stats.json` the label-set counts and exactly what was excluded.
+
+## Training data
+
+19,377 training pages from 1,057 books, split by book from 711 validation pages (31 books)
+and the 54 test pages. Page images and labels are not redistributed here: most of the scans and texts carry no open
+licence. Where each label comes from:
+
+| source | train pages | weight | samples drawn | label |
+|---|---:|---:|---:|---|
+| archive.org scans + a clean e-text of the same work ("twin") | 11,074 | 1.5 | 27,467 | a clean digital edition of the work (Sanskrit Wikisource proofread pages, GRETIL, Muktabodha, sanskritdocuments.org, Ambuda, sanskritsahitya.org, snskrt) aligned to the printed page and cut at its printed line breaks; running heads, page numbers and footnotes are painted out of the image |
+| born-digital textbooks (NCERT, Kerala SCERT) | 3,367 | 0.5 | 2,808 | the PDF's own text layer, repaired by rule (split words, doubled signs, reph order); ~1 split word in 100 remains |
+| All India Radio Sanskrit news bulletins (2023-2026) | 3,839 | 0.2 | 1,270 | the PDF text decoded from its fonts (the fonts' own glyph tables, and a vocabulary-based decipherment of unmapped glyphs); no OCR; ~1-1.5% character errors expected |
+| synthetic pages | 1,097 | 0.3 | 455 | paragraphs from curated open Sanskrit e-text corpora (GRETIL, DCS, SARIT, Muktabodha, DharmaNexus, BORI Mahābhārata, ...) typeset in 1-2 columns with real fonts and degraded (skew, blur, noise, bleed); exact labels |
+
+**No commercial AI service output is training text.** Labels come only from clean e-texts aligned to scans, the
+text layers of born-digital textbooks and All India Radio bulletins, and synthetic pages typeset from curated
+e-text corpora. Excluded on purpose: page transcriptions made with Google Cloud Vision, Anthropic Claude and OpenAI
+Codex (an earlier, internal label set had used them), and synthetic pages typesetting paragraphs from Sarvam's
+Vagartha dataset. Where those services were used at all, it was as a check, never as label text: the news-bulletin
+decoding was validated against Vision on a sample of pages, and the comparison rows in Evaluation are their
+transcriptions of the test pages. archive.org's own OCR is used only to locate the printed lines on twin pages.
+Wikisource texts are human-proofread transcriptions by Wikisource volunteers.
+
+All labels are NFC with ZWJ/ZWNJ removed, `|` as `।`, and a colon typed after a letter as visarga. Every training
+and validation page that shares three or more 16-letter windows with a test reference was dropped.
+
+## Limitations
+
+- **Printed Devanagari Sanskrit only.** Not trained on manuscripts, handwriting, palm leaves, other scripts or
+  Hindi/Marathi pages (some Hindi in the textbooks and news, but it was not evaluated).
+- **Reading order** on two-column pages, glossaries, tables and picture captions can be wrong; on scans of two-page
+  spreads it can read across. (Fewer such pages were in training than in our earlier internal model, which also
+  learnt from Vision's text of glossary and table pages.)
+- **Loops and runaways.** On a hard page it can repeat a line until the 3,072-token cap. Check for repeated lines.
+- **Page furniture** (running heads, page numbers, footnotes) is sometimes left out and sometimes written out.
+- **Not scored**: digits, punctuation, spacing and Vedic accents are outside the letter metric; the overall error
+  rate including them is 3.50% (median).
+- **It can invent text** on blank pages, figures or very faint scans, as any generative OCR can. It also inherits
+  the base model's general behaviour on anything that is not a Sanskrit page.
+- **Labels are imperfect**: the twin labels follow another edition of the same work (a few percent of variant
+  readings and verse numbers), the textbook layers split words, the news decoding has rare glyph errors. The model
+  learnt some of that.
+
+## Versions
+
+Each version is a git tag; `main` is the newest. Pin one with `revision="v0.1.0"`.
+
+| version | date | training run | bench median (transformers / vLLM) | Google Vision |
+|---|---|---|---:|---:|
+| v0.1.0 | 2026-10-08 | `ocrvlm_v12_clean_q35` | 1.05% / 1.06% | 1.69% |
+
+## Files
+
+| file | what |
+|---|---|
+| `model.safetensors` | the weights, bfloat16 (the gated-DeltaNet decay and norm parameters in float32 as in the base release); the output head tied to the input embedding |
+| `config.json`, `generation_config.json` | architecture; greedy decoding with both stop tokens |
+| `tokenizer.json`, `tokenizer_config.json`, `chat_template.jinja`, `processor_config.json` | the base model's tokenizer and processor, unchanged |
+| `ocr_page.py` | page preparation, loading and batch transcription (the code above) |
+| `eval/bench_v1_scores.json` | per-page and per-group scores of every engine in the table |
+| `eval/verification.json`, `eval/verification_pages.json` | the release check: this repository's files re-run on the 54 pages |
+| `eval/transcriptions/` | the training run's own outputs for the 54 pages (vLLM and transformers) |
+| `eval/*_scores.json`, `eval/*_timing.json` | the training run's evaluation logs (test, validation) |
+| `training/summary.json`, `training/mixture.json`, `training/cloud.json`, `training/label_stats.json` | arguments, validation-loss curve, sample counts, machine time, label-set counts |
+| `LICENSE`, `LICENSE-CODE`, `LICENSE-QWEN`, `NOTICE`, `CHANGELOG.md` | licences, base-model attribution, version history |
+
+Repackaging against the training checkpoint: the training run saved the tied output head as a second copy of the
+input embedding (bit-identical; dropped); `config.json` records `bfloat16` and `use_cache: true` instead of the
+training-time `float32`/`false`; `generation_config.json` adds the `<|im_end|>` stop token and greedy decoding. No
+weight changed.
+
+## Licence
+
+This release is for research and non-commercial use. The training labels come partly from sources without an open
+licence (textbooks, news bulletins, scanned books), used here for research.
+
+- Weights (`model.safetensors`): **CC BY-NC 4.0** (`LICENSE`). Non-commercial use (research, teaching, non-profit
+  work) with attribution to "Sansar, Muse Mesh Private Limited".
+- Base model: Qwen3.5-2B by Alibaba Cloud, **Apache-2.0** (`LICENSE-QWEN`, `NOTICE`). The tokenizer and processor
+  files are the base model's and stay under Apache-2.0.
+- Code (`ocr_page.py`): **Apache-2.0** (`LICENSE-CODE`).
+- Commercial use: contact kushal@muse-mesh.com.
+
+## Citation
+
+```bibtex
+@misc{sansar_ocr_2b_2026,
+  title  = {Sansar OCR 2B: printed Sanskrit page OCR},
+  author = {Muse Mesh},
+  year   = {2026},
+  note   = {v0.1.0, fine-tuned from Qwen3.5-2B},
+  url    = {https://huggingface.co/MuseMesh/sansar-ocr-2b}
+}
+```
+
+Contact: kushal@muse-mesh.com

chat_template.jinja

@@ -0,0 +1,154 @@
+{%- set image_count = namespace(value=0) %}
+{%- set video_count = namespace(value=0) %}
+{%- macro render_content(content, do_vision_count, is_system_content=false) %}
+    {%- if content is string %}
+        {{- content }}
+    {%- elif content is iterable and content is not mapping %}
+        {%- for item in content %}
+            {%- if 'image' in item or 'image_url' in item or item.type == 'image' %}
+                {%- if is_system_content %}
+                    {{- raise_exception('System message cannot contain images.') }}
+                {%- endif %}
+                {%- if do_vision_count %}
+                    {%- set image_count.value = image_count.value + 1 %}
+                {%- endif %}
+                {%- if add_vision_id %}
+                    {{- 'Picture ' ~ image_count.value ~ ': ' }}
+                {%- endif %}
+                {{- '<|vision_start|><|image_pad|><|vision_end|>' }}
+            {%- elif 'video' in item or item.type == 'video' %}
+                {%- if is_system_content %}
+                    {{- raise_exception('System message cannot contain videos.') }}
+                {%- endif %}
+                {%- if do_vision_count %}
+                    {%- set video_count.value = video_count.value + 1 %}
+                {%- endif %}
+                {%- if add_vision_id %}
+                    {{- 'Video ' ~ video_count.value ~ ': ' }}
+                {%- endif %}
+                {{- '<|vision_start|><|video_pad|><|vision_end|>' }}
+            {%- elif 'text' in item %}
+                {{- item.text }}
+            {%- else %}
+                {{- raise_exception('Unexpected item type in content.') }}
+            {%- endif %}
+        {%- endfor %}
+    {%- elif content is none or content is undefined %}
+        {{- '' }}
+    {%- else %}
+        {{- raise_exception('Unexpected content type.') }}
+    {%- endif %}
+{%- endmacro %}
+{%- if not messages %}
+    {{- raise_exception('No messages provided.') }}
+{%- endif %}
+{%- if tools and tools is iterable and tools is not mapping %}
+    {{- '<|im_start|>system\n' }}
+    {{- "# Tools\n\nYou have access to the following functions:\n\n<tools>" }}
+    {%- for tool in tools %}
+        {{- "\n" }}
+        {{- tool | tojson }}
+    {%- endfor %}
+    {{- "\n</tools>" }}
+    {{- '\n\nIf you choose to call a function ONLY reply in the following format with NO suffix:\n\n<tool_call>\n<function=example_function_name>\n<parameter=example_parameter_1>\nvalue_1\n</parameter>\n<parameter=example_parameter_2>\nThis is the value for the second parameter\nthat can span\nmultiple lines\n</parameter>\n</function>\n</tool_call>\n\n<IMPORTANT>\nReminder:\n- Function calls MUST follow the specified format: an inner <function=...></function> block must be nested within <tool_call></tool_call> XML tags\n- Required parameters MUST be specified\n- You may provide optional reasoning for your function call in natural language BEFORE the function call, but NOT after\n- If there is no function call available, answer the question like normal with your current knowledge and do not tell the user about function calls\n</IMPORTANT>' }}
+    {%- if messages[0].role == 'system' %}
+        {%- set content = render_content(messages[0].content, false, true)|trim %}
+        {%- if content %}
+            {{- '\n\n' + content }}
+        {%- endif %}
+    {%- endif %}
+    {{- '<|im_end|>\n' }}
+{%- else %}
+    {%- if messages[0].role == 'system' %}
+        {%- set content = render_content(messages[0].content, false, true)|trim %}
+        {{- '<|im_start|>system\n' + content + '<|im_end|>\n' }}
+    {%- endif %}
+{%- endif %}
+{%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %}
+{%- for message in messages[::-1] %}
+    {%- set index = (messages|length - 1) - loop.index0 %}
+    {%- if ns.multi_step_tool and message.role == "user" %}
+        {%- set content = render_content(message.content, false)|trim %}
+        {%- if not(content.startswith('<tool_response>') and content.endswith('</tool_response>')) %}
+            {%- set ns.multi_step_tool = false %}
+            {%- set ns.last_query_index = index %}
+        {%- endif %}
+    {%- endif %}
+{%- endfor %}
+{%- if ns.multi_step_tool %}
+    {{- raise_exception('No user query found in messages.') }}
+{%- endif %}
+{%- for message in messages %}
+    {%- set content = render_content(message.content, true)|trim %}
+    {%- if message.role == "system" %}
+        {%- if not loop.first %}
+            {{- raise_exception('System message must be at the beginning.') }}
+        {%- endif %}
+    {%- elif message.role == "user" %}
+        {{- '<|im_start|>' + message.role + '\n' + content + '<|im_end|>' + '\n' }}
+    {%- elif message.role == "assistant" %}
+        {%- set reasoning_content = '' %}
+        {%- if message.reasoning_content is string %}
+            {%- set reasoning_content = message.reasoning_content %}
+        {%- else %}
+            {%- if '</think>' in content %}
+                {%- set reasoning_content = content.split('</think>')[0].rstrip('\n').split('<think>')[-1].lstrip('\n') %}
+                {%- set content = content.split('</think>')[-1].lstrip('\n') %}
+            {%- endif %}
+        {%- endif %}
+        {%- set reasoning_content = reasoning_content|trim %}
+        {%- if loop.index0 > ns.last_query_index %}
+            {{- '<|im_start|>' + message.role + '\n<think>\n' + reasoning_content + '\n</think>\n\n' + content }}
+        {%- else %}
+            {{- '<|im_start|>' + message.role + '\n' + content }}
+        {%- endif %}
+        {%- if message.tool_calls and message.tool_calls is iterable and message.tool_calls is not mapping %}
+            {%- for tool_call in message.tool_calls %}
+                {%- if tool_call.function is defined %}
+                    {%- set tool_call = tool_call.function %}
+                {%- endif %}
+                {%- if loop.first %}
+                    {%- if content|trim %}
+                        {{- '\n\n<tool_call>\n<function=' + tool_call.name + '>\n' }}
+                    {%- else %}
+                        {{- '<tool_call>\n<function=' + tool_call.name + '>\n' }}
+                    {%- endif %}
+                {%- else %}
+                    {{- '\n<tool_call>\n<function=' + tool_call.name + '>\n' }}
+                {%- endif %}
+                {%- if tool_call.arguments is defined %}
+                    {%- for args_name, args_value in tool_call.arguments|items %}
+                        {{- '<parameter=' + args_name + '>\n' }}
+                        {%- set args_value = args_value | tojson | safe if args_value is mapping or (args_value is sequence and args_value is not string) else args_value | string %}
+                        {{- args_value }}
+                        {{- '\n</parameter>\n' }}
+                    {%- endfor %}
+                {%- endif %}
+                {{- '</function>\n</tool_call>' }}
+            {%- endfor %}
+        {%- endif %}
+        {{- '<|im_end|>\n' }}
+    {%- elif message.role == "tool" %}
+        {%- if loop.previtem and loop.previtem.role != "tool" %}
+            {{- '<|im_start|>user' }}
+        {%- endif %}
+        {{- '\n<tool_response>\n' }}
+        {{- content }}
+        {{- '\n</tool_response>' }}
+        {%- if not loop.last and loop.nextitem.role != "tool" %}
+            {{- '<|im_end|>\n' }}
+        {%- elif loop.last %}
+            {{- '<|im_end|>\n' }}
+        {%- endif %}
+    {%- else %}
+        {{- raise_exception('Unexpected message role.') }}
+    {%- endif %}
+{%- endfor %}
+{%- if add_generation_prompt %}
+    {{- '<|im_start|>assistant\n' }}
+    {%- if enable_thinking is defined and enable_thinking is true %}
+        {{- '<think>\n' }}
+    {%- else %}
+        {{- '<think>\n\n</think>\n\n' }}
+    {%- endif %}
+{%- endif %}

config.json

@@ -0,0 +1,106 @@
+{
+ "architectures": [
+  "Qwen3_5ForConditionalGeneration"
+ ],
+ "dtype": "bfloat16",
+ "image_token_id": 248056,
+ "model_type": "qwen3_5",
+ "text_config": {
+  "attention_bias": false,
+  "attention_dropout": 0.0,
+  "attn_output_gate": true,
+  "bos_token_id": null,
+  "dtype": "bfloat16",
+  "eos_token_id": 248044,
+  "full_attention_interval": 4,
+  "head_dim": 256,
+  "hidden_act": "silu",
+  "hidden_size": 2048,
+  "initializer_range": 0.02,
+  "intermediate_size": 6144,
+  "layer_types": [
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention",
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention",
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention",
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention",
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention",
+   "linear_attention",
+   "linear_attention",
+   "linear_attention",
+   "full_attention"
+  ],
+  "linear_conv_kernel_dim": 4,
+  "linear_key_head_dim": 128,
+  "linear_num_key_heads": 16,
+  "linear_num_value_heads": 16,
+  "linear_value_head_dim": 128,
+  "mamba_ssm_dtype": "float32",
+  "max_position_embeddings": 262144,
+  "mlp_only_layers": [],
+  "model_type": "qwen3_5_text",
+  "mtp_num_hidden_layers": 1,
+  "mtp_use_dedicated_embeddings": false,
+  "num_attention_heads": 8,
+  "num_hidden_layers": 24,
+  "num_key_value_heads": 2,
+  "pad_token_id": null,
+  "partial_rotary_factor": 0.25,
+  "rms_norm_eps": 1e-06,
+  "rope_parameters": {
+   "mrope_interleaved": true,
+   "mrope_section": [
+    11,
+    11,
+    10
+   ],
+   "partial_rotary_factor": 0.25,
+   "rope_theta": 10000000,
+   "rope_type": "default"
+  },
+  "tie_word_embeddings": true,
+  "use_cache": true,
+  "vocab_size": 248320
+ },
+ "tie_word_embeddings": true,
+ "transformers_version": "5.19.0",
+ "use_cache": true,
+ "video_token_id": 248057,
+ "vision_config": {
+  "deepstack_visual_indexes": [],
+  "depth": 24,
+  "dtype": "bfloat16",
+  "hidden_act": "gelu_pytorch_tanh",
+  "hidden_size": 1024,
+  "in_channels": 3,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "model_type": "qwen3_5_vision",
+  "num_heads": 16,
+  "num_position_embeddings": 2304,
+  "out_hidden_size": 2048,
+  "patch_size": 16,
+  "rope_parameters": {
+   "rope_theta": 10000.0,
+   "rope_type": "axial"
+  },
+  "spatial_merge_size": 2,
+  "temporal_patch_size": 2
+ },
+ "vision_end_token_id": 248054,
+ "vision_start_token_id": 248053
+}

