Public OCR images with reference markdown, deterministically sampled and converted to one-page PDFs
License/use constraint: MIT
Reproducible benchmark
PDF 转 Word 基准测试
本页公开可复现的方法、数据来源和结果。在满足语料规模与人工审核门槛前，ChuyenFile 不发布质量分数。
正在收集语料 — 尚未认证
文档
100
最低门槛: 30
页面
100
最低门槛: 100
CER
0.69
WER
1.7
方法
- 划分开发集与验收集，不使用验收集调优。
- 经 Unicode NFC 规范化后测量 CER/WER，不以 OCR 置信度代替准确率。
- 检查页数、页面尺寸、文本节点、表格与渲染结果；复杂版式需人工审核。
- 公开失败案例与薄弱文档类别，而非只公布平均分。
数据来源
Vietnamese ground truth, tables, fonts and controlled scan degradation; published when its generator and artifacts are complete
License/use constraint: project-generated test data
机器可读文件
当前 JSON 报告明确标记为尚未认证，不编造指标。
pdf-to-word.json