metteflojborg · PyLaia · Published January 10, 2026
1800-tals gotisk haandskrift
Text Recognition
Description
Denne model er baseret på frivilligt arbejde. Modellen er indtil videre ‘trænet’ med 1.264 sider retsmateriale fra midten af 1800-tallet, hovedsageligt domme over tugthusfanger. Med tiden arbejdes på at udbygge modellen og træne den med andre typer materiale af interesse for slægts- og lokalhistorikere. Holdet bag modellen:
Tovholder: Mette Fløjborg, Odense, metteflojborg@gmail.com
Transskribering og korrekturlæsning af træningsdokumenter: Bent Andersen, Greve, Helle Hjortø, Søndersø, Jytte Thiel, Otterup, Käthe Schmeltz, Odense, Mette Fløjborg, Odense, Poul Larsen, Odense, Ruth Steenberg Rasmussen, Kolding, Aase Larsen, Odense.
Oprettelse af træningsdokumenter i Transkribus: Inger Madsen, Middelfart, Käthe Schmeltz, Odense, Lis Bjerg Hermind, Silkeborg, Mette Fløjborg, Niels-Ole Olsen og Søren Bay Kastrup, alle Odense.
Råd og vejledning: Markus Schunck, Rigsarkivet, Mia Gulvad Jørgensen, Sammenslutningen af Lokalarkiver.
Try this model
Use this modelOpen in Transkribus
Very low error rate4.66% CER
Character Error Rate (CER) measures the percentage of characters incorrectly recognised. Lower is better. This model scored 4.66% on its validation set. As a rule of thumb, a CER below 10% is considered good for most handwritten material. This is a larger model trained on diverse material, which generally makes it more robust across different handwriting styles. That said, larger training sets also make it harder to push the CER down further.
Measured on the model's own validation data. Results on your documents may differ depending on handwriting style, document condition, language, and how closely your material resembles the training data.
Words194,563
Lines28,741
Training Pages1,138
Model ID467505