eval/bench_v1_scores.json

@@ -0,0 +1,2379 @@
+{
+ "OCR-VLM v1.2-clean (vLLM)": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0106,
+   "mean": 0.0227
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.0354,
+   "mean": 0.0468
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9988
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.0097,
+    "mean": 0.0224
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.02,
+    "mean": 0.0254
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0105,
+    "mean": 0.022
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.0107,
+    "mean": 0.0232
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0312,
+    "mean": 0.0454
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.007,
+    "mean": 0.0118
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0076,
+    "mean": 0.0109
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.0081,
+    "mean": 0.0229
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.014,
+    "mean": 0.0222
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0039,
+    "cer": 0.0074,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0096,
+    "cer": 0.0151,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0369,
+    "cer": 0.0381,
+    "covered": 0.983
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0422,
+    "cer": 0.0637,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0026,
+    "cer": 0.0204,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0026,
+    "cer": 0.0022,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.0105,
+    "cer": 0.0203,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0011,
+    "cer": 0.0393,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0021,
+    "cer": 0.0423,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0073,
+    "cer": 0.0164,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.0068,
+    "cer": 0.0412,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.0063,
+    "cer": 0.032,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0121,
+    "cer": 0.0138,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0053,
+    "cer": 0.0782,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0114,
+    "cer": 0.0684,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.0038,
+    "cer": 0.0032,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.0168,
+    "cer": 0.05,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0014,
+    "cer": 0.015,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0043,
+    "cer": 0.0285,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0705,
+    "cer": 0.0636,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0071,
+    "cer": 0.0059,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.0141,
+    "cer": 0.0172,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0107,
+    "cer": 0.0519,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.0024,
+    "cer": 0.0049,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0,
+    "cer": 0.0033,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.0674,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0205,
+    "cer": 0.0292,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0116,
+    "cer": 0.028,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0355,
+    "cer": 0.0753,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0037,
+    "cer": 0.0033,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0143,
+    "cer": 0.0522,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.001,
+    "cer": 0.0236,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0006,
+    "cer": 0.0102,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.0178,
+    "cer": 0.0201,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.0103,
+    "cer": 0.0124,
+    "covered": 1.0
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.0097,
+    "cer": 0.0246,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.0043,
+    "cer": 0.0279,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.0081,
+    "cer": 0.0467,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0038,
+    "cer": 0.0054,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0075,
+    "cer": 0.0356,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.0218,
+    "cer": 0.0694,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0289,
+    "cer": 0.0565,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.02,
+    "cer": 0.067,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.0336,
+    "cer": 0.0784,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.084,
+    "cer": 0.1427,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.0593,
+    "cer": 0.1027,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0596,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.014,
+    "cer": 0.0352,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0131,
+    "cer": 0.0772,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.0977,
+    "cer": 0.1163,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0485,
+    "cer": 0.1015,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1584,
+    "cer": 0.2106,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.0709,
+    "cer": 0.1446,
+    "covered": 1.0
+   }
+  }
+ },
+ "OCR-VLM v1.2-clean (HF)": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0106,
+   "mean": 0.0229
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.035,
+   "mean": 0.0474
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9984
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.0096,
+    "mean": 0.0227
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.02,
+    "mean": 0.0248
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0105,
+    "mean": 0.0226
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.0107,
+    "mean": 0.023
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0303,
+    "mean": 0.045
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.0068,
+    "mean": 0.0128
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0076,
+    "mean": 0.0108
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.0081,
+    "mean": 0.0232
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.0131,
+    "mean": 0.022
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0039,
+    "cer": 0.0074,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0096,
+    "cer": 0.0151,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0565,
+    "cer": 0.0689,
+    "covered": 0.962
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0407,
+    "cer": 0.0624,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0026,
+    "cer": 0.0204,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0026,
+    "cer": 0.0022,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.0105,
+    "cer": 0.0203,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0011,
+    "cer": 0.0393,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0021,
+    "cer": 0.0423,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0073,
+    "cer": 0.0164,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.0053,
+    "cer": 0.0399,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.0063,
+    "cer": 0.032,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0121,
+    "cer": 0.0138,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0053,
+    "cer": 0.0782,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0114,
+    "cer": 0.0684,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.0038,
+    "cer": 0.0032,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.0168,
+    "cer": 0.0492,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0014,
+    "cer": 0.015,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0043,
+    "cer": 0.0285,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0705,
+    "cer": 0.0636,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0071,
+    "cer": 0.0059,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.0141,
+    "cer": 0.0163,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0107,
+    "cer": 0.0519,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.0024,
+    "cer": 0.0059,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0,
+    "cer": 0.0033,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.0674,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0205,
+    "cer": 0.0292,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0116,
+    "cer": 0.028,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0355,
+    "cer": 0.0753,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0037,
+    "cer": 0.0033,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0143,
+    "cer": 0.0522,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.001,
+    "cer": 0.0236,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0006,
+    "cer": 0.0102,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.0178,
+    "cer": 0.0208,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.0095,
+    "cer": 0.0127,
+    "covered": 1.0
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.0097,
+    "cer": 0.0246,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.0043,
+    "cer": 0.0279,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.0081,
+    "cer": 0.0467,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0038,
+    "cer": 0.0054,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0075,
+    "cer": 0.0356,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.0206,
+    "cer": 0.0687,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0289,
+    "cer": 0.0562,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.02,
+    "cer": 0.067,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.0317,
+    "cer": 0.0767,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.0813,
+    "cer": 0.1406,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.0593,
+    "cer": 0.1027,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0596,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.0131,
+    "cer": 0.0344,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0131,
+    "cer": 0.0833,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.0977,
+    "cer": 0.1163,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0485,
+    "cer": 0.1015,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1594,
+    "cer": 0.2114,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.0698,
+    "cer": 0.1437,
+    "covered": 1.0
+   }
+  }
+ },
+ "Qwen3.5-2B zero-shot (vLLM)": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.1854,
+   "mean": 0.2889
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.1989,
+   "mean": 0.2955
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9481
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.1754,
+    "mean": 0.293
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.273,
+    "mean": 0.2487
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.1471,
+    "mean": 0.2381
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.2127,
+    "mean": 0.3266
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.2719,
+    "mean": 0.3464
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.1307,
+    "mean": 0.2009
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.1766,
+    "mean": 0.3193
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.1704,
+    "mean": 0.2737
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.2188,
+    "mean": 0.3282
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0968,
+    "cer": 0.0704,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.1235,
+    "cer": 0.1175,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.8394,
+    "cer": 0.8591,
+    "covered": 0.946
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.2188,
+    "cer": 0.2013,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0901,
+    "cer": 0.1109,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.1262,
+    "cer": 0.1325,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.244,
+    "cer": 0.2403,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.1282,
+    "cer": 0.1375,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0659,
+    "cer": 0.0587,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.104,
+    "cer": 0.1426,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.1331,
+    "cer": 0.1541,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.1389,
+    "cer": 0.1701,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.164,
+    "cer": 0.1869,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.1147,
+    "cer": 0.1136,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.5847,
+    "cer": 0.6029,
+    "covered": 0.512
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.1253,
+    "cer": 0.1653,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.1555,
+    "cer": 0.181,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.1598,
+    "cer": 0.1642,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.1928,
+    "cer": 0.1875,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.1174,
+    "cer": 0.1386,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.6386,
+    "cer": 0.6458,
+    "covered": 0.951
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.1652,
+    "cer": 0.1495,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.1779,
+    "cer": 0.1467,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.2781,
+    "cer": 0.264,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.1487,
+    "cer": 0.152,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.154,
+    "cer": 0.1865,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.163,
+    "cer": 0.1924,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.2856,
+    "cer": 0.2811,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.2078,
+    "cer": 0.2014,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.1563,
+    "cer": 0.216,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 1.0,
+    "cer": 0.9101,
+    "covered": 0.943
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.1437,
+    "cer": 0.1772,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.1992,
+    "cer": 0.1965,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.1704,
+    "cer": 0.1637,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.2567,
+    "cer": 0.2306,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.8632,
+    "cer": 0.868,
+    "covered": 0.535
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.2127,
+    "cer": 0.2208,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.1606,
+    "cer": 0.1579,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.8144,
+    "cer": 0.8124,
+    "covered": 0.328
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.1754,
+    "cer": 0.1559,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.985,
+    "cer": 0.8749,
+    "covered": 0.961
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.6487,
+    "cer": 0.6817,
+    "covered": 0.977
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.2714,
+    "cer": 0.2979,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.1471,
+    "cer": 0.153,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.273,
+    "cer": 0.2762,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.304,
+    "cer": 0.3347,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.465,
+    "cer": 0.4842,
+    "covered": 0.685
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.2355,
+    "cer": 0.2505,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.2725,
+    "cer": 0.2586,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.1522,
+    "cer": 0.2276,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.2362,
+    "cer": 0.2625,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.273,
+    "cer": 0.2936,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.7929,
+    "cer": 0.8003,
+    "covered": 0.36
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.247,
+    "cer": 0.2953,
+    "covered": 1.0
+   }
+  }
+ },
+ "Opus 5.5": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0065,
+   "mean": 0.019
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.0352,
+   "mean": 0.0444
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9991
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.0063,
+    "mean": 0.0188
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.0197,
+    "mean": 0.0213
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0075,
+    "mean": 0.0176
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.0064,
+    "mean": 0.02
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0211,
+    "mean": 0.0416
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.0033,
+    "mean": 0.0063
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0037,
+    "mean": 0.0092
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.0063,
+    "mean": 0.0194
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.0108,
+    "mean": 0.0179
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0,
+    "cer": 0.0008,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0112,
+    "cer": 0.0192,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0039,
+    "cer": 0.0036,
+    "covered": 1.0
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0027,
+    "cer": 0.0267,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0026,
+    "cer": 0.0204,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0009,
+    "cer": 0.0007,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.0075,
+    "cer": 0.0153,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0,
+    "cer": 0.0142,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0,
+    "cer": 0.037,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0063,
+    "cer": 0.0374,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.0008,
+    "cer": 0.0479,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.0021,
+    "cer": 0.0519,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0121,
+    "cer": 0.0103,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0042,
+    "cer": 0.0647,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0139,
+    "cer": 0.0589,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.001,
+    "cer": 0.0008,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.0116,
+    "cer": 0.0483,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0,
+    "cer": 0.009,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0021,
+    "cer": 0.0241,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0705,
+    "cer": 0.0822,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0035,
+    "cer": 0.003,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.0141,
+    "cer": 0.0172,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0025,
+    "cer": 0.0261,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.006,
+    "cer": 0.0147,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0,
+    "cer": 0.0,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.0674,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0205,
+    "cer": 0.0296,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0036,
+    "cer": 0.0089,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0355,
+    "cer": 0.0753,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0037,
+    "cer": 0.0033,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0102,
+    "cer": 0.0411,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.001,
+    "cer": 0.0236,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0006,
+    "cer": 0.0081,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.0202,
+    "cer": 0.0333,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.0074,
+    "cer": 0.056,
+    "covered": 1.0
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.0108,
+    "cer": 0.0374,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.0064,
+    "cer": 0.0314,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.004,
+    "cer": 0.0545,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0026,
+    "cer": 0.0065,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0021,
+    "cer": 0.0331,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.0066,
+    "cer": 0.0546,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0217,
+    "cer": 0.067,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.0224,
+    "cer": 0.068,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.018,
+    "cer": 0.0553,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.076,
+    "cer": 0.127,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.0606,
+    "cer": 0.1038,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0573,
+    "cer": 0.0833,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.0197,
+    "cer": 0.0422,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0052,
+    "cer": 0.0691,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.0996,
+    "cer": 0.1228,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0438,
+    "cer": 0.0919,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1535,
+    "cer": 0.1967,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.0587,
+    "cer": 0.1368,
+    "covered": 1.0
+   }
+  }
+ },
+ "Sonnet 5.5": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0114,
+   "mean": 0.0217
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.0366,
+   "mean": 0.0482
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9991
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.0097,
+    "mean": 0.0215
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.0218,
+    "mean": 0.0242
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0078,
+    "mean": 0.0189
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.0117,
+    "mean": 0.0239
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0312,
+    "mean": 0.0455
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.0037,
+    "mean": 0.0071
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0102,
+    "mean": 0.0127
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.011,
+    "mean": 0.0222
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.0131,
+    "mean": 0.0205
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0006,
+    "cer": 0.002,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0135,
+    "cer": 0.0186,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0039,
+    "cer": 0.0122,
+    "covered": 1.0
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0019,
+    "cer": 0.0261,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0026,
+    "cer": 0.0204,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0035,
+    "cer": 0.0029,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.0097,
+    "cer": 0.0153,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0,
+    "cer": 0.0363,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0,
+    "cer": 0.0405,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0063,
+    "cer": 0.0346,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.0023,
+    "cer": 0.0491,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.0032,
+    "cer": 0.0433,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0121,
+    "cer": 0.0103,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0053,
+    "cer": 0.0719,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0165,
+    "cer": 0.0611,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.0,
+    "cer": 0.0,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.0116,
+    "cer": 0.0483,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0028,
+    "cer": 0.0222,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0036,
+    "cer": 0.0291,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0718,
+    "cer": 0.0833,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0044,
+    "cer": 0.0037,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.0188,
+    "cer": 0.0199,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0149,
+    "cer": 0.0355,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.0024,
+    "cer": 0.0039,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0021,
+    "cer": 0.0016,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.0681,
+    "cer": 0.0904,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0261,
+    "cer": 0.0407,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0094,
+    "cer": 0.0261,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0355,
+    "cer": 0.0753,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0056,
+    "cer": 0.0049,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0112,
+    "cer": 0.0342,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.0117,
+    "cer": 0.0329,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0062,
+    "cer": 0.0153,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.0315,
+    "cer": 0.0368,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.0074,
+    "cer": 0.0568,
+    "covered": 1.0
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.0151,
+    "cer": 0.0438,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.016,
+    "cer": 0.0393,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.011,
+    "cer": 0.0604,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0115,
+    "cer": 0.014,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0032,
+    "cer": 0.034,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.0058,
+    "cer": 0.0539,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0309,
+    "cer": 0.0737,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.0249,
+    "cer": 0.0727,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.0218,
+    "cer": 0.0647,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.0813,
+    "cer": 0.1312,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.0633,
+    "cer": 0.114,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0581,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.0122,
+    "cer": 0.0352,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0131,
+    "cer": 0.0874,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.0977,
+    "cer": 0.1244,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0475,
+    "cer": 0.0979,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1579,
+    "cer": 0.2064,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.0687,
+    "cer": 0.1429,
+    "covered": 1.0
+   }
+  }
+ },
+ "Google Vision": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0169,
+   "mean": 0.0389
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.0456,
+   "mean": 0.0669
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.999
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.015,
+    "mean": 0.0384
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.0337,
+    "mean": 0.0434
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0114,
+    "mean": 0.0242
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.021,
+    "mean": 0.0497
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0355,
+    "mean": 0.0555
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.0097,
+    "mean": 0.018
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0141,
+    "mean": 0.0431
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.015,
+    "mean": 0.0313
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.0315,
+    "mean": 0.0584
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0006,
+    "cer": 0.0156,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0104,
+    "cer": 0.0186,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0012,
+    "cer": 0.0223,
+    "covered": 1.0
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0011,
+    "cer": 0.0149,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0026,
+    "cer": 0.0068,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0,
+    "cer": 0.0052,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.015,
+    "cer": 0.0362,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0229,
+    "cer": 0.0648,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0042,
+    "cer": 0.0475,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0105,
+    "cer": 0.0474,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.009,
+    "cer": 0.0688,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.1481,
+    "cer": 0.1972,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0181,
+    "cer": 0.0241,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0138,
+    "cer": 0.0791,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0114,
+    "cer": 0.0558,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.0029,
+    "cer": 0.0087,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.021,
+    "cer": 0.0758,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0154,
+    "cer": 0.0385,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0057,
+    "cer": 0.0456,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0755,
+    "cer": 0.0768,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0027,
+    "cer": 0.0111,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.0165,
+    "cer": 0.0199,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0174,
+    "cer": 0.0575,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.0133,
+    "cer": 0.0176,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0073,
+    "cer": 0.009,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.07,
+    "cer": 0.0924,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0275,
+    "cer": 0.0424,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0087,
+    "cer": 0.03,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0391,
+    "cer": 0.0827,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0037,
+    "cer": 0.0041,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0173,
+    "cer": 0.0548,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.0029,
+    "cer": 0.0261,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0135,
+    "cer": 0.0219,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.0299,
+    "cer": 0.0333,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.4528,
+    "cer": 0.4763,
+    "covered": 0.992
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.027,
+    "cer": 0.0456,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.0234,
+    "cer": 0.041,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.0147,
+    "cer": 0.0223,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0115,
+    "cer": 0.0151,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0032,
+    "cer": 0.0431,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.021,
+    "cer": 0.0261,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0373,
+    "cer": 0.0838,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.081,
+    "cer": 0.1539,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.0336,
+    "cer": 0.0838,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.0947,
+    "cer": 0.1448,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.0566,
+    "cer": 0.105,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0749,
+    "cer": 0.1133,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.0337,
+    "cer": 0.0578,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0315,
+    "cer": 0.0976,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.1309,
+    "cer": 0.1607,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0511,
+    "cer": 0.1042,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1594,
+    "cer": 0.2182,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.093,
+    "cer": 0.1585,
+    "covered": 1.0
+   }
+  }
+ },
+ "Codex": {
+  "n": 54,
+  "missing": [],
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0265,
+   "mean": 0.0392
+  },
+  "cer": {
+   "n": 54,
+   "median": 0.0501,
+   "mean": 0.0607
+  },
+  "covered": {
+   "n": 54,
+   "median": 1.0,
+   "mean": 0.9991
+  },
+  "groups": {
+   "footnotes:no": {
+    "n": 49,
+    "median": 0.0265,
+    "mean": 0.0388
+   },
+   "footnotes:yes": {
+    "n": 5,
+    "median": 0.0311,
+    "mean": 0.0428
+   },
+   "header:no": {
+    "n": 23,
+    "median": 0.0134,
+    "mean": 0.0268
+   },
+   "header:yes": {
+    "n": 31,
+    "median": 0.0386,
+    "mean": 0.0484
+   },
+   "old_ocr_cer:high": {
+    "n": 18,
+    "median": 0.0666,
+    "mean": 0.0715
+   },
+   "old_ocr_cer:low": {
+    "n": 18,
+    "median": 0.013,
+    "mean": 0.0154
+   },
+   "old_ocr_cer:mid": {
+    "n": 18,
+    "median": 0.0251,
+    "mean": 0.0307
+   },
+   "tier:kept": {
+    "n": 39,
+    "median": 0.0218,
+    "mean": 0.0377
+   },
+   "tier:mid": {
+    "n": 15,
+    "median": 0.0355,
+    "mean": 0.043
+   }
+  },
+  "pages": {
+   "ocrbench_v1_000": {
+    "cer_letters": 0.0355,
+    "cer": 0.0227,
+    "covered": 1.0
+   },
+   "ocrbench_v1_001": {
+    "cer_letters": 0.0112,
+    "cer": 0.0192,
+    "covered": 1.0
+   },
+   "ocrbench_v1_002": {
+    "cer_letters": 0.0215,
+    "cer": 0.0271,
+    "covered": 1.0
+   },
+   "ocrbench_v1_003": {
+    "cer_letters": 0.0126,
+    "cer": 0.0353,
+    "covered": 1.0
+   },
+   "ocrbench_v1_004": {
+    "cer_letters": 0.0079,
+    "cer": 0.0249,
+    "covered": 1.0
+   },
+   "ocrbench_v1_005": {
+    "cer_letters": 0.0164,
+    "cer": 0.014,
+    "covered": 1.0
+   },
+   "ocrbench_v1_006": {
+    "cer_letters": 0.0097,
+    "cer": 0.0172,
+    "covered": 1.0
+   },
+   "ocrbench_v1_007": {
+    "cer_letters": 0.0038,
+    "cer": 0.0329,
+    "covered": 1.0
+   },
+   "ocrbench_v1_008": {
+    "cer_letters": 0.0078,
+    "cer": 0.0107,
+    "covered": 1.0
+   },
+   "ocrbench_v1_009": {
+    "cer_letters": 0.0,
+    "cer": 0.0458,
+    "covered": 1.0
+   },
+   "ocrbench_v1_010": {
+    "cer_letters": 0.0115,
+    "cer": 0.0374,
+    "covered": 1.0
+   },
+   "ocrbench_v1_011": {
+    "cer_letters": 0.0218,
+    "cer": 0.0651,
+    "covered": 1.0
+   },
+   "ocrbench_v1_012": {
+    "cer_letters": 0.0296,
+    "cer": 0.0467,
+    "covered": 1.0
+   },
+   "ocrbench_v1_013": {
+    "cer_letters": 0.0121,
+    "cer": 0.0103,
+    "covered": 1.0
+   },
+   "ocrbench_v1_014": {
+    "cer_letters": 0.0064,
+    "cer": 0.0791,
+    "covered": 1.0
+   },
+   "ocrbench_v1_015": {
+    "cer_letters": 0.0139,
+    "cer": 0.06,
+    "covered": 1.0
+   },
+   "ocrbench_v1_016": {
+    "cer_letters": 0.0134,
+    "cer": 0.0111,
+    "covered": 1.0
+   },
+   "ocrbench_v1_017": {
+    "cer_letters": 0.0179,
+    "cer": 0.0333,
+    "covered": 1.0
+   },
+   "ocrbench_v1_019": {
+    "cer_letters": 0.0119,
+    "cer": 0.0252,
+    "covered": 1.0
+   },
+   "ocrbench_v1_020": {
+    "cer_letters": 0.0135,
+    "cer": 0.0259,
+    "covered": 1.0
+   },
+   "ocrbench_v1_021": {
+    "cer_letters": 0.0767,
+    "cer": 0.0877,
+    "covered": 1.0
+   },
+   "ocrbench_v1_022": {
+    "cer_letters": 0.0133,
+    "cer": 0.0118,
+    "covered": 1.0
+   },
+   "ocrbench_v1_023": {
+    "cer_letters": 0.053,
+    "cer": 0.0534,
+    "covered": 1.0
+   },
+   "ocrbench_v1_024": {
+    "cer_letters": 0.0599,
+    "cer": 0.0719,
+    "covered": 1.0
+   },
+   "ocrbench_v1_025": {
+    "cer_letters": 0.0218,
+    "cer": 0.0275,
+    "covered": 1.0
+   },
+   "ocrbench_v1_026": {
+    "cer_letters": 0.0166,
+    "cer": 0.0131,
+    "covered": 1.0
+   },
+   "ocrbench_v1_027": {
+    "cer_letters": 0.0654,
+    "cer": 0.0909,
+    "covered": 1.0
+   },
+   "ocrbench_v1_028": {
+    "cer_letters": 0.0677,
+    "cer": 0.0716,
+    "covered": 1.0
+   },
+   "ocrbench_v1_029": {
+    "cer_letters": 0.0153,
+    "cer": 0.0217,
+    "covered": 1.0
+   },
+   "ocrbench_v1_030": {
+    "cer_letters": 0.0355,
+    "cer": 0.0753,
+    "covered": 1.0
+   },
+   "ocrbench_v1_031": {
+    "cer_letters": 0.0121,
+    "cer": 0.0115,
+    "covered": 1.0
+   },
+   "ocrbench_v1_032": {
+    "cer_letters": 0.0265,
+    "cer": 0.0308,
+    "covered": 1.0
+   },
+   "ocrbench_v1_033": {
+    "cer_letters": 0.0479,
+    "cer": 0.0641,
+    "covered": 1.0
+   },
+   "ocrbench_v1_034": {
+    "cer_letters": 0.0265,
+    "cer": 0.0315,
+    "covered": 1.0
+   },
+   "ocrbench_v1_035": {
+    "cer_letters": 0.1186,
+    "cer": 0.1132,
+    "covered": 1.0
+   },
+   "ocrbench_v1_036": {
+    "cer_letters": 0.0509,
+    "cer": 0.091,
+    "covered": 1.0
+   },
+   "ocrbench_v1_037": {
+    "cer_letters": 0.0389,
+    "cer": 0.0611,
+    "covered": 1.0
+   },
+   "ocrbench_v1_039": {
+    "cer_letters": 0.0415,
+    "cer": 0.0602,
+    "covered": 1.0
+   },
+   "ocrbench_v1_040": {
+    "cer_letters": 0.0386,
+    "cer": 0.0836,
+    "covered": 1.0
+   },
+   "ocrbench_v1_042": {
+    "cer_letters": 0.0333,
+    "cer": 0.0333,
+    "covered": 1.0
+   },
+   "ocrbench_v1_043": {
+    "cer_letters": 0.0161,
+    "cer": 0.0439,
+    "covered": 1.0
+   },
+   "ocrbench_v1_044": {
+    "cer_letters": 0.0572,
+    "cer": 0.1005,
+    "covered": 1.0
+   },
+   "ocrbench_v1_046": {
+    "cer_letters": 0.0731,
+    "cer": 0.1094,
+    "covered": 1.0
+   },
+   "ocrbench_v1_047": {
+    "cer_letters": 0.0237,
+    "cer": 0.0708,
+    "covered": 1.0
+   },
+   "ocrbench_v1_048": {
+    "cer_letters": 0.0311,
+    "cer": 0.0658,
+    "covered": 1.0
+   },
+   "ocrbench_v1_050": {
+    "cer_letters": 0.092,
+    "cer": 0.1396,
+    "covered": 1.0
+   },
+   "ocrbench_v1_051": {
+    "cer_letters": 0.062,
+    "cer": 0.1061,
+    "covered": 1.0
+   },
+   "ocrbench_v1_052": {
+    "cer_letters": 0.0696,
+    "cer": 0.0899,
+    "covered": 1.0
+   },
+   "ocrbench_v1_053": {
+    "cer_letters": 0.0169,
+    "cer": 0.0406,
+    "covered": 1.0
+   },
+   "ocrbench_v1_054": {
+    "cer_letters": 0.0394,
+    "cer": 0.0955,
+    "covered": 1.0
+   },
+   "ocrbench_v1_055": {
+    "cer_letters": 0.0987,
+    "cer": 0.1292,
+    "covered": 1.0
+   },
+   "ocrbench_v1_057": {
+    "cer_letters": 0.0825,
+    "cer": 0.1256,
+    "covered": 1.0
+   },
+   "ocrbench_v1_058": {
+    "cer_letters": 0.1686,
+    "cer": 0.2093,
+    "covered": 0.952
+   },
+   "ocrbench_v1_059": {
+    "cer_letters": 0.1473,
+    "cer": 0.2012,
+    "covered": 1.0
+   }
+  }
+ },
+ "_old_ocr": {
+  "cer_letters": {
+   "n": 54,
+   "median": 0.0903,
+   "mean": 0.0964
+  },
+  "terciles": [
+   0.0624,
+   0.1277
+  ]
+ }
+}

