occular-lm-ru — языковая модель для beam-CTC (Occular-OCR)

KenLM 4-gram (русский), обучена на 5М строк реального документного текста, + словарь униграмм (2M). Используется пакетом ocr_skel (Occular-OCR) как декодер beam+LM поверх CTC-рекогнайзера: даёт −25% WER без дообучения.

Файлы:

• lm.bin — KenLM 4-gram (binary), alpha=0.5 beta=1.0 beam=100
• unigrams.txt — словарь для отсечки beam