eval/test_hf_scores.json

@@ -0,0 +1,286 @@
+{
+ "summary": {
+  "n": 54,
+  "median": 0.010611421784530114,
+  "mean": 0.022864659267475267,
+  "by_source": {
+   "bench": {
+    "n": 54,
+    "median": 0.010611421784530114,
+    "mean": 0.022864659267475267
+   }
+  }
+ },
+ "pages": {
+  "ocrbench_v1_000": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003873466752743706
+  },
+  "ocrbench_v1_001": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.009561752988047808
+  },
+  "ocrbench_v1_002": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.05651672433679354
+  },
+  "ocrbench_v1_003": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.04071537290715373
+  },
+  "ocrbench_v1_004": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0026490066225165563
+  },
+  "ocrbench_v1_005": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0025929127052722557
+  },
+  "ocrbench_v1_006": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.010479041916167664
+  },
+  "ocrbench_v1_007": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0010911074740861974
+  },
+  "ocrbench_v1_008": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007849293563579277
+  },
+  "ocrbench_v1_009": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.002079002079002079
+  },
+  "ocrbench_v1_010": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007337526205450734
+  },
+  "ocrbench_v1_011": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.005255255255255256
+  },
+  "ocrbench_v1_012": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.006349206349206349
+  },
+  "ocrbench_v1_013": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.012072434607645875
+  },
+  "ocrbench_v1_014": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.005296610169491525
+  },
+  "ocrbench_v1_015": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.01139240506329114
+  },
+  "ocrbench_v1_016": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003816793893129771
+  },
+  "ocrbench_v1_017": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.016824395373291272
+  },
+  "ocrbench_v1_019": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.001402524544179523
+  },
+  "ocrbench_v1_020": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.004267425320056899
+  },
+  "ocrbench_v1_021": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.07054455445544554
+  },
+  "ocrbench_v1_022": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007067137809187279
+  },
+  "ocrbench_v1_023": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.014134275618374558
+  },
+  "ocrbench_v1_024": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.010743801652892562
+  },
+  "ocrbench_v1_025": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0024183796856106408
+  },
+  "ocrbench_v1_026": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0
+  },
+  "ocrbench_v1_027": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.06740837696335078
+  },
+  "ocrbench_v1_028": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02053196453569762
+  },
+  "ocrbench_v1_029": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.011627906976744186
+  },
+  "ocrbench_v1_030": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.035523978685612786
+  },
+  "ocrbench_v1_031": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003714020427112349
+  },
+  "ocrbench_v1_032": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.014271151885830785
+  },
+  "ocrbench_v1_033": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0009765625
+  },
+  "ocrbench_v1_034": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.000564334085778781
+  },
+  "ocrbench_v1_035": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.01775625504439064
+  },
+  "ocrbench_v1_036": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.009544008483563097
+  },
+  "ocrbench_v1_037": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.009719222462203024
+  },
+  "ocrbench_v1_039": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.00425531914893617
+  },
+  "ocrbench_v1_040": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.00808526277104006
+  },
+  "ocrbench_v1_042": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0038412291933418692
+  },
+  "ocrbench_v1_043": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007494646680942184
+  },
+  "ocrbench_v1_044": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02059308072487644
+  },
+  "ocrbench_v1_046": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02890405459654757
+  },
+  "ocrbench_v1_047": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0199501246882793
+  },
+  "ocrbench_v1_048": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.03171641791044776
+  },
+  "ocrbench_v1_050": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.08133333333333333
+  },
+  "ocrbench_v1_051": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.05929919137466307
+  },
+  "ocrbench_v1_052": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.05963302752293578
+  },
+  "ocrbench_v1_053": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.013108614232209739
+  },
+  "ocrbench_v1_054": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.013123359580052493
+  },
+  "ocrbench_v1_055": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.09772296015180265
+  },
+  "ocrbench_v1_057": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.048538622129436326
+  },
+  "ocrbench_v1_058": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.15935672514619884
+  },
+  "ocrbench_v1_059": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.06976744186046512
+  }
+ }
+}

eval/test_hf_timing.json

@@ -0,0 +1,16 @@
+{
+ "engine": "hf",
+ "model": "/opt/sansar/runs/ocrvlm_v12_clean_q35/final",
+ "split": "test",
+ "pages": 54,
+ "wall_seconds": 462.5,
+ "gen_seconds": 445.2,
+ "pages_per_hour": 436.7,
+ "gen_tokens": 122526,
+ "gen_tok_s": 275.2,
+ "tokens_per_page": 2269.0,
+ "hit_max_new_tokens": 0,
+ "batch": 16,
+ "max_pixels": 1800000,
+ "gpu": "NVIDIA A100-SXM4-40GB"
+}

eval/test_vllm_scores.json

@@ -0,0 +1,286 @@
+{
+ "summary": {
+  "n": 54,
+  "median": 0.010611421784530114,
+  "mean": 0.022697246407354578,
+  "by_source": {
+   "bench": {
+    "n": 54,
+    "median": 0.010611421784530114,
+    "mean": 0.022697246407354578
+   }
+  }
+ },
+ "pages": {
+  "ocrbench_v1_000": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003873466752743706
+  },
+  "ocrbench_v1_001": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.009561752988047808
+  },
+  "ocrbench_v1_002": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.03690888119953864
+  },
+  "ocrbench_v1_003": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.04223744292237443
+  },
+  "ocrbench_v1_004": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0026490066225165563
+  },
+  "ocrbench_v1_005": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0025929127052722557
+  },
+  "ocrbench_v1_006": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.010479041916167664
+  },
+  "ocrbench_v1_007": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0010911074740861974
+  },
+  "ocrbench_v1_008": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007849293563579277
+  },
+  "ocrbench_v1_009": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.002079002079002079
+  },
+  "ocrbench_v1_010": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007337526205450734
+  },
+  "ocrbench_v1_011": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.006756756756756757
+  },
+  "ocrbench_v1_012": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.006349206349206349
+  },
+  "ocrbench_v1_013": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.012072434607645875
+  },
+  "ocrbench_v1_014": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.005296610169491525
+  },
+  "ocrbench_v1_015": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.01139240506329114
+  },
+  "ocrbench_v1_016": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003816793893129771
+  },
+  "ocrbench_v1_017": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.016824395373291272
+  },
+  "ocrbench_v1_019": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.001402524544179523
+  },
+  "ocrbench_v1_020": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.004267425320056899
+  },
+  "ocrbench_v1_021": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.07054455445544554
+  },
+  "ocrbench_v1_022": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007067137809187279
+  },
+  "ocrbench_v1_023": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.014134275618374558
+  },
+  "ocrbench_v1_024": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.010743801652892562
+  },
+  "ocrbench_v1_025": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0024183796856106408
+  },
+  "ocrbench_v1_026": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0
+  },
+  "ocrbench_v1_027": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.06740837696335078
+  },
+  "ocrbench_v1_028": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02053196453569762
+  },
+  "ocrbench_v1_029": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.011627906976744186
+  },
+  "ocrbench_v1_030": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.035523978685612786
+  },
+  "ocrbench_v1_031": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.003714020427112349
+  },
+  "ocrbench_v1_032": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.014271151885830785
+  },
+  "ocrbench_v1_033": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0009765625
+  },
+  "ocrbench_v1_034": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.000564334085778781
+  },
+  "ocrbench_v1_035": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.01775625504439064
+  },
+  "ocrbench_v1_036": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.010250972074938141
+  },
+  "ocrbench_v1_037": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.009719222462203024
+  },
+  "ocrbench_v1_039": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.00425531914893617
+  },
+  "ocrbench_v1_040": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.00808526277104006
+  },
+  "ocrbench_v1_042": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0038412291933418692
+  },
+  "ocrbench_v1_043": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.007494646680942184
+  },
+  "ocrbench_v1_044": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02182866556836903
+  },
+  "ocrbench_v1_046": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.02890405459654757
+  },
+  "ocrbench_v1_047": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.0199501246882793
+  },
+  "ocrbench_v1_048": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.033582089552238806
+  },
+  "ocrbench_v1_050": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.084
+  },
+  "ocrbench_v1_051": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.05929919137466307
+  },
+  "ocrbench_v1_052": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.05963302752293578
+  },
+  "ocrbench_v1_053": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.014044943820224719
+  },
+  "ocrbench_v1_054": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.013123359580052493
+  },
+  "ocrbench_v1_055": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.09772296015180265
+  },
+  "ocrbench_v1_057": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.048538622129436326
+  },
+  "ocrbench_v1_058": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.15838206627680312
+  },
+  "ocrbench_v1_059": {
+   "tier": "gold_bench",
+   "source": "bench",
+   "cer_letters": 0.07087486157253599
+  }
+ }
+}

eval/test_vllm_timing.json

@@ -0,0 +1,16 @@
+{
+ "engine": "vllm",
+ "model": "/opt/sansar/runs/ocrvlm_v12_clean_q35/final",
+ "split": "test",
+ "pages": 54,
+ "wall_seconds": 291.5,
+ "gen_seconds": 21.1,
+ "pages_per_hour": 9216.3,
+ "gen_tokens": 55871,
+ "gen_tok_s": 2648.8,
+ "tokens_per_page": 1034.6,
+ "hit_max_new_tokens": 1,
+ "batch": 64,
+ "max_pixels": 1800000,
+ "gpu": "NVIDIA A100-SXM4-40GB"
+}

eval/transcriptions/test_hf/ocrbench_v1_000.txt

@@ -0,0 +1,34 @@
+(४८,५७) ह्लादयति । शीतीभावने ॥ (४८,५८)
+काशति । प्रकाशने ॥ (४८,५९)
+[दानपनुपरिवस्यते ॥] (४८,६०)
+रोदसी ॥१६॥ रोदसी । रोधसी । क्षोणी । स्वधे । पुरंधी । ऋतावृतौ । प्रपित्वे । प्रतिष्ठे । प्रशस्ये ।
+उरूची । [सान्तापे] । रजसी । विषाणे । धिष्ण्ये । गभीरे । गम्भीरे ॥१७॥ ओण्यौ । चंवौ । नपत्यौ ।
+नप्यौ ॥१८॥ पार्श्वौ । दूरे अन्ते । अनन्ते । द्यावापृथिव्योः ॥ (४८,६१)
+अपः । अपः ॥१९॥ अग्नः । दंसः । वेपः । [वेदः ।] वेषः । विष्ट्वी । व्रतम् । कर्वरम् । शक्म ।
+क्रतुः । करणानि । करांसि । करिक्रत् । करन्ती । चक्रत् । कर्तुम् । कर्ता । कर्तवे । [थलित । हिंसायाम् ।
+इनद्धि ।] धीः । सवः । शमी । शक्तिः । शिल्पम् । कर्मणः ॥ (४८,६२)
+अस्रेमा । अस्रेमा ॥२०॥ अनेद्यः । अनिन्द्यः । अबभिशस्तिः । अनवद्यः । उक्थ्यः । सुनीथः ।
+पाकः । प्रशस्यस्य ॥ (४८,६३)
+आगः । आगः । एनः । अंहः । रिपुः । दुरितम् । अशस्तिः । शमलम् । वृजिनम् । अघस्य ॥ (४८,६४)
+शिम्बाता । शिम्बाता ॥२१॥ शतरा । शातवन्ता । शिल्पम् । शेवृधम् । स्यूमकम् । मयः ।
+द्योतनम् । सुदिनम् । शूषम् । द्युम्नम् । इन्द्रियम् । शेवम् । शिवम् । शुनम् । शम् । भेषजम् । जलाषम् ।
+सुखस्य ॥ (४८,६५)
+निरृतिः । निरृतिः ॥२२॥ कृच्छ्रम् । तृप्रम् । दुःखस्य ॥ (४८,६६)
+<तुवि> तुवि । पुरु । भूरि । शश्वत् । विश्वम् । व्यानशिः । व्योमनी । शतम् । सहस्रम् । अयुतम् ।
+नियुतम् । प्रयुतम् । अर्बुदम् । अत्यर्बुदम् । असंख्येयम् । सरिरम् । बहोः ॥ (४८,६७)
+ऋहन् । ऋहन् । निघृष्वः । कृशमः । मायुकः । प्रतिष्ठा । कृधुकः । दहरकः । वम्रकः । अर्भकः ।
+[अथुराणः] । ह्रस्वस्य ॥ (४८,६८)
+महः । महः । ब्रध्नः । ऋष्वः । उक्षः । गभीरः । अभ्वः । तवसः । ऋभुक्षा । उक्षा । [उक्षिता ।]
+विहायाः । यह्नः । उरु । बृहत् । अम्भृणः । विरप्शी । अद्भुतः । [वविषिपुः । वरिषीः] । महतः ॥ (४८,६९)
+नवम् । नवम् ॥२३॥ नूतनम् । नूतनम् । नव्यम् । अधुना । इदानीम् । नवस्य ॥ (४८,७०)
+प्रत्नम् ॥२४॥ प्रत्नम् । प्रदिवः । प्रवयाः । सनेमि । [मोक्तः । माहुः । यतः ।] पुराणस्य ॥ (४८,७१)
+[अधाह्यः] ॥२५॥ सत्रा । बट् । ऋतम् । अद्धा । सत्यस्य ॥ (४८,७२)
+गौः । गौः ॥२६॥ ग्मा । ज्मा । क्ष्मा । क्षा । क्षमा । क्षोणी । क्षितिः । अवनिः । उर्वी । मही ।
+रिपः । अदितिः । इडा । निरृतिः । गातुः । भूः । भूमिः । पूषा । गोत्रा । पृथिव्याः । पराणि तदायतनानाम् ॥ (४८,७३)
+<तडित् ।> तडित् । आसात् । अम्बरम् । तुर्वशे । अस्तमीले । उपाके । अर्वाके । अन्तमानाम् ।
+अवमे । उपमे । अन्तिकस्य ॥ (४८,७४)
+<श्यावी ।> श्यावी । क्षपा । शर्वरी । अक्तुः । [उर्वी ।] ऊर्म्या । रम्या । नम्या । [चोषा ।] दोषा ।
+नक्ता । तमः । रजः । असिक्नी । तमस्वती । [दमस्वती ।] महस्वती । यशस्वती । घृताची । शिरिणा ।
+मोकी । शोकी । ऊधः । पयः । हिमा । वस्वी । रात्रेः ॥ (४८,७५)
+अरणः । अरणः ॥२७॥ गरः । क्षोदः । क्षद्म । नभः । अम्भः । कबन्धम् । सलिलम् । वाः ।
+वनम् । घृतम् । मधु । पुरीषम् । पिप्पलम् । क्षीरम् । विषम् । रेतः । शकम् । जह्न । बृबूकम् । बुसम् ।

eval/transcriptions/test_hf/ocrbench_v1_001.txt

@@ -0,0 +1,37 @@
+निरस्यन्कामाक्षि प्रणमनजुषां पङ्कमखिलम् ।
+तुलाकोटिद्वन्दं दधदपि च गच्छन्नतुलतां
+गिरां मार्गं पादो गिरिवरसुते लङ्घयति ते ॥ ४५ ॥
+प्रवालं सव्रीलं विपिनविवरे वेपयति या
+स्फुरल्लीलं बालातपमधिकबालं वदति या ।
+रुचिं सांध्यां वन्ध्यां विरचयति या वर्धयतु सा
+शिवं मे कामाक्ष्याः पदनलिनपाटल्यलहरी ॥ ४६ ॥
+किरञ्ज्योत्स्नारीतिं नखमुखरुचा हंसमनसां
+वितन्वानः प्रीतिं विकचतरुणाम्भोरुहरुचिः ।
+प्रकाशः श्रीपादस्तव जननि कामाक्षि तनुते
+शरत्कालप्रौढिं शशिशकलचूडप्रियतमे ॥ ४७ ॥
+नखाङ्कूरस्मेरद्युतिविमलगङ्गाम्भसि सुखं
+कृतस्नानं ज्ञानामृतममलमास्वाद्य नियतम् ।
+उदञ्चन्मञ्जीरस्फुरणमणिदीपे मम मनो
+मनोज्ञे कामाक्ष्याश्चरणमणिहर्म्ये विहरताम् ॥ ४८ ॥
+भवाम्भोधौ नौकां जडिमविपिने पावकशिखा-
+ममर्त्येन्द्रादीनामधिमुकुटमुत्तंसकलिकाम् ।
+जगत्तापे ज्योत्स्नामकृतकवचःपञ्जरपुटे
+शुकस्त्रीं कामाक्ष्या मनसि कलये पादयुगलीम् ॥ ४९ ॥
+परत्मप्राकाश्यप्रतिफलनचुञ्चुः प्रणमतां
+मनोज्ञस्त्वत्पादो मणिमुकुरमुद्रां कलयते ।
+यदीयां कामाक्षि प्रकृतिमसृणाः शोधकदशां
+विधातुं चेष्ठन्ते बलरिपुवधूटीकचभराः ॥ ५० ॥
+अविश्रान्तं तिष्ठन्नकृतकवचःकन्दरपुटी-
+कुटीरान्तः प्रौढं नखरुचिसटालीं प्रकटयन् ।
+प्रचण्डं खण्डत्वं नयतु मम कामाक्षि तरसा
+तमोवेतण्डेन्द्रं तव चरणकण्ठीरवपतिः ॥ ५१ ॥
+पुरस्तात्कामाक्षि प्रचुररसमाखण्डलपुरी-
+पुरंध्रीणां लास्यं तव ललितमालोक्य शनकैः ।
+नखश्रीभिः स्मेरा बहु वितनुते नूपुररवै-
+श्वमत्कृत्या शङ्के चरणयुगली चाटुरचनाः ॥ ५२ ॥
+सरोजं निन्दन्ती नखकिरणकर्पूरशिशिरा
+निषिक्ता मारारेर्मुकुटशशिरेखाहिमजलैः ।
+स्फुरन्ती कामाक्षि स्फुटरुचिमये पल्लवचये
+तवाधत्ते मैत्रीं पथिकसुदृशा पादयुगली ॥ ५३ ॥
+नतानां संपत्तेरनवरतमाकर्षणजपः
+१७

eval/transcriptions/test_hf/ocrbench_v1_002.txt

@@ -0,0 +1,43 @@
+1042
+`स्तोकात्मन्मुक्तः', अल्पान्मुक्तः' इति । `करणे स्तोकाल्पकृचछरकतिपयस्यासत्ववचनस्य' (2.3.33) [`करणे च'--`पा.सू.] इति पञ्चमी,
+`स्तोका
+न्तिकदुरार्थकृच्छ्राणि क्तन' (2.1.39) इति समासः । ननु च `वनं समासे' (6.2.178) इत्यतः समासगरहणमनुर्वितष्यते, समासे च नियतं
+सन्निहितमुत्तरपदम, अतोऽन्तरयेणाप्युत्तरपदग्रहणमुत्तरपदं लभ्यत इत्यभिप्रायेणाह--`उत्तरपदमिति किम्' इति । `निःस्तोकः' इति । `निरादयः क्रान्ताद्यार्थे
+पञ्चम्या' (वा.94) इति प्रादिसमासः । एवं मन्यते--असत्युत्तरपदग्रहणे समासे ये स्तोकादय उत्तरपदभूताः पूर्वपदभूता वा, तेभ्य उत्तरस्याः पञ्चभ्या
+अलुग्भवतीत्येतावन्मात्रं लभ्यते, न तूत्तरपदे परतो ये स्तीकादय इत्येष विशेषः । ततश्च निःस्तोक इत्यत्राप्यलुक् स्यात् । भवति ह्यत्रापि समासवर्तिनः
+स्तोकादेः शब्दादुत्तरा पञ्चमीति ।
+नन्वेवमपि न कर्तव्येमेवोत्तरपदग्रहणम्, लक्षणप्रतिपदोक्तरपिभाषया(व्या.प.3) प्रतिपदं `स्तोकादिभ्यः करणे च' (2.3.33) इत्यादिसूत्रेण या पञ्चमी
+विहिता, तस्या एव ग्रहणम् । नतु `अपादाने पञ्चमी' (2.3.28) इत्यनेन सामान्यलक्षणेन या पञ्चमी विहिता, तस्या एव ग्रहणम् । न तु `अपादाने पञ्चमी' (2.3.28)
+इत्यनेन सामान्यलक्षणेन या पञ्चमी विहिता तस्याः । अवश्यञ्च सलक्षमप्रतिपदोक्तरपिभाषाऽश्रयितव्याः; अन्यथा हि स्तोकादपेतः स्तोकापेत
+इत्यत्राप्यलुक्, स्यात्, एवं सति निःस्तोक इत्यत्रालुकप्राप्तिरेव नास्ति, न ह्यत्र स्तोकशब्दात् प्रतिपदिविहिता पञ्चमी, किं तर्हि? सामान्यलक्षणविहिता । तत
+किं तन्निवृत्त्यर्थोत्तरपदग्रहणेन? इत्याह--`अन्यार्थम्' इत्यादि । आनङ्जाद्यर्थमिदमुत्तरपदग्रहणम् । असति चैतस्मिन् `आनङ् ऋतो द्वन्द्वे' (6.3.25)
+इत्यानङ्, `होतापातृभ्याम्' इत्यत्र यथा पूर्वपदस्य भवति, तथोत्तरपदस्यापि स्यात् । तथा `इकोह्रस्वोऽङ्घयो गालवसव' (6.3.61) इति ह्रस्वो यथेह भवति-`
+ग्रामिणपुत्रः' इति, तथेहापि स्यात्--`ग्रामणीः' इति । ननु यद्यनुत्तरपदेऽपि ह्रस्वः स्यात्, तदा `ह्रस्वो यथेह भवति-`ग्रामणिपुत्रः' इति, तथेहापि स्यात्--
+`ग्रामणीः' इति । ननु यद्यनुत्तरपदेऽपि ह्रस्वः स्यात्, तदा `ह्रस्वो नुपंसके
+प्रतिपदिकस्य' (1.2.47) इति वचनमनर्थकं स्यात्ः अनेनैव सिद्धत्वात्? नानर्थकम्; अनिगन्तार्थत्वान्नित्यार्थत्वाच्च । किञ्च, असत्युत्तरपदग्रहणे कृतम् ���
+यद्येवम्, यदर्थमिदं तद्विधावेव कर्तव्यम्, इह किमर्थं क्रियते? इत्याह--`इहाप्यलुको निवृत्तिम्' इत्यादि । इतिकरणो हेतौ । अन्यार्थं
+तावदवश्यमिदमुत्तरग्रहणम् । इह तु क्रियमाणे सत्ययं विशेषः--निःस्तोक इत्यतराप्यलुग् निवृत्तः क्रियते । तेन लक्षणप्रतिपदोक्तरपिभाषा(व्य.प.3)
+नाश्रयितव्या भवति ।
+अथ कुतः प्रतिमावधिकारौ? इत्याह--`अलुगधिकारः' इत्यादि । विधेयान्तरं विधेयान्तरस्य निवर्तकं भवतीत्यानङ् विधीयमान उततरपदेऽलुकं निवर्तयति,
+तस्मात्--`अलगधिकारः प्रागानङः' । उत्तरपदाधिकारः `प्रागङ्गाधिकारात्' इति । उत्तरपदे परतो यत् कार्यं वीधीयते तस्य सम्बन्धिशब्दत्वात् पूर्वपदं
+विधिभाक् । अतोऽङ्गं विधिभाक्त्वेन विज्ञायमानमुत्तरपदाधिकारं निवर्तयति । अङ्गस्य हि यत् कार्यं तत् प्रत्यये परतो विधीयते, नोत्तरपदे । न
+ह्रुत्तरपदेऽङ्गसंज्ञा भवति । अथ वा--उत्तरपद इति सप्तमीनिर्देशदानन्तर एवोत्तरपदे भवितव्यमानङा । यदि चात्र विभक्तेरलुक् स्यात् तदा
+व्यवधानानदानन्तर्यं न स्यात् । न च व्यवधानेऽपि वचनसामर्थ्यादानङ्स्यादिति शक्यते परिकल्पयितुम् । एवं हि `तस्मिन्निति निर्दिष्टे पूर्वस्य' (1.1.66) इति
+निर्दिष्टग्रहणमाननन्तर्यार्थ बाध्येत, अनिष्टं च रूपमापद्येत । न चानिष्टर्ष्ठा शास्त्रे प्रकृतृपतिर्युक्ता । तस्मादलुगधिकारः प्रागानङः । अङ्गस्य प्रत्यये
+परतोऽभावादुत्तरपदे परतस्तन्न भवत्येव, अत उत्तरपदाधिकारः प्रागङ्गाधिकारात् । 2.
+पञ्चम्याः स्तोकादिभ्यः । (6.3.2)
+स्तोकादय इति प्रातपदिकगणेषु न पठ्यन्ते । तस्मात् सूत्रपरिपठिता एवेह ग्रहीतव्या इति दर्शयन्नाह--`स्तोका
+न्तिकदुरार्थकृच्छ्राणि' इत्यादि । अथ `करणे'
+च' (2.3.33) इत्यादौ सूत्रे ये परिपठिताः स्ताकादयस्ते कस्मान्न गृह्यन्ते? एवं मन्यते--`ङसेः स्तोकादिभ्यः' इति वक्तव्ये `पञ्चम्याः' इति
+बहुतराक्षरनिर्देशैशैतत् सूचितम्--`येषु स्ताकादिषु गृह्यमाणेषु बहुतरलक्ष्यसंग्रहो भवति ते ग्रहीतव्याः' इति । स्तोकान्तिकदुरार्थकृच्छ्राणीत्येतेष्वेव `[द्दुरार्थं' इति
+नास्ति मुद्रिते न्यासपाठे] गृह्यमाणेषु बहुतरलक्ष्यसंग्रहो भवति, तत्रार्थग्रहणात्; न त्वितरेषु । तस्मादेषामेव ग्रहणं न्याव्यमिति । कथं पुनरत्र लुक् प्राप्नोति,
+यस्मिन् प्राप्ते प्रतिषेधोऽयं क्रियते? इत्याह--`���मासे कृते' इत्यादि । समासे कृते सति तस्य `कृत्तद्धितसमासाश्च' (1.2.46) इति प्रतिपदिकत्वम्, अतः
+`सुपो धातुप्रातिपदिकयोः' (2.4.71) इति सुपो लुकि प्राप्ते प्रतिषेधोऽयमुच्यते ।
+किं पुनः कारणमेकवचनान्तानां स्तोकादीनामलुगुदाह्रियते, न द्विवचनबहुवचनान्तानाम्? इत्याह--`द्विवचनबहुवचनान्तानाम्' इत्यादि । वृत्तौ हि
+विशेषणपदान्येकत्वादिकां संख्यां विहायाभेदेकत्वसंख्यां प्रतिपद्यन्ते । सा पुनः सख्यानमात्रमनुपात्तसंख्याविशेषं सामान्यभूतम्; यत एवमतो
+विवक्षितार्थानभिधानादद्विवचनबहुवचनान्तानां समासो न भवत्येव । अधिमानलक्षणा हि कृत्तद्धितसमासा भवन्तीति । `तेन' इत्यादि । यत एवं
+द्विवचनबहुवचनान्तानां स्तोकादीनां समासो न भवति, तेन स्तोकाभ्यां मुक्तः, स्तोकेभ्यो मुक्त इत्यत्र न कदाचिदैकपद्यमैकस्वर्यं च भवति ।
+स्तोकाभ्यामित्यस्माद्धि पदान्मुक्त इत्येतत् पदमन्यदेवात्यन्तभिन्नम्, तथा स्तेकेभ्य इत्यस्मान् मुक्त इत्येतत् । स्वरोऽप्यत्रानेक एव । तथा हि--`स्तोकाभ्याम्'
+इत्येतत् प्रतिपदिकस्वरेम मध्योदात्तम्, `मुक्तः' इत्येतत् प्रत्ययस्वरेणान्तोदात्तम् । एवम् `स्तोकेभ्यो मुक्तः' इत्यत्रापि नानास्वरता वेदितव्या । मूलोदाहरणे तु
+समासे सत्येकपद्यं भवति, स्वरोऽप्येक एव । तथा हि--थाथादि(6.2.144) सूत्रेणात्रान्तोदात्तत्वम् ।
+यदि द्विवचनबहुवचनान्तानां समासो न भवतीह तर्हि कथं भवति--`गोषुचरः वर्षासुज इति । विवक्षितार्थाभिधानात् । अनभिधानं ह्यसमासे हेतुरुक्तः, इह तु

eval/transcriptions/test_hf/ocrbench_v1_003.txt

@@ -0,0 +1,74 @@
+उदारवाचे नमः ।
+स्वतःप्रामाण्यादिवादिशुकसूचिततद्गृहाय नमः ।
+कर्मेश्वरादिसंवादिशुकसूचिततद्गृहाय नमः ॥ ४९० ॥
+जगद्ध्रुवत्वादिवादिशुकसूचितसद्मकाय नमः ।
+द्वारस्थनीडसंरुद्धशुकोक्तिश्लाघनापराय नमः ।
+यथोक्तचिह्नविज्ञातमण्डनीयनिवेशनाय नमः ।
+कवाटगुप्तिदुर्वेशगृहान्तर्गीतिचिन्तकाय नमः ।
+योगमाहात्म्यरचितव्योममार्गतिलङ्घनाय नमः ।
+अङ्गणान्तःसमुत्पातिने नमः ।
+परितो दृष्टसद्मकाय नमः ।
+अभ्रलिहमहासद्गरामणीयकदर्शनाय नमः ।
+पद्मजन्माम्शसम्भूतमण्डनार्यावलोकनाय नमः ।
+निमन्त्रितव्यासजैमिन्यङ्प्रिक्षालनदर्शकाय नमः ॥ ५०० ॥
+व्यासजैमिनिसाङ्गत्यदर्शनात्यन्तविस्मिताय नमः ।
+तत्कालकृतसान्निध्यव्यासजैमिनिमानिताय नमः ।
+अकस्माद्यतिसम्प्राप्तिकृद्धमण्डनवीक्षिताय नमः ।
+प्रवृत्तिमार्गनिरतमण्डनार्यविमानिताय नमः ।
+सोपालम्भतदीयोक्तिसमाधानविचक्षणाय नमः ।
+मण्डनीयाखिलप्रश्नोत्तरदानविदग्धथिये नमः ।
+वक्रोक्तिजालचातुर्यनिरुत्तरितमण्डनाय नमः ।
+यतिनिन्दादोषबोधिव्यासवाक्यनिशामकाय नमः ।
+साक्षाद्विष्णुस्वरूपत्वबोधकव्यासदर्शकाय नमः ।
+व्यासाज्ञावाक्यवशगमण्डनार्यनिमन्त्रिताय नमः ॥ ५१० ॥
+मण्डनार्यकृतानेकसपर्याविधिभाजनाय नमः ।
+भैक्षार्यरचिताह्वानाय नमः ।
+वादभिक्षैकयाचकाय नमः ।
+व्यादभिक्षामात्रार्थिस्वागमप्रतिबोधकाय नमः ।
+अन्योन्यशिष्यताप्राप्तिपणबन्धप्रदर्शकाय नमः ।
+अनादृताहारभिक्षाय नमः ।
+वादभिक्षापरायणाय नमः ।
+श्रुत्यन्तमार्गविस्तारमात्राकङ्क्षित्वबोधकाय नमः ।
+विस्मयानन्दभरितमण्डनार्यप्रशस्सिताय नमः ।
+चिराकाङ्क्षितसद्वादकथातोषितमण्डनाय नमः ॥ ५२० ॥
+वादभिक्षाकृतोद्योगमण्डनार्यप्रशस्सकाय नमः ।
+विवादसाक्षिशून्यत्वबोधिमण्डनचोदिताय नमः ।
+मुनिद्वयीसाक्षितार्थिमण्डनार्यप्रशस्सकाय नमः ।
+भारतीकृतमाध्यस्थ्यवादलोपुमानसाय नमः ।
+प्रतिज्ञापणबन्धादिजिज्ञासुत्वप्रदर्शकाय नमः ।
+मण्डनार्यकृतासङ्ख्यवीजनाद्युपचारकाय नमः ।
+व्यासजैमिनिसान्निध्यसम्भाषणपरायणाय नमः ।
+मुनिद्वयान्तर्धिदर्शिने नमः ।
+द्विजेन्द्रालयनिर्गताय नमः ॥ ५३० ॥
+रेवानदीसमीपस्थदेवालयनिवासकृते नमः ।
+निजशिष्यजनैकान्तसम्भाषणपरायणाय नमः ।
+श्राविताशेषविषयशिष्यावलिसमाश्���िताय नमः ।
+व्यासजैमिनिसान्निध्यदुरापत्नानुचिन्तकाय नमः ।
+त्रियामानिर्गमाकाङ्क्षिणे नमः ।
+प्रातःस्नानपरायणाय नमः ।
+कृताह्निकक्रियाय नमः ।
+शिष्यमण्डलीपरिमण्डिताय नमः ।
+मण्डनार्यमहासद्ममण्डनायितमूर्तिकाय नमः ।
+विवादार्थकृतैकान्तनिश्चयाय नमः ॥ ५४० ॥
+मण्डनादृताय नमः ।
+सदस्यभावविलसद्वाणीसान्निध्यदर्शकाय नमः ।
+विवादकृतिसन्नद्धमण्डनार्यप्रशस्सकाय नमः ।
+सदस्यवादिसम्योगसमाह्लादितमानसाय नमः ।
+प्रतिज्ञाकरणोत्साहिने नमः ।
+वेदान्ताशयसूचकाय नमः ।
+विश्वाकारसमाभातब्रह्मैकत्वप्रदर्शकाय नमः ।
+शुक्तिरूप्यादिदृष्टान्तप्रत्यायितमृषात्मकाय नमः ।
+ब्रह्मज्ञानेकसम्प्राप्यस्वात्मसंस्थितबोधकाय नमः ॥ ५५० ॥
+पुनर्जन्मापरामृष्टकैवल्यप्रतिपादकाय नमः ।
+त्रयीमस्तकसन्दोहप्रामाण्योद्घाटनापराय नमः ।
+पराजितस्वसम्प्राप्यशुक्लवस्त्रत्वबोधकाय नमः ।
+जयापजयपक्षीयवाणीसाक्षित्वबोधकाय नमः ।
+विश्वरूपीयसकलप्रतिज्ञाश्रवणोत्सुकाय नमः ।
+वेदान्तामानताबोधितद्वाक्यश्रवणतुराय नमः ।
+कर्मकाण्डीयवचनप्रामाण्यकर्णनाकुलाय नमः ।
+क्रियायोगिवचोमात्रप्रामाण्यकर्णनक्षमाय नमः ।
+कर्मसम्प्राप्यकैवल्यबोधिमण्डनदर्शकाय नमः ॥ ५६० ॥
+यावदायुकर्मजालकर्तव्यत्वोक्तिसंश्रविणे नमः ।
+पराजितस्वकाषायग्रहवाक्यानुमोदकाय नमः ।
+भारतीसाक्षिकासङ्ख्यवादोद्युक्ताय नमः ।
+यतीश्वराय नमः ।

eval/transcriptions/test_hf/ocrbench_v1_004.txt

@@ -0,0 +1,20 @@
+अनुमतम्।२२।
+अपास्यानुमतं पक्षानात्मपक्षव्यवस्थितिः॥२२॥
+यथा-
+यथा रसाञ्जगुः पाकान् षट् केचित् तदसांप्रतम्।
+यत्स्वादुर्व्रीहिरम्लत्वं नचाम्लमपि डाडिमम्॥
+याति तैलं च कटुतां कटुकापि न पिप्पली। यथारसत्वे पाकानां न
+स्यादेवं विपर्ययः॥ इत्यादिना परपक्षमपास्य प्रायः स्वादुः
+स्वादुलवयोरम्लोऽम्लस्य कटुरितरेषमिति प्रायः शब्देन क्वचित्
+व्यभिचारं दर्शयन्नात्मपक्षं स्थापितवानाचार्यः। रसान्तरं विपाक
+इति कल्पने स्वाद्वम्लकटुकानां रसान्तरत्वं तु
+मधुराम्लकटुकस्कन्धद्रव्यरसभेदाद् एव। तस्माद् रसैः
+स्वाद्वादिभिरसौ तुल्यफल इति। फले वातादिशमनकोपनाख्ये
+तुल्य इति वचनाद् रसान्तरत्वमूरीकृतम्। तर्हि रसविपाककार्यं
+बलीयः। उक्तं च-
+रसं विपाकस्तौ वीर्यं प्रभावस्तान्व्यपोहति। बलासाम्ये
+रसादीनामिति नैसर्गिकं बलम्॥
+इतीदृशा स्वभावशक्तिः। अन्यच्च पराशरः पठति- पाकास्त्रयो
+रसानामम्लोऽम्लं पच्यते कटुः कटुकम्। चात्वारोऽन्ये मधुरं
+सङ्कीर्णरसास्तु सङ्कीर्णम्॥
+कटुतिक्तकषायाणां कटुको येषां विपाक इति पक्षः।

eval/transcriptions/test_hf/ocrbench_v1_005.txt

@@ -0,0 +1,44 @@
+अउ2.148
+ग्रहैरपि हि जायन्ते प्रच्छन्नैर्व्याधयः शिशोः।
+कर्म शस्तमतस्तेषु दैवयुक्त्याश्रयं सदा॥
+॥इति द्वितीयोऽध्यायः॥
+अथ तृतीयोऽध्यायः।
+अउ3.1
+अथातो बालग्रहविज्ञानीयं नामाध्यायं व्याख्यास्यामः।
+इति ह स्माहुरात्रेयादयो महर्षयः॥
+अउ3.2
+पुरा गुहस्य रक्षार्थं निर्मिताः शूलपाणिना।
+मनुष्यविग्रहाः पञ्च सप्त स्त्रीविग्रहा ग्रहाः॥
+अउ3.3
+स्कन्दो विशाखो मेषास्य श्वग्रहः पितृसंज्ञितः।
+शकुनिः पूतना शीतपूतनादृष्टिपूतना।
+मुखमण्डितिका तद्वद्रेवती शुष्करेवती॥
+अउ3.4
+ते कामरूपिणः स्कन्दमुपचेरुः समाहिताः।
+स्कन्दस्य बालधारत्वात्तेषां स्कन्दोऽग्रणीरभूत्॥
+अउ3.5
+स्कन्देऽथ यौवनं प्राप्ते सेनापत्यं च तान् ग्रहान्।
+रौद्रान् रुद्रोऽनुजग्राह प्रह्वान् वृत्त्यभिलाषिणः॥
+अउ3.6
+न तिथिष्वप्यतिथयो देवताः पितरोऽपि वा।
+येषु वेश्मसु पूज्यन्ते निवृत्ताचारवर्त्मसु॥
+अउ3.7
+उत्सन्नबलिहोमेषु भिन्नकांस्योपभोजिषु।
+हरध्वं तेषु बालानामारोग्यं धारि शर्म च॥
+अउ3.8
+शूलिनेति नियुक्तास्ते बलिपूजाभिकाङ्क्षिणः।
+क्रुद्धान् भीतान् विमनसः शून्यस्थानैकचारिणः॥
+अउ3.9
+परोपभुक्तकुसुमवस्त्राभरणधारिणः।
+बालान्कश्मलधात्रीकान्सन्ध्यासु रुदतोऽशुचीन्॥
+अउ3.10
+ऋक्षोलूकबिडालादिरूपैरन्यैस्तथाद्भुतैः।
+सन्त्रासयन्तःशयितान्कदाचिज्जाग्रतोऽपि वा।
+प्रायः पर्वसु गृह्णन्ति ग्रहाश्छिद्रप्रहारिणः॥
+अस3.11। आविशन्तश्च लक्ष्यन्ते केवलं शास्त्रचक्षुषा।
+शुद्धेन देहं बालानां गन्धर्वा इव योषिताम्॥
+अउ3.12
+तेषां ग्रहिष्यतां रूपं प्रततं रोदनं ज्वरः॥
+अउ3.13
+सामान्यं रूपमुत्रासजृम्भाभूक्षेपदीनताः।
+फेनस्रावोर्ध्वद्ष्ट्योष्ठदन्तदंशप्रजागराः॥

eval/transcriptions/test_hf/ocrbench_v1_006.txt

@@ -0,0 +1,22 @@
+विषयत्वमिष्यते तदप्यश्लिष्टम्। रजतनिर्भासस्य शुक्तिकालम्बनत्वानुपपत्तेः। यस्मिन्विज्ञाने
+यदवभासते तत्तदालम्बनम्। अत्र च कलधौतानुभवः शक्तिकालम्बनत्वकल्पनायां विरुध्यते। तथा
+चाचकथन्नयायवीथ्यां शालिकनाथः-
+अत्र ब्रूमो य एवार्थो यस्यां संविदि भासते। वेद्यः स एव नान्यश्धि वेद्यावेद्यत्वलक्षणम्॥ इदं
+रजतमित्यत्र रजतं त्ववभासते। तदेव तेन वेद्यं स्यान्न तु शुक्तिरवेदनात्॥ तेनान्यस्यान्यथा
+भासः प्रतीत्यैव पराहतः। अन्यस्मिन्भासमाने हि न परं भासते यतः॥ (प्रक.प.4/23-25)
+इति।
+किं च मिथ्याज्ञानोत्पत्तौ सामग्री न समस्ति। किं केवलानीन्द्रियादीनि कारणानि दोषदूषितानि
+वा। नाद्यः। तेषां समीचीनज्ञान- जननसामर्थ्योपलम्भात्। अन्यथा समीचीनं रजतज्ञानं
+कदाचिदुदयमासादयेत्। न द्वितीयः। दोषाणामौत्सर्गिककार्यप्रसव- शक्तिप्रतिबन्धमात्रप्रभावत्वात्।
+न हि दुष्टं कुटजबीजं वटाङ्कुरं जनयितुमीष्टे। न वा तैलकलुषितं शालिबीजमशाल्यङ्कुर-
+जननायालम्। किं तु स्वकार्यं न करोति। ननु दावदहनदग्धस्य वेत्रबीजस्य कदलीकाण्डजनकत्वं
+दृष्टमिति चेत्-तन्न स्थाने। दग्धस्यावेत्रबीजत्वेन दोषाणां विपरीतकार्यकारित्वं प्रत्यनुदाहरणात्।
+न च भस्मकदोषदूषितस्य कौक्षेयस्याशुशुक्षणेर्बह्वन्नपचनः सामर्थ्यं दृष्टमित्येष्टव्यम्।
+अशितपीताद्याहारपरिणतौ जाठरस्य जातवेदसः शक्तत्वात्। तदुक्तम्-
+अयथार्थस्य बोधस्य नोत्पत्तावस्ति कारणम्। दोषाश्वेन्न हि दोषाणां कार्यशक्तिविघातता॥
+भस्मकादिषु कार्यस्य विघातादेव दोषता। अग्नेर्हि रसनिष्पत्तिः कार्यं जठरवर्तिनः॥ (प्रक. प.
+4/73-74) इति।
+अपि चासत्यप्यर्थं ज्ञानप्रादुर्भावाभ्युपगमे समीचीनस्थलेपि ज्ञानानां स्वगोचरव्यभिचारशङ्का-
+ङ्कुरसंभवेन निरङ्कुशो व्यवहारो लुप्यते। तदाह -
+यदि चार्थं परित्यज्य काचिद्बुधिः प्रकाशते। व्यभिचारवति स्वार्थे कथं विश्वासकारणम्॥ (प्रक.
+प.

eval/transcriptions/test_hf/ocrbench_v1_007.txt

@@ -0,0 +1,30 @@
+सम्बन्धो वा । तत्र सामान्यमन्त्यविशेषश्र समवायश्चे-त्यतत्त्रयं नित्यम्,अकार्यं च ।
+[द्रव्य-गुण-कर्म-अपरसामान्यानामपि विशेषत्वात्
+तद्व्यावृत्तये विशेषस्यान्त्यत्वेन विशेषणम्]
+विशेष इत्येवोक्ते द्रव्यगुणकर्मसामान्यानामपि ग्रहणं स्यात् । विशिष्यतेऽनेनेति हि विशेषः । द्रव्यं च
+दण्डादिकमदण्ड्यादिभ्यो देवदत्तादिकं व्यावर्तयति । गुणश्च निर्गुणाद् द्रव्यम् । कर्मापि निष्क्रिया-न्मूर्तम् । सामान्यं
+द्विविधम्-परम्, अपरं च । परं सत्ता, प्रचुराश्रयत्वात् । अपरं द्रव्यत्वादि, अल्पा-श्रयत्वात् । तत्र
+परसामान्यस्यानुवृत्तिमात्रहेतुत्वेन सामान्यमात्रत्वेऽप्यपरसामान्यं व्यावृत्तेरपि हेतुत्वाद् विशेषोऽपि भवति ।
+अतस्तद्व्यावृत्त्यर्थमन्त्येत्युक्तम् । अन्त्ये द्रव्यादिव्यावर्तकानामभावेऽपि ये व्यावर्तका भवन्ति तेऽन्त्याः ।
+अत्यन्तव्यावृत्तिहेतव इति यावत् । नहि दण्डादिकं तथा । दण्ड्यन्तरा-दिभ्योऽव्यावर्तकत्वात् ।
+[क्रिया अनित्याः]
+क्रिया उत्क्षेपणापक्षेपणाकुञ्चनप्रसरणगमनरूपा अनित्याश्च । चशब्दोऽवधारणे । न द्रव्यादिवदु-भयरूपा इत्यर्थः ।
+[द्रव्येषु नित्यानित्यविभागः]
+गुणा द्रव्याणि च नित्यानित्यभेदेन द्विविधानीति । तथाहि-द्रव्याणि पृथिव्यप्तेजोवायवाकाश-कालदिगात्ममनांसि ।
+तत्र परमाणुरूपाणि पृथिव्यादीनि चत्वारि, गगनादीनि पञ्च नित्यानि । द्व्यणु-कादिरूपाणि पृथिव्यादीनि
+चत्वार्यनित्यानीति ।
+[गुणेषु नित्यानित्यविभागः]
+गुणाश्चानित्यद्रव्यगता अनित्या एव ।
+पार्थिवपरमाणौ एकत्वैक पृथक्त्वपरिमाणगुरुत्वानि नित्यानि । रूपरसगन्धस्पर्शानेकत्वानेकपृथ-
+क्त्वसंयोगविभागपरत्वापरत्वसंस्कारा अनित्याः ।
+आप्ये च रूपरसस्पर्शैकत्वैक पृथक्त्वपरिमाणगुरुत्वद्रवत्वस्नेहा नित्याः । अनेकत्वानेकपृथक्त्व-
+संयोगविभागपरत्वापरत्वसंस्कारा अनित्याः ।
+तैजसे च रूपस्पर्शैकत्वैक पृथक्त्वपरिमाणानि नित्यानि । अनेकत्वानेक पृथक्त्वसंयोगविभाग-
+परत्वापरत्वद्रवत्वसंस्कारा अनित्याः ।
+वायवीये च स्पर्शैकत्वैकपृथक्त्वपरिमाणानि नित्यानि । अनेकत्वानेकपृथक्त्वसंयोगविभाग-परत्वापरत्वसंस्कारा
+अनित्याः ।
+आकाशे चैकत्वैकपृथक्त्वपरिमाणानि नित्यानि । अनेकत्वानेकपृथक्त्वसंयो���विभागशब्दा अनित्याः ।
+आत्मनि चैकत्वैकपृथक्त्वपरिमाणानि नित्यानि । अनेकत्वानेकपृथक्त्वसंयोगविभागा बुद्ध्या-दयश्च नव अनित्याः ।
+ईश्वरात्मनि विशेषोऽभिहितः । (६५७)
+मनसि चैकत्वैकपृथक्त्वपरिमाणानि नित्यानि । अनेकत्वानेकपृथक्त्वसंयोगविभागपरत्वा-परत्वसंस्कारा अनित्या
+इति विवेकः ।

eval/transcriptions/test_hf/ocrbench_v1_008.txt

@@ -0,0 +1,14 @@
+गृहे गृहे गोपवधूकदम्बाः सर्वे मिलित्वा समवाययोगे ।
+पुण्यानि नामानि पठन्ति नित्यं गोविन्द दामोदर माधवेति ॥
+मन्दारमूले वदनाभिरामं विम्बाधरे पूरितवेणुनादम् ।
+गोगोपगोपीजन मध्यसंस्थं गोविन्द दामोदर माधवेति ॥
+उत्थाय गोप्योऽपररात्रभागे स्मृत्वा यशोदासुतबालकेलिम् ।
+गायन्ति प्रोच्चैर्दधि मन्थयन्त्यो गोविन्द दामोदर माधवेति ॥
+जग्धोऽथ दत्तो नवनीतपिण्डो गृहे यशोदा विचिकित्सयन्ती ।
+उवाच सत्यं वद हे मुरारे गोविन्द दामोदर माधवेति ॥
+अभ्यर्च्य गेहं युवतिः प्रवृद्धप्रेमप्रवाहा दधि निर्ममन्थ ।
+गायन्ति गोप्योऽथ सखीसमेता गोविन्द दामोदर माधवेति ॥
+क्वचित् प्रभाते दधिपूर्णपात्रे निक्षिप्य मन्थं युवती मुकुन्दम् ।
+आलोक्य गानं विविधं करोति गोविन्द दामोदर माधवेति ॥
+क्रीडापरं भोजनमज्जनार्थं हितैषिणी स्त्री तनुजं यशोदा ।
+आजूहवत् प्रेमपरिप्लुताक्षी गोविन्द दामोदर माधवेति ॥

eval/transcriptions/test_hf/ocrbench_v1_009.txt

@@ -0,0 +1,23 @@
+प्रहसितं प्रियप्रेमवीक्षणं
+विहरणं च ते ध्यानमङ्गःलम् ।
+रहसि संविदो या हृदिस्पृशः
+कुहक नो मनः क्षोभयन्ति हि ॥ १०॥
+चलसि यद्व्रजाच्चारयन् पशून्
+नलिनसुन्दरं नाथ ते पदम् ।
+शिलतृणाङ्कुरैः सीदतीति नः
+कलिलतां मनः कान्त गच्छति ॥ ११॥
+दिनपरिक्षये नीलकुन्तलै-
+र्वनरुहाननं बिभ्रदावृतम् ।
+घनरजस्वलं दर्शयन् मुहुर्मनसि
+नः स्मरं वीर यच्छसि ॥ १२॥
+प्रणतकामदं पद्मजार्चितं
+धरणिमण्डनं ध्येयमापदि ।
+चरणपङ्कजं शन्तमं च ते
+रमण नः स्तनेष्वर्पयाधिहन् ॥ १३॥
+सुरतवर्धनं शोकनाशनं
+स्वरितवेणुना सुष्ठु चुम्बितम् ।
+इतररागविस्मारणं नृणां
+वितर वीर नस्तेऽधरामृतम् ॥ १४॥
+अटति यद्भवानह्नि काननं
+त्रुटिर्युगायते त्वामपश्यताम् ।
+327

eval/transcriptions/test_hf/ocrbench_v1_010.txt

@@ -0,0 +1,19 @@
+"जन्मान्तरीणरमणस्याङ्गसङ्गसमुत्सुका ।
+सलज्जा चान्तिके सख्याः पातु नः पार्वती सदा" ॥
+अत्रौत्सुक्यलज्जयोश्च संधिर्देवताविषयरतिभावस्याङ्गम् ।
+"पश्येत्कश्चिच्चल चपल ! रे ! का त्वराहं कुमारी
+हस्तालम्बं वितर हहहा व्युत्क्रमः क्वासि यासि ।
+इत्थं पृथ्वीपरिवृढ ! भवद्विद्विषोऽरण्यवृत्तेः
+कन्या कञ्चित्फलकिसलयान्याददानाभिधत्ते" ॥
+अत्र शङ्कासूयाधृतिस्मृतिश्रमदैन्यविबोधौत्सुक्यानां शबलता राजविषयरतिभाव-
+स्याङ्गम् । इह केचिदाहुः--"वाच्यवाचकरूपालङ्करणमुखेन रसाद्युपकारका एवालङ्काराः,
+रसादयस्तु वाच्यवाचकाभ्यामुपकार्या एवेति न तेषामलङ्कारता भवितुं युक्ता" इति । अन्ये
+तु--"रसाद्युपकारमात्रेणेहालङ्कृतिव्यपदेशो भाक्तश्चिरन्तनप्रसिद्ध्याङ्गीकार्य एव" इति ।
+अपरे च--"रसाद्युपकारमात्रेणालङ्कारत्वं मुख्यतो रूपकादौ तु वाच्याद्युपधानम्, अजागल-
+स्तनन्यायेन" इति ।
+अभियुक्तास्तु-"स्वव्यञ्जकवाच्यवाचकाद्युपकृतैरङ्गभूतैः रसादिभिरङ्गिनो रसादे-
+र्वाच्यवाचकोपस्कारद्वारेणोपकुर्वद्भिरलङ्कृतिव्यपदेशो लभ्यते । समासोक्तौ तु नायिका-
+दिव्यवहारमात्रस्यैवालङ्कृतिता, न त्वास्वादस्य, तस्योक्तरीतिविरहात्" इति मन्यन्ते । अत
+एव ध्वनिकारेणोक्तम्--
+"प्रधाने ऽन्यत्र वाक्यार्थं यत्राङ्गं तु रसादयः ।
+काव्ये तस्मिन्नलङ्कारो रसादिरिति मे मतिः" ॥

eval/transcriptions/test_hf/ocrbench_v1_011.txt

@@ -0,0 +1,39 @@
+तदप्यत्यल्पमुक्तम् । विश्वमपीदं
+चिदभेदाख्यातिमयभ्रान्तिपदमेव । भ्रान्तावपि चास्यां पुनः
+स्वप्नद्विचन्द्रादिवद्भान्तता नास्ति संवादादिति
+सर्वमेतन्नर्णीतं टीकायाम् । तदेवं
+पूर्णचित्स्वरूपपर्यालोचनाक्षमास्तावन्मात्राभिनिवेशेन
+संबन्धपदार्थप्रत्याख्यानकारिणोऽसंबद्धाभिधायिन इति ।
+(तदाह)
+अपेक्षा पारतन्त्र्यं च न संबन्धो जडात्मनोः ।
+असंभवादात्मलाभेऽप्युपचारो न लक्षणा ॥ १ ॥
+असतामात्मलाभोक्तेद्द्विष्ठतैवं च हीयते ।
+(प्. ११)
+रूपसंश्लेष एवैवं संबन्धार्थः स्थितः स च ॥ २ ॥
+नानन्तर्यमसंबन्धात्तथात्वेऽयःशलाकयोः ।
+तेनानेकस्य रूपस्य श्लेष ऐकात्म्यमेव सः ॥ ३ ॥
+नैकस्यैक्येऽप्यनेकस्य बाध आहुर्यथा परे ।
+इत्यमिश्राः स्वयं भावास्तान्योजयति कल्पना ॥ ४ ॥
+यतो न कल्पनामात्रं तावदेतदवारणात् ।
+सर्पभ्रान्तेरिवाभासलग्नत्वात्तन्निवारणम् ॥ ५ ॥
+यस्मादाभासलग्नत्वं नाभाससदृशार्थता ।
+किं त्वाभासानुसारित्वं भ्रान्त आभास एव तत् ॥ ६ ॥
+इत्थमाभास एवास्मिन्ननेकस्यैकतादृशि ।
+वाच्योपपत्तिः साप्युक्ता प्रत्यभिज्ञानये स्फुटम् ॥ ७ ॥
+एवं च सति वस्तूनां चिन्मात्रवपुषां सताम् ।
+मायानिर्मितभेदानामप्येकत्वमदुर्घटम् ॥ ८ ॥
+तत्रापि यः परामर्शविषयो लौकिकस्य सः ।
+चिदभेदप्रथारूपभेदसारस्य वेदितुः ॥ ९ ॥
+व्यापारोऽनेन रुद्धोऽसौ न विकल्पान्तरं स्पृशेत् ।
+विकल्पान्तरसंस्पर्शे मातृभेदप्रसङ्गतः ॥ १० ॥
+तदेकामर्शवर्त्यंकशब्दाध्यासवशाद्ब्रजेत् ।
+अनेकोऽप्येकतामर्थो यथा घटपटाविति ॥ ११ ॥
+(प्. १३)
+इत्यस्ति तावदन्यश्च विशेषणविशेष्ययोः ।
+संबन्ध उपकारार्थः स ज्ञातुमुपयुज्यते ॥ १२ ॥
+बहत्वेऽपि भवेद्द्वित्वं विशेषणविशेष्ययोः ।
+द्वेविमर्शभुवो यद्वद्राजोऽश्वरथपत्तयः ॥ १३ ॥
+विमर्शो राज्ञ इत्येकः स्वसामान्योन्मुखः परः ।
+स्वामिसामान्यसंबन्धसहः पुरुष इत्ययम् ॥ १४ ॥
+राज्ञः पुरुष इत्येष पश्चात्संबन्धगोचरः ।
+कल्प्योऽनेनाथ वा कल्प्यौ पूर्वौ ते सर्वथा त्रयः ॥ १५ ॥

eval/transcriptions/test_hf/ocrbench_v1_012.txt

@@ -0,0 +1,29 @@
+शृङ्गारप्रकाशे
+कलयसि कलितोऽहं वल्लभे! देहि वाचं
+भ्रमति हृदयमन्तर्विह्वलं निर्याऽसि ॥ ७८ ॥
+९. उत्तमस्य निद्रा यथा-(रघु. ५.६४)
+तत्र स्वयंवरसमाहृतराजलोकं कन्याललाम कमनीयमजस्य लिप्सोः ।
+भावावबोधकलुषा दयितेव रात्रौ निद्रा चिरेण नयनाभिमुखी बभूव ॥ ७९ ॥
+मध्यमस्य यथा-
+ऊष्मायमाणस्तनमण्डलीभिर्वराङ्गनाभिः स्फुटविभ्रमाभिः ।
+आलिङ्गिता रात्रिषु शैशिरीषु ते शेरते यैः प्रणतो वृषाङ्कः ॥ ८० ॥
+१०. उत्तमस्य सुप्तं यथा-(कुसं. ८.८४)
+केवलं प्रियतमादयालुना ज्योतिषामवनतासु पङ्क्तिषु ।
+तेन तत्परिगृहीतवक्षसा नेत्रमीलनकुतूहलं कृतम् ॥ ८१ ॥
+मध्यमस्य यथा-(सक. ५.४७०)
+आश्लेषिणः पृथुरतक्लमपीतशीतमायामिनीं घनमुदो रजनीर्युवानः ।
+ऊर्वोर्मुहुर्वलनबन्धनसन्धिलोलपादान्तसंवलिततूलपटाः स्वपन्ति ॥ ८२ ॥
+११. उत्तमस्य प्रबोधो यथा-(कुसं. ८.८५)
+स व्यबुध्यत बुधस्तवोचितः शातकुम्भकमलाकरैः समम् ।
+मूर्च्छनापरिगृहीतकैशिकैः किन्नरैरुषसि गीतमङ्गलः ॥ ८३ ॥
+मध्यमस्य यथा-
+उन्निद्रितोऽस्मि विगलन्मधुवारहारि-
+व्याकोशकोकनदगन्धिसमीरणेन ।
+१(आन्दोलितासु लतिकास्वमुना तुषार-
+संघात एष विलुठन् विकिरँश्च भाति) ॥ ८४ ॥ १२.
+उत्तमस्य व्रीडा यथा-(सूमु. ३१)
+कनककलशस्वच्छे राधापयोधरमण्डले
+नवजलधरच्छायामात्मद्युतिं प्रतिबिम्बिताम् ।
+असितसिचयप्रान्तभ्रान्त्या मुहुर्मुहुरुक्षिपञ्
+जयति जनितब्रीडाहासः प्रियाहसितो हरिः ॥ ८५ ॥ १.
+उत्तरार्धमिदमत्र योजितमस्माभिः।

eval/transcriptions/test_hf/ocrbench_v1_013.txt

@@ -0,0 +1,14 @@
+दुष्टप्रमथनः पार्थप्रतिज्ञापरिपालकः ।
+सिन्धुराजशिरःपातस्थानवक्ता विवेकदृक् ॥ १७९॥
+सुभद्राशोकहरणो द्रोणोत्सेकादिविस्मितः ।
+पार्थमन्युनिराकर्ता पाण्डवोत्सवदायकः ॥ १८०॥
+अंगुष्ठाक्रान्तकौन्तेयरथश्शक्तोऽहिशीर्षजित् ।
+कालकोपप्रशमनो भीमसेनजयप्रदः ॥ १८१॥
+अश्वत्थामवधायासत्रातपाण्डुसुतः कृती ।
+इषीकास्त्रप्रशमनो द्रौणिरक्षाविचारणः ॥ १८२॥
+पार्थापहारितद्रौणिचूडामणिरभंगुरः ।
+धृतराष्ट्रपरामृष्टभीमप्रतिकृतिस्मयः ॥ १८३॥
+भीष्मबुद्धिप्रदश्शान्तश्शरच्चन्द्रनिभाननः ।
+गदाग्रजन्मा पांचालीप्रतिज्ञापरिपालकः ॥ १८४॥
+गान्धारीकोपदृग्गुप्तधर्मसूनुरनामयः ।
+प्रपन्नार्तिभयच्छेत्ता भीष्मशल्यव्यधावहः ॥ १८५॥

eval/transcriptions/test_hf/ocrbench_v1_014.txt

@@ -0,0 +1,28 @@
+भ्रूचापाकृष्टमुक्ताः श्रवणपथगता नीलपक्ष्माण एते
+यावल्लीलावतीनां हृदि न धृतिमुषो दृष्टिबाणाः पतन्ति ॥ ७४ ॥
+उन्मत्तप्रेमसंरम्भाद्
+आरभन्ते यदङ्गनाः ।
+तत्र प्रत्यूहमाधातुं
+ब्रह्मापि खलु कातरः ॥ ७५ ॥
+तावन्महत्त्वं पाण्डित्यं
+कुलीनत्वं विवेकिता ।
+यावज्ज्वलति नाङ्गेषु
+हतः पञ्चेषुपावकः ॥ ७६ ॥
+शास्त्रज्ञोऽपि प्रगुणितनयोऽत्यान्तबाधापि बाढं
+संसारेऽस्मिन्भवति विरलो भाजनं सद्गतीनाम् ।
+येनैतस्मिन्निरयनगरद्वारमुद्वाटयन्ती
+वामाक्षीणां भवति कुटिला भ्रूलता कुञ्चिकेव ॥ ७७ ॥
+कृशः काणः खञ्जः श्रवणरहितः पुच्छविकलो
+व्रणी पूयक्लिन्नः कृमिकुलशतैरावृततनुः ।
+क्षुधा क्षामो जीर्णः पिठरककपालार्पितगलः
+शुनीमन्वेति श्वा हतमपि च हन्त्येव मदनः ॥ ७८ ॥
+स्त्रीमुद्रां कुसुमायुधस्य जयिनीं सर्वार्थसम्पत्करीं
+ये मूढाः प्रविहाय यान्ति कुधियो मिथ्याफलान्वेषिणः ।
+ते तेनैव निहत्य निर्दयतरं नग्नीकृता मुण्डिताः
+केचित्पञ्चशिखीकृताश्च जटिलाः कापालिकाश्चापरे ॥ ७९ ॥
+विश्वामित्रपराशरप्रभृतयो वाताम्बुपर्णाशना
+स्तेऽपि स्त्रीमुखपङ्कजं सुललितं दृष्ट्वैव मोहं गताः ।
+शाल्यन्नं सघृतं पयोदधियुतं ये भुञ्जते मानवा
+स्तेषामिन्द्रियनिग्रहो यदि भवेद्विन्ध्यः प्लवेत्सागरे ॥ ८० ॥
+परिमलभृतो वाताः शाखा नवाङ्कुरकोटयो
+मधुरविधुरोत्कण्ठाभाजः प्रिया पिकपक्षिणाम् ।

eval/transcriptions/test_hf/ocrbench_v1_015.txt

@@ -0,0 +1,21 @@
+नमस्ते नारदनुते नारायणमनः प्रिये ॥ ७ ॥
+ब्रह्मानन्दाश्रुसञ्जाते वृन्दावननिवासिनि ।
+सर्वावयसम्पूर्णे अमृतोपनिषद्रसे ॥ ८ ॥
+त्वं मामुद्धर कल्याणि महापापाब्धिदुस्तरात् ।
+सर्वेषामपि पापानां प्रायश्चित्तं त्वमेव हि ॥
+देवानां च ऋषीणां च पितॄणां त्वं सदा प्रिया ॥ ९ ॥
+विना श्रीतुलसीं विप्रा येऽपि श्राद्धं प्रकुर्वते ।
+वृथा भवति तच्छ्राद्धं पितॄणां नोपगच्छति ॥ १० ॥
+तुलसीपत्रमुत्सृज्य यदि पूजां करोति वै ।
+आसुरी सा भवेत्पूजा विष्णुप्रीतिकरी न च ॥ ११ ॥
+यज्ञं दानं जपं तीर्थं श्राद्धं वै देवतार्चनम् ।
+तर्पणं मार्जनं चान्यन्न कुर्यात् तुलसीं विना ॥ १२ ॥
+तुलसीदारुमणिभिर्जपः सर्वार्थसाधकः ।
+एवं न वेद यः कश्चित् स विप्रः श्वपचाधमः ॥ १३ ॥
+इत्याह भगवान् ब्रह्माणं नारायणः , ब्रह्मा नारदसनकादिभ्यः,
+सनकादयो वेदव्यासाय, वेदव्यासः शुकाय, शुको वामदेवाय, वामदेवो
+मुनिभ्यः, मुनयो मनुभ्यः प्रोचुः ।
+य एवं वेद, स स्त्रीहत्यायाः प्रमुच्यते, स वीरहत्यायाः प्रमुच्यते,
+स ब्रह्महत्यायाः प्रमुच्यते, स महाभयात्
+प्रमुच्यते, स महादुःखात्प्रमुच्यते, देहान्ते वैकुण्ठमवाप्नोति
+वैकुण्ठमवाप्नोति । इत्युपनिषत् ।

eval/transcriptions/test_hf/ocrbench_v1_016.txt

@@ -0,0 +1,41 @@
+अस12.32
+कासश्वासोरुसदनं शिरोहृन्नाभिपायुरुक् मलसङ्गोऽरुचिच्छर्दिरुदरं मूढमारुतम्॥
+अस12.33
+स्थिरं नीलारुणसिराराजीनद्धमराजि वा।
+नाभेरुपरि च प्रायो गोपुच्छाकृति जायते॥
+अस12.34
+अस्थ्यादिशल्यैः सान्नैश्च भुक्तैरत्यशनेन वा।
+भिद्यते पच्यते चान्त्रं तच्छिद्रेश्च स्रवन् बहिः॥
+अस12.35
+आम एव गुदादेति ततोल्पाल्पं सविड्रसः।
+तुल्यः कुणपगन्धेन पिच्छिलः पीतलोहितः॥
+अस12.36
+शेषश्चापूर्य जठरं जठरं घोरमावहेत्।
+वर्धते तदधोनाभेराशु चैति जलात्मताम्॥
+अस12.37
+उद्रिक्तदोषरूपं च व्याप्तं च श्वासतृट्भ्रमैः।
+छिद्रोदरमिदं प्राहुः परिस्रावीति चापरे॥
+अस12.38
+प्रवृत्तस्नेहपानादेः सहसामाम्बुपायिनः।
+अत्यम्बुपानान्मन्दाग्रेः क्षीणस्यातिकृशस्य वा॥
+अस12.39
+रुध्वाम्बुमार्गाननिलः कफश्च जलमूर्च्छितः।
+वर्द्धयेता तदेवाम्बु तत्स्थानादुदराश्रितौ॥
+अस12.40
+ततः स्यादुदरं तृष्णागुदस्रुतिरुजान्वितम्।
+कासश्वासारुचियुतं नावणसिराततम्॥
+अस12.41
+तोयपूर्णदृतिस्पर्शशब्दप्रक्षोभवेपथु।
+दकोदरं महत् स्निग्धं स्थिरमावृत्तनाभि तत्॥
+अस12.42
+उपेक्षया च सर्वेषु दोषाः स्वस्थानतश्च्युताः।
+पाकाद्द्रवा द्रवीकुर्युः सन्धिस्रोतोमुखान्यपि॥
+अस12.43
+स्वेदश्च बाह्यस्रोतस्सु विहतस्तिर्यगास्थितः।
+तदेवोदकमाप्याय्य पिच्छां कुर्यात्तदा भवेत्॥
+अस12.44
+गुरूदरं स्थिरं वृत्तमाहतं च न शब्दवत्।
+मृदु व्यपेतरार्जीकं नाभ्यां स्पृष्टं च सर्पति॥
+अस12.45
+तदनूदकजन्मास्मिन् कुक्षिवृद्धिस्ततोऽधिकम्।
+सिरान्तर्द्धानमुदकजठरोक्तं च लक्षणम्॥

eval/transcriptions/test_hf/ocrbench_v1_017.txt

@@ -0,0 +1,29 @@
+शृङ्गारप्रकाशे
+१.५.५ वेश्याविषयो यथा-(गउडवहो ९५७, गास. ८९१वे.)
+सामण्णसुंदरीणं विबीममावहइ अविणओ च्विअ ।
+धूमो च्विअ पज्जलिआणं बहुमओ सुरभिदारूणं ।। १७२।।
+(सामान्यसुन्दरीणां विभ्रममावहति अविनय एव ।
+धूम एव प्रज्वलितानां मधुरो भवति सुरभिदारूणाम् ॥)
+१.५.६ सामान्योढाविषयो यथा-
+दिअरो परिणिहइ फुडं सुण्हा सुणिँ खु दुक्खिआ जाआ ।
+सेसिअघरवावारा ओरुण्णमुही परिब्भमइ ।। १७३ ।।
+दिवरः परिणेष्यति स्फुटं स्नुषा श्रुत्वा सुदुःखिता जाता ।
+शेषितगृहव्यापारा अवरुदितमुखी परिभ्रमति ॥
+१.५.७ नवोढाविषयो यथा-(सूमु. २)
+दृष्टा दृष्टिमधो ददाति, कुरुते नालापमाभाषिता
+शय्यायां परिवृत्य तिष्ठति, बलादालिङ्गिता वेपते ।
+निर्यान्तीषु सखीषु वासभवनात्रिर्गन्तुमेवेहते
+जाता वामतयैव सम्प्रति मम प्रीत्यै नवोढा वधूः ॥१७४।।
+१.५.८ प्रौढाविषयो यथा-(अमरु. १८)
+एकत्रासनसंस्थितिः परिहृता प्रत्युद्गमाद् दूरतः,
+ताम्बूलानयनच्छलेन रभसाश्लेषोऽपि संविघ्नितः ।
+आलापोऽपि न मिश्रितः परिजनं व्यापारयन्त्याऽन्तिके
+कान्तं प्रत्युपचारतश्चतुरया कोपः कृतार्थीकृतः ॥ १७५ ।। इत्यादि।
+१.५.९ स्वाधीनभर्तृकाविषयो यथा-(उराच. १.३५)
+विनिश्चेतुं शक्यो न सुखमिति वा दुःखमिति वा
+प्रमोहो निद्रा वा किमु विषविसर्पः? किमु मदः? ।
+तव स्पर्शेस्पर्शे मम हि परिमूढेन्द्रियगणो
+विकारश्चैतन्यं भ्रमयति च, सम्मोहयति च ॥ १७६ ।। इत्यादि। १.५.१०
+प्रोषितपतिकाविषयो यथा-(मेघ. १०१)
+अङ्गेनाङ्गं प्रतनु तनुना गाढतप्तेन तप्तं
+सास्नेणास्रद्रवमविरतोत्कण्ठमुत्कण्ठितेन ।

eval/transcriptions/test_hf/ocrbench_v1_019.txt

@@ -0,0 +1,27 @@
+कामधेनुसहिता । ९९
+स्थानकथनार्थमाह-
+पादाः पादस्यैकस्यानेकस्य चादिमध्यान्तभागाः
+स्थानानि ॥ २ ॥
+पादाः एकस्य च पादस्यादिमध्यान्तभागाः अनेकस्य च
+पादस्य त एव स्थानानि ।
+भिन्नार्थमेकमनेकं वा पदम्, तद्वदेकमनेकं वाक्षरं च स्थाननियमे सत्यावृत्तं यमकं
+भवतीति । तथा च पदयमकम्, अक्षरयमकमिति च द्वैविध्यं दर्शितं भवति
+। कीदृगत्र स्थाननियम इति, तत्राह- स्ववृत्त्येति । यदेव पदमक्षरं वा
+यमकनिबन्धनं तदेव यदि पादान्तरे वर्तते यथा 'भ्रमर द्रुमपुष्पाणि' इत्यादौ,
+तत्र स्ववृत्त्या आवृत्तिः । 'सजातीयनैरन्तर्ये चास्य प्रकर्षः' इतीहैव वक्ष्यमाण-
+युक्त्या सजातीयं यत्र पादान्तरे वर्तते यथा 'हन्त हन्तः' इत्यादौ, तत्र
+सजातीयस्यावृत्तिः । नियतस्थानावृत्तसमानसंख्याकाक्षरसंनिवेशोऽत्र साजात्यम् ।
+कात्स्न्येन समस्तपादगतत्वेन । एकदेशेन पादस्यादिमध्यान्तभागगतत्वेनेत्यर्थः ।
+ननु 'अथ समाववृते कुसुमैर्नवैस्तमिव सेवितुमेकनराधिपम् । यमकुबेरजलेश्वर-
+वज्रिणां समधुरं मधुरञ्चितविक्रमम्' इत्यादौ पादान्तरव्याप्तिलक्षणस्थाननियमा-
+संभवेन यमकता न स्यात् ; अतो लक्षणस्याव्याप्तिरिति, तत्राह- यानि
+त्विति । एकस्यैव पादस्य भागे वृत्तिर्येषां तानि एकपादभागवृत्तीनि, तेषु 'द्रुम-
+वतीमवतीर्य वनस्थलीम् ' इत्यादिश्लोकान्तरस्थं संस्थानं यस्य तत्तथाभूतं
+यमकम्, तदपेक्षया सजातीयेनानेकपादव्याप्तिर्भवतीति भवत्येव स्थाननियमः ।
+यमकस्थानानि दर्शयितुं सूत्रमवतारयति-- स्थानकथनार्थमिति ।
+व्याचष्टे- पाद इति । अत्रायं विभागः-- प्रथमपादो द्वितीये तृतीये चतुर्थे
+क्रमेण यम्यते । एवं द्वितीयस्तृतीये चतुर्थे च । तृतीयश्चतुर्थे । तथा प्रथमो
+द्वितीयादिषु त्रिषु युगपद्यम्यत इति सप्तधा भवति । प्रथमो द्वितीये तृतीयश्चतुर्थे,
+प्रथमश्चतुर्थे द्वितीयस्तृतीये, इति द्वौ भेदाविति पादयमकं नवधा । पादस्य त्रेधा
+विभागपक्षे प्रथमादिपादादिभागः पूर्ववत् द्वितीयादिपादादिभागेषु, प्रथमादि-
+पादमध्यभागो द्वितीयादिपादमध्यभागेषु, प्रथमादिपादान्तभागो द्वितीयादिपादा-

eval/transcriptions/test_hf/ocrbench_v1_020.txt

@@ -0,0 +1,27 @@
+व्योमवत्यां
+ऽतिप्रसङ्गात् । तस्मात् संयोगस्य प्रदेशवृत्तित्वमाश्रयाव्यापकत्वमित्यवयवे-
+नावयविना च संयोगो धटत एव ।
+न च प्राक्तनस्य मूलप्रदेशे वृक्षेण संयोगस्यावस्थाने सत्युत्तरसंयोगेन
+शक्यं भवितुमिति तद्विनाशको विभागोऽपि सिद्धः । यथा चात्र वृक्षापरि-
+त्यागेनैव पुरुषस्यान्यतरकर्मजाः संयोगा विभागाश्च भवन्ति तद्वदाकाशा-
+परित्यागेनैव परमाणोः संयोगा विभागाश्च भविष्यन्तीति व्यापकत्वमतन्त्रम् ।
+तदेवं परमाण्वाकाशादिसंयोगस्योत्पत्तिविनाशकारणोपपत्तेर्नाजत्वमिति
+। यच्च सूत्रकारस्यावचनं व्यामोहादपि सम्भवतीत्युक्तम्, तदसत्,
+तदभिहितानां पदार्थानां प्रमाणान्तरेणापि तथाभावोपलब्धेः सम्यग्ज्ञानसिद्धौ
+तद्विरुद्धस्य मिथ्याज्ञानस्य निवृत्तेः ।
+अथ विभूनां परस्परतः संयोगो भविष्यतीति । तथा ह्याकाशम् आत्मादिना
+संयुज्यते, मूर्त्तसंयोगित्वात्, घटवत् । अस्य प्रतिषेधार्थमाह विभूनान्तु
+परस्परतः संयोगो नास्ति, युतसिद्ध्यभावात् । यत्र यत्र संयोगस्तत्र तत्र
+युतसिद्धिरुपलब्धा । सा च संयोगस्य व्यापिका व्यावर्तमाना स्वव्याप्तं संयोगं
+गृहीत्वा व्यावर्तत इत्यन्यथासिद्धं साधनम् ।
+सा पुनः युतसिद्धिः । द्वयोरन्यतरस्य वा पृथग्गतिमत्त्वं युताश्रय-
+समवायित्वञ्चेति । द्वयोः पृथग्गतिमत्त्वमन्यतरस्य वेति, इयं नित्यानां
+युतसिद्धिः । द्वयोर्युताश्रयसमवायित्वमन्यतरस्य वेति, अनित्यानाम् । अस्यास्तु
+विस्तरेण विचारो विभागावसरे द्रष्टव्यः । न च विभूनां पृथग्गतिमत्त्वम-
+मूर्त्तत्वात् । युताश्रयसमवायित्वमपि न सम्भवत्येवाकार्यत्वादिति ।
+संयोगविनाशप्रकारः
+विनाशस्तु सर्वस्य संयोगस्यैकार्थसमवेताद् विभागात्, क्वचिद्
+आश्रयविनाशादपि । कथम् ? यदा तन्त्वोः संयोगे सत्यन्यतरतन्त्वा-
+रम्भकेशौ कर्मोत्पद्यते, तेन कर्मणा अंशवन्तराद् विभागः क्रियते, विभा-
+गाच्च तन्त्वारम्भकसंयोगविनाशः, संयोगविनाशात् तन्तुविनाशः,
+तद्विनाशे तदाश्रितस्य तन्त्वन्तरसंयोगस्य विनाश इति ।

eval/transcriptions/test_hf/ocrbench_v1_021.txt

@@ -0,0 +1,19 @@
+आवरणपूजां समर्पयेत् ततोरश्मिवृन्ददेवताः पूजयेत् ।
+तासान्ध्यानँय्यथा सर्वाः श्यामा असिकरा
+मुण्डमालाविभूषिताः । तर्ज्जनीँ
+व्वामहस्तेनधारयन्त्यश्चसस्मिताः ॥ प्. ४४)
+बाह्यत्रिकोणस्य सम्मुखकोणे
+ॐकालीश्रीपादुकाम्पूजयामिनमः इतिपाद्यादिभिस्त्रिः कालीं
+सम्पूजयेत् ॥ एवन्देव्या वामे ॐ
+कपालिनीश्रीपादुकाम्पूजयामिनमः इति ॥ दक्षे ॐ
+कुल्लाश्रीपादुकाम्पूजयामि इत्यादि तदन्तस्त्रिकोणेसम्मुखे ॐ
+कुरुकुल्लाश्रीपादुकाम्पूजयामि इत्यादि ॥ वामे ॐ
+विरोधिनीश्रीपादुकाम्पूजयामि इत्यादि ॥ दक्षे ॐ
+विप्रचित्ताश्रीपादुकाम्पूजयामि इत्यादि ॥ तदन्तस्त्रिकोणेसम्मुखे
+ॐउग्राश्रीपादुकाम्पूजयामि इत्यादि ॥ ततो वामे ॐ
+उग्रप्रभाश्रीपादुकाम्पूजयामि इत्यादि ॥ दक्षे ॐ
+दीप्ताश्रीपादुकाम्पूजयामि इत्यादि ॥ तदन्तस्त्रिकोणे सम्मुखे ॐ
+नीलाश्रीपादुकाम्पूजयामि इत्यादि ॥ वामे
+घनाश्रीपादुकाम्पूजयामि इत्यादि ॥ दक्षे
+ॐबलाकाश्रीपादुकाम्पूजयामि इत्यादि । तदन्तस्त्रिकोणे सम्मुखे
+ॐमात्राश्रीपादुकाम्पूजयामि इत्यादि ॥ वामे

eval/transcriptions/test_hf/ocrbench_v1_022.txt

@@ -0,0 +1,42 @@
+अक7.25
+अनुच्छ्रवास्य तु बद्धे वा दत्ते निःशेष एव वा।
+प्रविश्य क्षुभितो वायुः शूलतोदकरो भवेत्।
+तत्राभ्यङ्गो गुदे स्वेदो वातघ्नान्यशनानि च॥
+अक7.26
+द्रुतं प्रणीते निष्कृष्टे सहसोत्क्षिप्त एव वा।
+स्यात् कटीगुदजङ्घोरुबस्तिस्तम्भार्तिभेदनम्॥
+भोजनं तत्र वातघ्नं स्वेदाभ्यङ्गाः सबस्तयः॥
+अक7.27
+तिर्यग्वल्यावृते द्वारे बद्धे वापि न गच्छति।
+नेत्रे तदृजु निष्कृष्य संशोध्य च पुनर्नयेत्॥
+अक7.28
+पीड्यमानेऽन्तरामुक्ते गुदे प्रतिहतोऽनिलः।
+उरः शिरोरुजं सादमूर्वाश्च जनयेद्बली।
+बस्तिःस्यात्तत्रबिल्वादिः फलश्यामादिमूत्रवान्॥
+अक7.29
+स्याद्वाहो दवथुः शोफः कम्पेनाभिहते गुदे।
+कषायमधुराः शीताः सेकास्तत्र सबस्तयः॥
+अक7.30
+अतिमात्रप्रणीतेन नेत्रेण क्षणनाद्वलेः।
+स्यात् सार्तिदाहनिस्तोदगुरुवर्चःप्रवर्तनम्।
+तत्र सर्पिः पिचुः क्षीरं पिच्छाबस्तिश्च शस्यते॥
+अक7.31
+न भावयति मन्दस्तु बाह्यश्चाशु निवर्तते।
+स्नेहस्तत्र पुनः सम्यक् प्रणेयः सिद्धिमिच्छता॥
+अक7.32
+अतिप्रपीडितः कोष्ठे तिष्ठत्यायाति वा गलम्।
+तत्र बस्तिर्विरेकश्च गलपीडादि कर्म च॥
+अक7.33
+वमनाद्यैर्विशुद्धं च क्षामदेहबलानलम्।
+यथाण्डं तरुणं पूर्णं तैलपात्रं यथा तथा।
+भिषक् प्रयत्नतो रक्षेत् सर्वस्मादपचारतः॥
+अक7.34
+दद्यान्मधुरहृद्यानि ततोऽम्ललवणौ रसौ।
+स्वादुत्तिक्तौ ततो भूयः कषायकटुकौ ततः॥
+अक7.35
+अन्योन्यप्रत्यनीकानां रसानां स्निग्धरूक्षयोः।
+व्यत्यासादुपयोगेन क्रमात्तं प्रकृतिं नयेत्।
+सर्वसहः स्थिरबलो विज्ञेयः प्रकृतिं गतः॥
+अक7.36
+अत्रान्तरे त्यजेदष्टौ भाष्यादीनि विशेषतः।
+उच्चैर्भाष्याच्छिरोरोगतिमिरोरःस्वरव्यथाः॥

eval/transcriptions/test_hf/ocrbench_v1_023.txt

@@ -0,0 +1,26 @@
+कर्मणां च भवति ।
+मत्स्यवेधनयन्त्रे च ब्राह्मण्यं तु द्विजन्मनाम् ।
+समूहे ब्राह्मणानां च जानीयाद् भावकर्मणोः ॥ ५९ ॥
+अथ बाह्व *मित्येतद्धिङ्गुकुङ्कुमयोः स्मृतम् ।
+भस्मकं तु विडङ्गे स्याद् व्याधिभेदेऽथ भण्डनम् ॥ १० ॥
+परिहासे च दुग्धे च कवचे च प्रकीर्तितम् ।
+भावित्रं तु भवेद् भद्रे त्रैलोक्ये चाथ भूतिकम् ॥ ६१ ॥
+भूनिम्बे भूस्तृणे चैव यवान्यामपि कत्तृणे ।
+भोजनं तु भवेद् भुक्तौ मन्दनं स्तुतिमोदयोः ॥ ६२ ॥
+गतौ मदे च स्वप्ने च मणीचं त्वपि मौक्तिके ।
+अग्रहस्ते च पुष्पेऽथ महिनं राज्यशयययोः ॥ ६३ ॥
+मैथुनं रतिसङ्गत्योर्यागोपकरणे पुनः ।
+यजत्रसंज्ञे यजनं यागे चाप्यथ यावसम् ॥ ६४ ॥
+मित्रे भक्ततृणे चाथ तारुण्ये यौवनं तथा ।
+युवतीनां समूहे च वचनं तूक्तिवाक्ययोः ॥ ६५ ॥
+आच्छादनक्रियायां तु वसनं वस्त्र एव च ।
+स्यान्निवासक्रियायां च वहनं त्वपि धारणे ॥ ६६ ॥
+भारस्य स्यन्दतेश्चार्थे रथादीनां च यापने ।
+रथभेदे च विज्ञेयं चतुरश्रे सकूबरे ॥ ६७ ॥
+बहित्रं तु विजानीयाद् वहनाख्यरथान्तरे ।
+यानपात्रे च पोताख्ये वधत्रं त्वायुधे स्मृतम् ॥ ६८ ॥
+शूरे धवयिमर्माख्ये(?) कन्दुके च प्रकीर्तितम् ।
+तन्तुवायस्य दण्डे च शाकटायन उक्तवान् ॥ ६९ ॥ १.
+'ल्ह' ग. पाठः २. 'ही' ङ. पाठः.
+'
+बालीकं रामठेऽपि च' इत्यमरः । कोशान्तरे तु कृङ्कमार्थको बाल्हकशब्दो दृश्यते ।

eval/transcriptions/test_hf/ocrbench_v1_024.txt

@@ -0,0 +1,36 @@
+तरङ्गः ३ ।] रत्नप्रभालम्बकः ७ । १९३
+इत्यालोच्य प्रसार्यैव करं स्तम्भान्तरात्ततः । व्यलिपत्तस्य सा पृष्ठं स्नेहाद्विद्याधरी तदा १६।
+तत्क्षणं लब्धसंस्पर्शः श्रुतकङ्कणनिःस्वनः । जग्राह हस्तं हस्तेन स तस्यास्तं वणिक्स्रुतः १७।
+महाभागापराद्धं ते किं मया मुञ्च मे करम् । इत्यदृश्यैव तं विद्याधरी स्तम्भादुवाच सा १८।
+प्रत्यक्षा ब्रूहि मे का त्वं ततो मोक्ष्यामि ते करम् । इति निश्चयदत्तोऽपि प्रत्युवाच स तां ततः १९।
+प्रत्यक्षदृश्या सर्वं ते वच्मीति शपथोत्तरम् । विद्याधर्या तयोक्तोऽथ करं तस्या मुमोच सः २०।
+अथ स्तम्भाद्विनिर्गत्य साक्षात्सर्वाङ्गसुन्दरी । तन्मुखासक्तनयना तं जगादोपविश्य सा २१।
+अस्ति प्रालेयशैलाग्रे नगरी पुष्करावती । नाम्ना विन्ध्यपरस्तस्यामास्ते विद्याधराधिपः २२।
+अनुरागपरा नाम तस्याहं कन्यका सुता । महाकालार्चनायाता विश्रान्तास्मीह संप्रति २३।
+तावच्च त्वमिहागत्य कुर्वन्पृष्ठविलेपनम् । दृष्टः स्तम्भेऽत्र मारीयमोहनास्त्रोपमो मया २४।
+ततः प्रागनुरागेण रञ्जितः स्नान्तवान्मम । पश्चात्पृष्ठविलेपिन्या अङ्गरागेण ते करः २५।
+अतः परं ते विदितं तत्पितुर्धाम संप्रति । गच्छामीति तयोक्तोऽथ वणिक्पुत्रो जगाद सः २६।
+स्वीकृतं तन्मया चण्डि न स्वान्तं भवतीदृतम् । अमुक्तस्वीकृतस्वान्ता कथमेवं तु गच्छसि २७।
+इति तेनोदिता सा च लघुरागवशीकृता । संगमिष्ये त्वया काममेष्यस्यस्मत्पुरीं यदि २८।
+दुर्गमा सा न ते नाथ सेत्स्यते ते समीहितम् । नहि दुष्करमस्तीह किंचिदध्यवसायिनाम् २९।
+इत्युदीर्य त्वमुत्पत्य सानुरागपरा ययौ । अगान्निश्चयदत्तोऽपि स तद्गतमना गृहम् ३०।
+स्मरन्द्रुमादिव स्तम्भादुद्भिन्नं करपल्लवम् । हा धिक्तस्या गृहीत्वापि नाप्तः पाणिग्रहो मया ३१।
+तद्ब्रजाम्यन्तिकं तस्याः पुरीं तां पुष्करावतीम् । प्राणांस्यक्ष्यामि दैवं वा साहाय्यं मे करिष्यति ३२।
+इति संचिन्तयन्नीत्वा स्मरार्तः सोऽत्र तद्दिनम् । प्रातिष्ठत ततः प्रातरवलम्ब्योत्तरां दिशम् ३३।
+ततः प्रक्रामतस्तस्य त्रयोऽन्ये सहयायिनः । मिलन्ति स्म वणिक्पुत्रो उत्तरापथगामिनः ३४।
+तैः समं समतिक्रामन्पुरग्रामाटवीनदीः । क्रमादुत्तरदिग्भूमिं प्राप स म्लेच्छभूयसीम् ३५।
+तत्र तैरेव सहितः पथि प्राप्यैव ताजिकैः । नीत���वापरस्मै मूल्येन दत्तोऽभूत्ताजिकाय सः ३६।
+तेनापि तावद्गत्यानां हस्ते कोशिलिकाकृते । मुरवाराभिधानस्य तुरुष्कस्य व्यसृज्यत ३७।
+तत्र नीतः स तद्भृत्यैर्युक्तस्तैरपरैस्त्रिभिः । मुरवारं मृतं बुद्ध्वा तत्पुत्राय न्यवेद्यत ३८।
+पितुः कोशलिका ह्येषा मित्रेण प्रेषिता मम । तत्तस्यैवान्तिके प्रातः खाते क्षेप्या इमे मया ३९।
+इत्यात्मना चतुर्थं तं तत्पुत्रोऽपि स तां निशाम् । संयम्य स्थापयामास तुरुष्को निगडैर्दृढम् ४०।
+ततोऽत्र बन्धने रात्रौ मरणत्रासकातरान् । सखीन्निश्चयदत्तस्तान्स जगाद वणिक्सुतान् ४१।
+का विषादेन वः सिद्धिधैर्यमालम्ब्य तिष्ठत । भीता इव हि धीराणां यान्ति दूरे विपत्तयः ४२।
+स्मरतैकां भगवतीं दुर्गामापद्विमोचिनीम् । इति तान्धीरयन्भक्त्या देवीं तुष्टाव सोऽथ ताम् ४३।
+नमस्तुभ्यं महादेवि पादौ ते यावकाङ्कितौ । मृदितासुरलमाम्रपङ्काविव नमाम्यहम् ४४।
+जितं शक्त्या शिवस्यापि विश्वैश्वर्यकृता त्वया । त्वदनुप्राणितं चेदं चेष्टते भुवनत्रयम् ४५।
+परित्रातास्त्वया लोका महिषासुरसूदिनि । परित्रायस्व मां भक्तवत्सले शरणागतम् ४६।
+इत्यादि सम्यग्देवीं तां स्तुत्वा सहचरैः सह । सोऽथ निश्चयदत्तोऽत्र श्रान्तो निद्रामगाद्भुतम् ४७।
+उत्तिष्ठत सुता यात विगतं बन्धनं हि वः । इत्यादिदेश सा स्वप्ने देवी तं चापरांश्च तान् ४८। १.
+'
+स्नातवान्' इति पुस्तकान्तरपाठः. २. ताजिका म्लेच्छविशेषाः. ३. कोशलिका उपायनम्.

eval/transcriptions/test_hf/ocrbench_v1_025.txt

@@ -0,0 +1,27 @@
+शः ॥ १४ ॥
+यदेव भवती जगाद जननि प्रियं मे हितं
+तदद्य विहितं मया सपदि सावहेलं निशि ।। १५ ॥
+निशम्य वणिजो वचस्तदिति सा विमृश्य क्षणं
+जगाद जरती विहस्य वणिजं गुरुज्ञानवित् ।
+यदत्र तनया भवद्वरतरं हि सारं परं
+न जग्धमपि तत्त्वया प्रचुरकाम्यसिद्धिप्रदम् ॥ १६ ॥
+स चावददथो किमन्यदधिकं ब्रवीषि द्रुतं
+ह्यतो जननि कथ्यतां हृदि विमृश्य मे निर्णयात् ।
+मयैव ननु खादितं सकलमेव चैकाकिना
+तयार्पितममन्दरागवशतः सगात्रं पलम् ॥ १७ ॥
+उवाच जरती पुरः शृणु वदामि सत्यं तव
+भृशं तनयसारभूतमभवद्विहंग्याः शिरः ।
+उरश्च यदहो तदेव खलु तत्सुतौ जक्षतु-
+स्त्वया यदपि भुक्तमद्य च तदन्यमांसोपमम् ॥ १८ ॥
+स्वपुत्रयुगखादितावयवहीनभाण्डं ततो
+विलोक्य सहसा भृशं तनयभूरिदुःखाकुला ।
+त्वदीयभयकारणादपि कुतश्चिदानीय सा
+निहत्य शकुनि परं किल तदङ्गतोऽपूपुरत् ॥ १९ ॥
+स सार्थपतिराह तामथ विचिन्तयन्स्वात्मनः
+कुभाग्यपरिजृम्भितं प्रसभविप्रतीसारवान् ।
+क एतदशनेन संभवति मातरुच्चैर्गुण-
+प्रभावगरिमा च को यदनिशं प्रशंसस्यलम् ॥ २० ॥
+तमाह जरती ततस्तनय यो हि भुङ्क्ते शिर-
+स्तदीयमुत यत्र यत्र स हि तिष्ठति प्राज्यधीः ।
+अवाक्ष्यति स तत्र तत्र सहसैव राज्यं मह-
+त्सुखं च कमनीयमेव नितरां यथेष्टं शुभम् ॥ २१ ॥

eval/transcriptions/test_hf/ocrbench_v1_026.txt

@@ -0,0 +1,29 @@
+काव्यमाला।
+तस्येदमाश्रमपदं पुण्यार्हं कुम्भजन्मनः ।
+विन्ध्यो यदाज्ञयाद्यापि धत्ते भूमिसमानताम् ॥ ४५५ ।।
+प्रणम्यो भगवानेष चुलकापीतसागरः ।
+इत्युक्त्वा राघवः प्रायादगस्त्यभ्रातुराश्रमम् ॥ ४५६ ॥
+इतील्वलोपाख्यानम् ॥ १४ ॥
+तं प्रणम्य ततो गत्वा प्रहृष्टो रघुनन्दनः ।
+अगस्त्यस्याश्रमं पुण्यं विससर्जानुजं पुनः ॥ ४५७ ॥
+विनयाल्लक्ष्मणेनाथ शिष्यस्यावेदितो मुनेः ।
+विवेश शासनात्तस्य प्रह्वो दशरथात्मजः ॥ ४५८ ॥
+विधिना प्रणिपत्याथ सानुजो दयितासखः ।
+मुनीन्द्रं तद्विनिर्दिष्टमातिथ्यं प्राप राघवः ॥ ४५९ ।।
+सुखोपविष्टे पुरतः काकुत्स्थे मुनिरब्रवीत् ।
+स्वगुणैर्गुरुतां यातः सत्कारार्होऽसि राघव ॥ ४६० ॥
+पूजामभ्यागतो यस्मान्नासादयति शक्तितः ।
+परत्र मिथ्यासाक्षीव स मांसं निजमश्नुते ॥ ४६१ ॥
+अतिथिर्विमुखो यस्य याति पूजां विना गृहात् ।
+स तस्य पापं विन्यस्य पुण्यं हृत्वा पलायते ॥ ४६२ ॥
+पूज्यस्त्वमस्य जगतो राजा विरजसां वरः ।
+गृहाण वैष्णवं चापं विहितं विश्वकर्मणा ॥ ४६३ ॥
+यः सर्वदितिजेन्द्राणां ययौ निधनदूतताम् ।
+सायकं ब्रह्मदत्तं च तूणावक्षय्यसायकौ ॥ ४६४ ॥
+तप्तहेमप्रभं खड्गं जयायैव ददानि ते ।
+अभेद्यं च तनुत्राणमिदं वज्रभृतः प्रियम् ।
+रथं मातलिसूतं च कार्यकालोपयोगिनम् ॥ ४६५ ॥
+इत्युक्त्वासौ ददौ रत्नं दीप्तं सर्वं रथं विना ।
+दत्त्वा पुनरुवाचेदं प्रसादविषदाशयः ॥ ४६६ ॥
+कच्चिद्वने न खेदो वः कच्चिन्नोत्कण्ठते मनः ।
+तासु राज्यतरुस्फीतफलसंभोगभूमिषु ॥ ४६७ ॥

eval/transcriptions/test_hf/ocrbench_v1_027.txt

@@ -0,0 +1,47 @@
+यदा भाग्यं भवेद्भूरि भवतो दर्शनं तदा ॥४३॥
+नारद उवाच <BR>कासि त्वं कविमौचैमा नार्यः काः पद्मलोचनाः ।
+वद देवि सविस्तारं स्वस्य दुःखस्य कारणम् ॥४४॥
+बालोवाच
+अहं भक्तिरिति ख्याता इमौ मे तनयौ मतौ ।
+ज्ञानवैराग्यनामानौ कालयोगेन जर्जरौ ॥४५॥
+गंगाद्याः सरितश्चेमा मत्सेवार्थ समागताः ।
+तथापि न च मे श्रेयः सेवितायाः सुरैरपि ॥४६॥
+इदानीं श्रृणु मद्भार्तां सचित्तस्त्वं तपोधन ।
+वार्ता मे वितताप्यस्ति तां श्रुत्वा सुखमावह ॥४७॥
+उप्तन्ना द्वविडे सायं वृद्धीं कर्णाटके गता ।
+क्वचित्क्वचिन्महाराष्ट्रे गुर्जरे जीर्णतां गता ॥४८॥
+तत्र घोरकलेर्योगात्पाखण्डैः खण्डितांगका ।
+दुर्बलाह निरं याता पुत्राभ्यां सह मन्दताम ॥४९॥
+वृन्दावनं पुनः प्राप्य नवीनेव सुरुपिणी ।
+जाताहं युवती साम्यक्म्प्रेष्ठरूपा तु साम्प्रतम् ॥५०॥
+इमौ तु शयितावत्र सुतौ मे क्लिश्यतः श्रमात ।
+इदं स्थान परित्यज्य विदेश गम्यते मया ॥५१॥
+जरठत्वं समायातौ तेन दुःखेन दुःखिता ।
+साहं तु तरुणी कस्मात्सुती वृद्धाविमौ कूतः ॥५२॥
+त्रयाणां सहचारित्वाद्वैपरित्यं कुतः स्थितमं ।
+घटते जरठा माता तरुणौ तनयाविति ॥५३॥
+अतः शोचामि चात्मानं विस्मयाविष्टमानसा ।
+वद योगानिधे धीमनं कारण चात्र किं भवेत ॥५४॥
+नारद उवाच
+ज्ञानेनात्मनि पश्चामि सर्वमेतत्ववानघे ।
+न विषादस्त्वया कार्यो हरिः शं ते करिष्यते ॥५५॥
+सुत उवाच
+क्षणमात्रेण तज्ज्ञात्वा वाक्यामूचे मुनीश्वरः ॥५६॥
+नारद उवाच
+श्रृणुष्वावहिता बाले युगोऽयं दारुणः कलिः ।
+तेन लुप्तः सदाचारो योगमार्गस्तपांसि च ॥५७॥
+जना अगहसुरायन्ते शाठ्यदुष्कर्मकारिणः ।
+इह सन्तो विषीदन्ति प्रहृष्यन्ति ह्यासाधवः ।
+धत्ते धैर्यं तू यो धीमान स धीरः पण्डितोऽथवा ॥५८॥
+अस्पृश्यानवलोक्येयं शेषभारकरी धरा ।
+वर्षे वर्षे क्रमाज्जाता मंगलं नापि दृश्यते ॥५९॥
+न त्वामपि सुतैः साकं कोऽपि पश्याति साम्प्रतम ।
+उपेक्षितानुरागान्धैर्जर्जरत्वेन संस्थिता ॥६०॥
+वृन्दावनस्य संयोगात्पुनस्त्वं तरुणी नवा ।
+धन्य वृन्दावनं तेन भक्तिर्नृत्यति यत्र च ॥६१॥
+अत्रेमौ ग्राहकाभावान्न जरामपि मुञ्चत ।
+किञ्चिदात्मसुखेनेह प्रसुप्तिर्मन्यतेऽनयोः ॥६२॥
+भक्तिरुवाच
+कथं परीक्षिता राज्ञा स्थापितो ह्याशुचिः कलिः ।
+प्रवृत्ते तू कलौ सर्वसारः कूत्र गातो महान ��६३॥
+करुणापरेण हरिणाप्यधर्मः कथमीक्ष्यते ।

eval/transcriptions/test_hf/ocrbench_v1_028.txt

@@ -0,0 +1,34 @@
+चारणेभ्यो निशम्य इहस्थं त्वामुपागतः इति प्रवृत्तिं विधाय महेन्द्रोपकारसम्प्रीतः
+राजानं देवेन्द्रं द्रष्टुमभ्यर्थयते । राजा च स्वविनयं प्रकाशयन् वज्रिणः वीर्येणैवेदं
+सुसम्पन्नम् इति समाख्यापयन् शतमखदर्शनस्यायं नावसरः, त्वमेवोर्वशीं प्रभोरन्तिकं
+प्रापयेति प्रार्थयति । राज्ञो विचारं सम्प्रति साम्प्रतं मत्वा चित्ररथः अप्सरोभिः
+साक्रमेकाक्येव गन्तुं प्रतिजानीते । उर्वशी चोपकारिणे नृपाय किमपि कृतज्ञतासूचकं
+वक्तुकामा अपि लज्जागौरवात् अशक्नुवाना चित्रलेखामुखेन "महाराजाभ्यनुज्ञया
+महाराजस्य कीर्तिं प्रियसखीमिव दिवं निनीषुरस्मीति" निवेदयति । राजा च
+पुनर्दर्शनाय प्रार्थयते । सर्वाः सगन्धर्वाः आकाशमुत्पतन्ति । उर्वशी च राश्यासक्त-
+चेतसी उत्पतनभङ्गमिषेण लताविटपे वैजयन्त्याः लग्नत्वं प्रकाश्य तत्र रुद्धा चित्रलेखां
+मोचयेत्याह । सा च परिहासमकुर्वत दृढलम्ना सा मोचयितुं अशक्येति । उर्वशी
+च परिहासं विहाय मोचयितुं कथयति, चित्रलेखा च तस्या दुमोच्यत्वं प्रकाशयन्ती
+मोचनव्यापारं नाटयति । उर्वशी नृपाहितमनस्का अस्य परिहासस्य भाविफलं
+विचिन्त्य "स्मरस्वैतत्ते वचनम्-" इति स्वपक्षं द्रढयति । राजा च स्वमनसि लतायाः
+उर्वशीगमनप्रतिरोधात् आत्मन्युपकारित्वं प्रख्यापयन् धन्यवादततिं समर्पयति
+यतस्तस्या एव कारणात् अपाङ्गनेत्रा पुनरपि सा परिवृत्तार्धमुखी नयनेऽतर्पयत् । चित्र-
+लेखया एकावल्याः मोचनानन्तरं उर्वशी विरहजन्यविकारदुःखेन दीर्घं निःश्वसन्तीं
+सस्पृहं राजानं प्रेमपरिप्लुतनेत्राभ्याम् वीक्षन्ती सखीजनं गगनमार्गगामिनं परिज्ञाय
+अपि नाम पुनरिममुपकारिणं प्रेक्षिष्ये इति विचारयन्ती यथाकथञ्चिद् अपक्रान्ता ।
+सूतश्च आयुष्मते राज्ञे सुरेन्द्रस्य कृतापराधान् दैत्यान् नाशयित्वा ते वायव्यमस्त्रं
+तूणीरं प्रविष्टमिति न्यवेदयत् । राज्ञा च रथमुपश्लेषयितुं आज्ञप्तः राजानं रथमा
+रोहयति । राजा चोर्वशीमार्गोन्मुखः "मदनो दुर्लभाभिलाषीति-" उपालभ्य यथा
+राजहंसी खण्डिताग्रभागान्मृणालाद्विसं कर्षति तथैवेयं सुराङ्गना मे देहान्मनः
+प्रसभमाकर्षतीति मनस्याशंसन् तदीयचिन्ताव्यग्रचित्तो निष्कामति ।
+इति प्रथमोऽङ्कः
+द्वितीयोऽङ्कः
+प्रथमाङ्कवस्तुभावनानन्तरम् द्वितीयाङ्कवस्तुप्रारम्भाय उभयत्र कथांशं नियो-
+जयितुं, तत्रभवान् कवीन्द्रः प्रवेशकं ददत्, विदूषकस्य मुखेन राज्ञो रहस्यं
+समुद्घाटयन्, राज्ञः शून्यहृदयत्वम्, हृदयनिहिताभीप्सितभारसमाक्रान्तत्वम्, अन्य-
+नारीसंक्रान्तचित्तत्वमभिलक्ष्य देव्या महिष्या काशिराजतनयया प्रेरितायाः चेष्ट्याः
+निपुणिकायाः राजरहस्यं अवगन्तुं विदूषकमनुसन्धातुं प्रयत्नं, तत्र च विजयं
+समाख्यापयन्, विदूषकस्य उर्वश्यामप्सरसि निहितमनस्कस्वरूपे राजरहस्ये
+समुद्घाटिते काशिराजदुहितरं प्रति "परिश्रान्तोऽस्म्यैतस्या मृगतृष्णिकाया व्रयस्यं
+निवर्तयितुं, यदि भवत्या मुखकमलं प्रेक्षिष्यते तदा निवर्तिष्यत इति" चाटुपूर्वकं
+कथनमभिसन्धाय, मध्याह्नसमयनिवेदकस्य वैतालिकस्य प्रवेशेन राज्ञः सवितृसदृश-

eval/transcriptions/test_hf/ocrbench_v1_029.txt

@@ -0,0 +1,29 @@
+रसगङ्गाधरः। २४५
+'उल्लासः फुल्लपङ्केरुहपटलपतन्मत्तपुष्पंधयानां
+निस्तारः शोकदावानलविकलह्र्दां कोकसीमन्तिनीनाम् ।
+उत्पातस्तामसानामुपहतमहसां चक्षुषां पक्षपातः
+संघातः कोऽपि धाम्नामयमुदयगिरिप्रान्ततः प्रादुरासीत् ॥'
+अत्रोपमेय उपमानस्य नारोपः। अपि तु कारणे कार्यस्येति रूपकं न
+भवतीति प्राञ्चः । एतन्मतानुसारेणैवास्माभिरपि लक्षितम् । उच्छृङ्खलाः पुन-
+रारोपमात्रं रूपकं वदन्त इहापि रूपकमेवाचक्षत इति प्रागेव निरूपितम् ।
+ननु-
+'यशःसौरभ्यलशुनः शान्तिशैत्यहुताशनः ।
+कारुण्यकुसुमाकाशः पिशुनः केन वर्ण्यते ॥'
+इत्यत्र लशुनहुताशनाकाशैः पिशुनस्य किं साधर्म्यम् , येन तेषाम-
+स्सिनरूपकमुच्यत इति चेत्, यशःसौरभ्ययोः शान्तिशैत्ययोः कारुण्यकुसु-
+मयोश्च ताद्रूप्ये शब्दादुपस्थापितेऽनन्तरमुपस्थितं यशोरूपसौरभ्याद्यभा-
+ववत्त्वमेतत् । एवमपि लशुनखलयोस्ताद्रूप्यसिद्धौ सत्यां लशुनरूपखला-
+वृत्तित्वेन यशःसौरभ्ययोस्ताद्रूप्यं सिद्ध्येत्, यशःसौरभ्ययोस्ताद्रूप्य-
+सिद्धौ च यशोरूपसौरभ्यशून्यत्वेन लशुनखलयोस्ताद्रूप्यम् , इत्यन्यो-
+न्याश्रयो नाशङ्कनीयः । सकलसिद्धेः कल्पनामयत्वेन । कल्पनायाश्च स्व-
+प्रतिभाधीनत्वात् । शिल्पिभिः परस्परावष्टम्भमात्राधीनस्थितिकाभिः शि-
+लेष्टकाभिर्गृहविशेषनिर्माणाच्च ।
+अथास्य ध्वनिः-
+तत्र शब्दशक्तिमूलो यथा-
+'विज्ञत्वं विदुषां गणे सुकवितां सामाजिकानां कुले
+माङ्गल्यं स्वजनेषु गौरवमथो लोकेषु सर्वेष्वपि ।
+रसे मनोभवसंबन्धि राजयक्ष्मरूप व्याधिमत्वं चन्द्रे इति भावः । उल्लास इति । तद्धे-
+तुरित्यर्थः । सूर्योदयवर्णनम् । तेषां लशुनादीनाम् । अस्मिन्पिशुने । चस्त्वर्थे । नन्वन्यो-
+न्याश्रयोत्पत्ताविव ज्ञानेऽपि प्रतिबन्धकत्वात्कथं (तथाखप्रतिबन्धकत्वात्कथं) तथा खा-
+प्रतिभात आह-शिल्पिभिरिति । विज्ञेति। अत्र विज्ञादयः पण्डितानामिव बुधा-
+दीनामपि वाचकाः । नानार्थत्वात् । विज्ञत्वं पण्डितत्वं बुधत्वं च । सुकवितां काव्यकर्तृत्व

eval/transcriptions/test_hf/ocrbench_v1_030.txt

@@ -0,0 +1,20 @@
+१२६ अन्तिमपृष्ठे गच्छ
+६३३. वा जॄभ्रमुत्रसाम् ॥ ६।४।१२४
+एषां किति लिटि सेटि थलि च एत्वाभ्यासलोपौ वा । त्रेसतुः,
+तत्रसतुः । त्रेसिथ, तत्रसिथ । त्रसिता ॥ शो तनूकरणे ॥ ५ ॥
+६३४. ओतः श्यनि ॥ ७।३।७१
+लोपः स्यात् । श्यति । श्यतः । श्यन्ति । शशौ । शशतुः । शाता ।
+शास्यति ॥
+६३५. विभाषा घ्राधेट्शाच्छासः ॥ २।४।७८
+एभ्यस्सिचो लुग्वा स्यात्परस्मैपदे परे । अशात् । अशाताम् ।
+अशुः । इट्सकौ । अशासीत् । अशासिष्टाम् ॥ छो छेदने ॥ ६ ॥ छ्यति
+॥ षोऽन्तकर्मणि ॥ ७ ॥ स्यति । ससौ ॥ दोऽवखण्डने ॥ ८ ॥ द्यति ।
+ददौ । देयात् । अदात् ॥ व्यध ताडने ॥ ९ ॥
+६३६. ग्रहिज्यावयिव्यधिवष्टिविचतिवृश्चतिपृच्छतिभृञ्ज
+तीनां डिति च ॥ ६।१।१६
+एषां सम्प्रसारणं स्यात्किति डिति च । विध्यति । विव्याध ।
+विविधतुः । विविधुः । विव्यधिथ, विव्यद्ध । व्यद्धा । व्यत्स्यति ।
+विध्येत् । विध्यात् । अव्यात्सीत् ॥ पुष पुष्टौ ॥ १० ॥ पुष्यति । पुपोष ।
+पुपोषिथ । पोष्टा । पोक्ष्यति । पुषादीत्यङ् । अपुषत् ॥ शुष शोषणे ॥
+©CHIRANJIBI KHATIWADA
+विषयसूची

eval/transcriptions/test_hf/ocrbench_v1_031.txt

@@ -0,0 +1,23 @@
+[मैदहाव नितान्] आयुर्वेद
+आनह्यते यस्य विशुष्यते च प्रक्लिद्यते धूप्यति चापि नासा
+न वेत्ति यो गन्धरसांश्च जन्तुर्जुष्टं व्यवस्येत्तमपीनसेन
+तं चानिलश्लेष्मभवं विकारं ब्रूयात् प्रतिश्यायसमानलिङ्गम् १
+दोषैर्विदग्धैर्गलतालुमूले संमूर्च्छितो यस्य समीरणस्तु
+निरेति पूतिर्मुखनासिकाभ्यां तं पूतिनस्यं प्रवदन्ति रोगम् २
+घ्राणाश्रितं पित्तमरूंषि कुर्याद्यस्मिन् विकारे बलवांश्च पाकः
+तं नासिकापाकमिति व्यवस्येद्विक्लेदकोथावथवाऽपि यत्र ३
+दोषैर्विदग्धैरथवाऽपि जन्तोर्ललाटदेशेऽभिहतस्य तैस्तैः
+नासा स्रवेत् पूयमसृग्विमिश्रं तं पूयरक्तं प्रवदन्ति रोगम् ४
+घ्राणाश्रिते मर्मणि संप्रदुष्टो यस्यानिलो नासिकया निरेति
+कफानुजातो बहुशोऽतिशब्दस्तं रोगमाहुः क्षवथुं विधिज्ञाः ५
+तीक्ष्णोपयोगादभिजिघ्रतो वा भावान् कटूनर्कनिरीक्षणाद्वा
+सूत्रादिभिर्वा तरुणास्थिमर्मण्युद्धाटितेऽन्य क्षवथुर्निरति ६
+प्रभ्रश्यते नासिकया तु यस्य सान्द्रो विदग्धो लवणः कफस्तु
+प्राक्संचितो मूर्धनि सूर्यतप्तस्तं भ्रंशथुं रोगमुदाहरन्ति ७
+घ्राणे भृशं दाहसमन्विते तु विनिःसरेद् धूम इवेह वायुः
+नासा प्रदीप्तेव च यस्य जन्तोर्व्याधिं तुतं दीप्तमुदाहरन्ति ८
+उछ्वासमार्गं तु कफः सवातो रुन्ध्यात् प्रतीनाहमुदाहरेत्तम्
+घ्राणाद् घनः पीतसितस्तनुर्वा दोषः स्रवेत् स्रावमुदाहरेत्तम् ९
+घ्राणाश्रिते स्रोतसि मारुतेन गाढं प्रतप्ते परिशोषिते च
+कृच्छ्राच्छ्वसेदूर्ध्वमधश्चजन्तुर्यस्मिन् स नासापरिशोष उक्तः १०
+128

eval/transcriptions/test_hf/ocrbench_v1_032.txt

@@ -0,0 +1,28 @@
+सगरळमधिकण्ठं सानलं फालदेशे
+सदनमहिपरीतं सर्वतस्तेऽनुकम्पे ।
+तदिदमुपगता ये तानिमांस्तन्वती त्वं
+विहरसि जितमृत्यून् वीक्षितानप्यमीभिः ।। ४५ ।।
+न वितर पदमैन्द्रं न श्रियं वैधसी वा
+श्रितभुजगकुलेऽपि क्षेवळखेलद्गळेऽपि ।
+मम घटय दये त्वन्मन्दिरे सम्प्रवेशं
+विगलितविविधव्यासङ्गमेतन्ममालम् ।। ४६ ।।
+तव समुदयरोधं तत्परोऽसौ विधत्ते
+स्वकचरितमहिम्ना स्वात्मघाती तमेनम् ।
+भगवति ननु भर्तुं भ्राम्यसीशानुकम्पे
+तव परहितनिष्ठा तादृशी स्तौतु कस्त्वाम् ।। ४७ ।।
+कियदिव विमुखत्वं चित्सुखात्मन्युमेशे
+रतिरपि कियती मेऽन्यत्र धिङ्मां ममास्य ।
+असदपि न दये त्वं हास्यसि त्राणमद्धा
+तव क इह निरोद्धा दासयन्त्यास्तमीशम् ।। ४८ ।।
+अश्रूद्गमगद्गदवागविरळपुळकाढ्याभवे भक्त्या ।
+कति न रमन्ते मां शिवकरुणे कुरु तदनुगं ममैतदलम् ।। ४९ ।।
+करुणे तरुणेन्दुधरस्त्वद्वशवर्तीति तव निशम्य यशः ।
+तस्यावलम्बमीहे तद्धटने प्रतिभुवात्वया भाव्यम् ।। ५० ।।
+जनिमृतिदहनाचिश्शान्तिदिव्यामृतौघे
+जननि शशिविभूषे त्वद्गृहे सम्प्रवेशम् ।
+विघटयदनुकम्पे विघ्नबृन्दं विभिन्दन्
+मयि पततु कदा त्वन्निर्झरः श्रान्तिहारी ।। ५१ ।।
+त्वमभिज्ञशिखामणौ महेशे भजदत्यङ्कुशमन्तुसन्ततीनाम् ।
+यदपह्नुतिपण्डिता दये तन्निरवद्यं तव वेद्मि साहसिक्यम् ।। ५२ ।।
+करुणे कथये किमाज्ञया ते ह्यनुधावत्यहह स्मरन्ति ये तान् ।
+मकुटव्यतिषङ्गिचक्ररेखं मदनध्वंसि मदीयभागधेयम् ।।

eval/transcriptions/test_hf/ocrbench_v1_033.txt

@@ -0,0 +1,28 @@
+कार्यौ सूचीव्यधावन्यौ सूचीमानप्रमाणतः ३६
+कन्याव्यासत्रिभागेन सूची विस्तारतो भवेत्
+पादोनबहला चारुदारुजा दृढसंहिता ३७
+कुमारीव्याससंयुक्ता द्विगुणा कलटायतिः
+एतद्बाह्यान्तरं ज्ञात्वा यन्त्रं संयोजयेत्ततः ३८
+तयोरधस्तदर्धेन मृगाल्यौ सूचिविस्तृतौ
+क्षेत्रस्य लेखितं कार्यं सम्बन्धे सूचिकन्ययोः ३९
+साङ्घ्रिकेतनमूलार्धं लकटे विस्तृतायती
+अक्षाभ्यां योजयेत् सम्यग्दृढं बाह्वक्षवेधयोः ४०
+पञ्चानामपि तुल्यैव कन्यानां स्यात्प्रकल्पना
+कृत्वानुपूर्व्या यन्त्राणि स्थापयेदखिलान्यपि ४१
+आश्विने मासि पक्षे च धवले प्रतिपत्तिथौ
+स्थिरोदयैर्ग्रहैः सौम्यैर्वीक्षिते त्वाष्ट्रभेऽपि च ४२
+पौरजानपदैः सर्ववादित्रध्वनितेन च
+यन्त्राण्युत्क्षिप्य यष्टिं च कर्मस्थानान्नयेज्जलम् ४३
+चित्रप्रतिसराकीर्णां यष्टिं तत्राज्यलेपिताम्
+चूर्णैः सर्वौषधीभिश्च स्थपतिः स्नापयेत् स्वयम् ४४
+जलाशयात्समुत्तार्य नॄणां कलकलस्वनैः
+प्रागग्रां स्थापयेद्दारुहस्तिन्योः प्राक्समुन्नताम् ४५
+अहतेप्सितवासोभिराच्छाद्यार्च्य स्रगादिभिः
+विक्षिप्य च बलिं दिक्षु द्विजातीन् स्वस्ति वाचयेत् ४६
+त्रिसध्यं पूजितां तत्र सर्वप्रकृतिभिस्ततः
+पञ्चाहं वासयेद्यष्टिं गुप्तां चापधरैर्नैः ४७
+तस्मिन्नेवाह्नि यन्त्राणि सर्वाण्यपि च यष्टिवत्
+स्नातान्याच्छादितानीन्द्रस्थानदेशं प्रवेशयेत् ४८
+सूत्रितेऽथ ध्वजस्थाने यष्टेरष्टांशदैर्घ्यतः
+71
+(७१)

eval/transcriptions/test_hf/ocrbench_v1_034.txt

@@ -0,0 +1,30 @@
+तत्सवनात्संनिर्मिमीते ममद्धि सोमम्मधुमन्तमिन्द्रेति मद्वद्वै तृतीयसवनं
+तृतीयसवनादेवैनं तत्संनिर्मिमीते सत्रा वृषञ्जठर आ वृषस्वेति वृषण्वद्वै
+षोळशिनो रूपं सर्वेभ्यो वा एष सवनेभ्यः संनिर्मितो यत्षोळशी तद्यदपाः
+पूर्वेषां हरिवः सुतानामिति यजति सर्वेभ्य एवैनं तत्सवनेभ्यः संनिर्मिमीते
+सर्वेभ्यः सवनेभ्यः संनिर्मितेन षोळशिना राध्नोति य एवं वेद
+महानाम्नीनाम्पञ्चाक्षरानुपसर्गानुपसृजत्येकादशाक्षरेषु पादेषु सर्वेभ्यो वा एष
+छन्दोभ्यः संनिर्मितो यत्षोळशी तद्यन्महानाम्नीनाम्पञ्चाक्षरानुपसर्गानुपसृजत्ये-
+कादशाक्षरेषु पादेषु सर्वेभ्य एवैनं तच्छन्दोभ्यः संनिर्मिमीते सर्वेभ्यश्छन्दोभ्यः
+संनिर्मितेन षोळशिना राध्नोति य एवं वेद ४
+अहर्वै देवा अश्रयन्त रात्रीमसुरास्ते समावद्वीर्या एवासन्न व्यावर्तन्त
+सोऽब्रवीदिन्द्रः कश्चाहं चेमानितोऽसुरान्नात्रीमन्ववेष्याव इति स देवेषु न
+प्रत्यविन्ददबिभयू रात्रेस्तमसो मृत्योस्तस्माद्धाप्येतर्हि नक्तं यावन्मत्रमि-
+वैवापक्रम्य बिभेति तम इव हि रात्रिर्मृत्युरिव तं वै छन्दांस्येवान्ववायंस्तं
+यच्छन्दांस्येवान्ववायंस्तस्मादिन्द्रश्चैव छन्दांसि च रात्रीं वहन्ति न निवि-
+च्छस्यते न पुरोरुङ्न धाय्या नान्या देवतेन्द्रश्च ह्येव छन्दांसि च रात्रीं वहन्ति
+तान्वै पर्यायैरेव पर्यायमनुदन्त यत्पर्यायैः पर्यायमनुदन्त तत्पर्यायाणाम्पर्यायत्वं
+तान्वै प्रथमेनैव पर्यायेणा पूर्वरात्रादनुदन्त मध्यमेन मध्यरात्रादुत्तमेनापर-
+रात्रादपि शर्वर्या अनुस्मसीत्यब्रुवन्नपिशर्वराणि खलु वा एतानि छन्दांसीति ह
+स्माहैतानि हीन्द्रं रात्रेस्तमसो मृत्योर्बिभ्यतमत्यपारयंस्तदपिशर्वराणामपि-
+शर्वरत्वम् ५
+पान्तमा वो अन्धस इत्यन्धस्वत्यानुष्टुभा रात्रीम्प्रतिपद्यल आनुष्टुभी वै
+रात्रिरेतद्रात्रिरूपमन्धस्वत्यः पीतवत्यो मद्वत्यस्त्रिष्टुभो याज्या भवन्त्यभिरूपा
+यद्यज्ञेऽभिरूपं तत्समृद्धम्प्रथमेन पर्यायेण स्तुवते प्रथमान्येव पदानि पुनराददते
+यदेवैषामश्वा गाव आसंस्तदेवैषां तेनाददते मध्यमेन पर्यायेण स्तुवते
+मध्यमान्येव पदानि पुनराददते यदेवैषामनोरथा आसंस्तदेवैषां तेनाददत
+उत्तमेन पर्यायेण स्तुवत उत्तमान्येव पदानि पुनराददते यदेवैषां वासो
+हिरण्यम्मणिरध्यात्ममासीत्तदेवैषां तेनाददत आ द्विषतो वसु दत्ते निरेनमेभ्यः
+सर्वेभ्यो लोकेभ्यो नुदते य एवं वेद पवमानवदहरित्याहुर्न रात्रिः पवमानवती
+67
+(६७)

eval/transcriptions/test_hf/ocrbench_v1_035.txt

@@ -0,0 +1,28 @@
+जिनशतकम् ।
+संतप्ति सप्तसप्तेरव विषमगतेरागसोऽतीव गुर्वी-
+मुन्मूल्यान्मन्मथानुन्मथितमुनिगणप्रष्ठकण्ठस्थलस्थम् ॥ १६ ॥
+यद्यप्यन्तर्न धत्ते स्थितिमयममदो नस्तथाप्येष सेव्यो
+भव्यत्वात्सर्वदोर्व्यां बहिरपि निरतैः पूर्वपृक्तेरितीव ।
+लग्नो रागो गरीयस्यधरवरमणौ यत्र चित्रातिचण्ड-
+त्रासात्संसारतो द्राढृतिजनननुदस्त्रायतां वस्तदास्यम् ॥ १७ ॥
+दैवान्मालिन्ययोगेऽप्यतिचपलतया योऽवदातानुयातः
+पार्श्वस्थारक्तवर्णो भवति स लभते भूरिशोभां सुवृत्तः ।
+स्थैर्यं लब्धा समाधौ ब्रुवदिव युगलं तारयोर्लेचनान्त-
+र्यत्रैवं राजते तन्मुखमुपशमयत्वार्हतं गर्हितं वः ॥ १८ ॥
+बाहुश्रुत्यं दधद्भिर्बहुधवलगुणः संगतो गीयते यत्स्या-
+दर्थानर्थदर्शीत्यवितथमिव तत्कर्तुमालक्ष्यतेऽक्ष्णोः ।
+कर्णाभ्यर्णोपसर्पि द्वितयमुपवहद्वाधिमाणं यदीयं
+योगीशस्याननं तच्छकलयतु कलां काश्मलीं हेलया वः ॥१९॥
+राजीव त्वं निजर्द्ध्या जयसि बहुरजः सत्कथं कथ्यतां मा-
+मृक्षेश क्षीयमाणस्त्वमपि किल मया स्पर्धसे सार्धमेवम् ।
+सद्गन्धश्वासलुब्धभ्रमदलिपटलप्रोच्छलद्राणतो य-
+द्वक्तीव व्यक्तमक्तान्स्त्रपयतु रजसा वस्तदर्हन्मुखाब्जम् ॥ २० ॥
+यत्सौम्यत्वात्स्वकीयां क्षरदमृतरसां सौम्यतां न्यूनवृत्तिं
+व्यालोक्यालोकिताशः कृशतनुरविशत्स्वश्रियोऽन्तद्धिमिच्छुः ।
+स व्रीडत्वादिवेन्दुर्मृडविकटजटाजूटरौद्राटवीं वो
+यच्छत्वच्छिन्नवाञ्छं सुषममितमृतेराननं तन्मनोहृत् ॥ २१ ॥
+लावण्यार्णःप्रपूर्णं चलदृगनिमिषं राजहंसोपजीव्यं
+भ्राम्यद्भ्रूयुग्मभङ्गं त्रिदशमुनिगणासेवनीयं प्रसन्नम् । १.
+पूर्वसंबन्धात्. २. अरुणत्वं मानसो विकारश्च. ३. निकटस्था अनुरका वर्ण
+ब्राह्मणादयो यस्य. ४. शब्दतः, ५. रजसा पापेनाक्तान् लिप्तान्. ६. शोभनम्, ७.
+गतमरणस्य जिनस्य.

eval/transcriptions/test_hf/ocrbench_v1_036.txt

@@ -0,0 +1,76 @@
+यस्याः प्रथमं श्रवणं माहात्म्यस्य हरेरथ ।
+ततः स्नेहोद्भवः प्रीतिस्ततो मेलानवृत्तयः ।।४५।।
+आकारर्षणं स्फुरणं च तदाकारात्मवर्तनम् ।
+सुखानन्दप्रमोदादिवाञ्च्छा ततोऽभियोजनम् ।।४६।।
+ततः प्राप्तिः परोक्षस्य स्वप्ने वा साधुरुपिणः ।
+ततः साक्षाद्भवेत् प्राप्तिर्महानन्दस्य शेषधेः ।।४७।।
+आश्लेषणं चैकतानानन्दस्पर्शादिजं सुखम् ।
+सर्वविषयसौख्यं च स्वामिनाथात् तदा'प्यते ।।४८।।
+एवं भवेत् कृष्णरतिः कृष्णप्रिया क्रमात्पुरा ।
+सतां प्रसेवया कृष्णे भक्त्या तादात्म्यमान्नुयात् ।।४९।।
+सत्सेवया त्वतिप्रीत्या सर्वं सम्पद्यते स्त्रियाः ।
+अतिप्रीत्यैव कृष्णे ता भवन्ति रुचिवर्तनाः ।।4.109.५०।।
+वर्तनं त्यागरूपं तद् दिव्यं नारायणेऽर्पितम् ।
+देहक्रियासु सर्वासु देहभानविवर्जितम् ।।५१।।
+साध्यो नारायणः कृष्णः कान्तः पतिर्मयाऽर्जितः ।
+भावनाः श्रीहरौ कान्ते सर्वा मे सन्ति नाऽपराः ।।५२।।
+मदाश्रयस्थितानां च तथैव सन्ति भावनाः ।
+तास्वेव वासतो मोदोऽन्यत्र दैन्यं प्रसज्यते ।।५३।।
+एतादृशीं स्थितिं प्राप्य मनो मे मोदतेतराम् ।
+योऽक्षरे राजते स्वामी श्रीकान्तः कान्त एव मे ।।५४।।
+अवतारा भवन्त्यस्य श्रेयसे बहवोऽपि हि ।
+स एव भगवान् साक्षात् कृष्णनारायणः प्रभुः ।।५५।।
+आक्षरीभिर्हि मुक्ताभिः सेव्यमानपदाम्बुजः ।
+कुकुमवापिकाक्षेत्रेऽस्मद्दृष्टिगोचरोऽस्ति सः ।।५६।।
+अत्यन्तकृष्णापूर्णः श्रीमद्रोपालनन्दनः ।
+कंभराश्रीसुतः कृष्णो बालकृष्णः प्रभुः पतिः ।।५७।।
+सदा किशोररूपश्च सर्वकामातिकामनः ।
+सर्वेच्छापूरकः कान्तः सर्वासां पावनः पतिः ।।५८।।
+तं प्रभुं शुद्धहृदया पश्यत्येव हृदम्बरे ।
+वर्णेन वयसा कान्त्या पुष्ट्या शान्त्या बलेन च ।।५९।।
+योगोऽस्ति सर्वकान्तानां समर्थः माधवीपतिः ।
+अनुभवित्री जानाति करपाशाधिशायिनी ।।4.109.६०।।
+दिव्यं कृष्णस्य कान्तस्य सुखं वाचामगोचरम् ।
+अपरोक्षं वधूर्वेत्ति वक्षआश्लेषपिण्डिता ।।६१।।
+वध्वो भवन्ति मातर्वै कान्ते विविधवृत्तयः ।
+काश्चित् कान्तस्य हास्ये स्युः प्रसन्ना लग्नवृत्तयः ।।६२।।
+काश्चित् कान्तस्य वै नर्मवाक्येषु मिष्टवृत्तयः ।
+काश्चित् कान्तस्य वै प्रेमपूर्णनेत्रेऽतिवृत्तयः ।।६३।।
+काश्चित् कान्तस्य सौन्दर्ये शृंगारे यौवनेऽतिगाः ।
+काश्चिद् भावेषु हावेषु प्रशंसायां च केलिषु ।।६४।।
+काश्चिदेकान्तरमणे काश्चिद् विहरणे बहिः ।
+काश्चित् प्रसन्ना जायन्ते द्यूतजयपराजये ।।६५।।
+काश्चिन्मानप्रदाने च काश्चित् स्पर्शे सहादने ।
+काश्चित् सहासने काश्चिदाज्ञायां वर्तने तथा ।।६६।।
+काश्चित्तुजलकेल्यादौ काश्चित् पुष्पावभूषणे ।
+काश्चित् प्रसन्ना जायन्ते वारं वारं विलोकने ।।६७।।
+काश्चिद् याने बिमाने च शय्यायां च निकुञ्जके ।
+काश्चिद् विजने सजने भवन्त्याकृष्टवृत्तयः ।।६८।।
+काश्चिद्वक्षःसमाश्लेषे काश्चित् केशादिवेशने ।
+काश्चित् पाने सुगन्धे च काश्चित् ताम्बुलके प्रियाः ।।६९।।
+एवं काश्चित्तु कलहे वैमनस्येऽतिवृत्तयः ।
+राजस्यो वापि तामस्यो भवन्त्याकृष्टवृत्तयः ।।4.109.७०।।
+एवं भाववशा वध्वो भवन्ति कान्तवृत्तयः ।
+कान्तोऽपि भगवान् भावान् विज्ञाया'नन्दयत्यपि ।।७१।।
+आन्तरस्थो बहिस्तिष्ठन् यथाभावं निजप्रियाम् ।
+समाकर्षयति स्वस्मिन् महानन्दं ददात्यपि ।।७२।।
+दिव्यानन्दभराकारः सर्वानन्दपयोदधिः ।
+प्रत्यक्षकान्तरूपः श्रीकृष्णनारायणोऽवति ।।७३।।
+तन्मर्यादां महामुक्ता महामुक्तानिकाः स्त्रियः ।
+अवतारास्तथा व्यूहा ईश्वरा ईशनीस्त्रियः ।।७४।।
+सुराः सिद्धाः सतीवर्गाः साध्व्यश्च साधवोऽमलाः ।
+योगिन्यो यतयः सर्वे पालयन्ति महेश्वराः ।।७५।।
+तन्मर्यादा मया पाल्या तत्प्रीतये सदा शुभा ।
+स एव लोकजीवानां तारकोऽक्षरनायकः ।।७६।।
+अधमोद्धारकः कृष्णस्वामी पतितपावनः ।
+आश्रिताया मनोवृत्तेः पूरणार्थं तथाविधः ।।७७।।
+स्वस्य रीतिं तिरोभाव्या'श्रितवृत्तिं दधाति वै ।
+अहो कृपालुता तस्या'श्रिता'श्रयित्वमिच्छति ।।७८।।
+निजाया अपि नैजत्वं संविभाव्य प्रमोदते ।
+धन्या मातर्हि सा नारी या तथा विन्दति प्रभुम् ।।७९।।
+यस्या नान्यत्र वै श्रद्धा रुचिर्वा कान्तमन्तरा ।
+पुंपुत्ररसवित्तादिमायिकाऽहतमानसा ।।4.109.८०।।
+पत्यर्थं चान्यमन्त्रादौ श्रद्धा यस्या न विद्यते ।
+प्रभुं कृष्णं विना यस्या रजनी रञ्जनी न वै ।।८१।।
+अलौकिकेन्द्रजालादिप्रदर्शयितृमानवे
+यस्या न गौरवं श्रद्धा जायते हरिमन्तरा ।।