Model & Tingkatan (Tiers)

RustO! sengaja memisahkan mesin runtime inti dari berkas model agar biner rilis aplikasi Anda tetap ramping (di bawah 10 MB) tanpa muatan bobot model yang tidak diperlukan.

Jika Anda baru pertama kali mencoba dan bingung memilih model: langsung gunakan PP-OCRv6 Tiny (FP32). Ukuran totalnya hanya ~6 MB, waktu inferensinya di bawah 50 ms pada CPU ponsel, dan sudah sangat akurat untuk membaca struk belanja, faktur, maupun dokumen standar. Anda hanya perlu beralih ke varian INT8 atau model yang lebih besar jika terbentur batasan memori atau akurasi tertentu.

1. Model Mana yang Sebaiknya Anda Pilih?

2. Diagram Alur Pemilihan Model

3. Cara Mendapatkan Model

Pilih metode distribusi yang paling cocok dengan arsitektur proyek Anda:

Pilihan 1: Rilis Berkas Zip Langsung dari GitHub (Universal)

Jika Anda membangun aplikasi desktop, menampung berkas model sendiri, atau mengunduhnya saat aplikasi pertama kali dijalankan, unduh arsip zip pra-rakit dari GitHub Releases.

Setiap arsip sudah memuat tiga berkas lengkap: det.rten (pendeteksi), rec.rten (pengenal), dan dict.txt (kamus kata).

URL Rilis: https://github.com/byrizki/rusto-rs/releases/download/models-rten-v0.3.2/

Memuat Berkas Hasil Ekstrak di Kode:

Ekstrak berkas zip ke dalam folder aset proyek dan arahkan konfigurasi inisialisasi ke berkas tersebut:

// Contoh di Rust
let config = InitializeConfig::ppv6(
    "assets/models/det.rten",
    "assets/models/rec.rten",
    "assets/models/dict.txt"
);
let mut ocr = RustO::initialize(config)?;

Pilihan 2: Manajer Paket Bawaan (Bebas Unduh Manual)

Jika Anda membangun aplikasi untuk iOS, Android, atau .NET, Anda tidak perlu repot mengunduh berkas zip. Cukup cantumkan paket model pada manifes proyek Anda:

iOS (CocoaPods)

Pada Podfile:

pod 'RustO-Models-PPOCRv6-Tiny', '~> 0.3.2'

Pemanggilan try RustO.initialize() akan langsung mendeteksi dan memuat model dari dalam bundel pod.

Android (Gradle)

Pada android/app/build.gradle:

dependencies {
    implementation 'com.github.byrizki.rusto-rs:rusto-models-ppocrv6-tiny:0.3.2'
}

Model tertanam di dalam aset AAR dan otomatis diekstrak saat engine pertama kali berjalan.

.NET (NuGet)

dotnet add package RustODotnet.Models.PPOCRv6.Tiny

MSBuild akan menyalin berkas model langsung ke direktori output aplikasi Anda.

Pilihan 3: Skrip Pengunduh CLI (Pengembangan & CI)

Untuk pengujian lokal atau jalur pipeline CI, unduh dan siapkan model secara otomatis menggunakan skrip bawaan:

# Unduh model bawaan PP-OCRv6 Tiny FP32
bash scripts/download_models.sh --model ppocrv6 --tier tiny --output-dir models/PPOCR_v6_tiny

# Unduh model terkuantisasi Tiny INT8 (~2.8 MB)
bash scripts/download_models.sh --model ppocrv6 --tier tiny --int8 --output-dir models/PPOCR_v6_tiny_int8

# Unduh model PP-OCRv6 Small
bash scripts/download_models.sh --model ppocrv6 --tier small --output-dir models/PPOCR_v6_small

# Unduh paket bahasa Jepang
bash scripts/download_models.sh --model ppocrv4 --tier mobile --lang japan --output-dir models/PPOCR_v4_japan

Pilihan 4: Pengunduhan Dinamis Sesuai Kebutuhan (On-Demand)

Jika aplikasi mobile Anda harus menjaga ukuran unduhan dari App Store sekecil mungkin, Anda dapat mengirim aplikasi tanpa berkas model dan mengunduh arsip zip pada saat pertama kali dibuka:

import fs from 'fs';
import { initialize } from '@rustors/node';

async function ensureModelsDownloaded(targetDir: string) {
  if (fs.existsSync(`${targetDir}/det.rten`)) return;

  const zipUrl = 'https://github.com/byrizki/rusto-rs/releases/download/models-rten-v0.3.2/RustO-Models-PPOCRv6-Tiny.zip';
  const response = await fetch(zipUrl);
  const buffer = await response.arrayBuffer();

  // Ekstrak buffer ke targetDir dan inisialisasi mesin OCR...
}

4. Gambaran Format: .rten vs .onnx vs _int8

• .rten (Direkomendasikan):
  • Format flatbuffer biner yang dirancang khusus untuk mesin inferensi Rust murni RTen.
  • Pemetaan memori zero-copy (mmap) memungkinkan sistem operasi berbagi halaman memori model antar-proses tanpa alokasi heap berlebih.
  • Rust murni dengan vektorisasi SIMD (AVX2, AVX-512, dan ARM NEON), tanpa dependensi runtime C++ eksternal.
• .onnx:
  • Digunakan jika Anda menghubungkannya ke ONNX Runtime (ort) atau WebAssembly pada browser.
• _int8.rten (Terkuantisasi):
  • Bobot diubah menjadi representasi integer 8-bit.
  • Mengurangi ukuran berkas dan penggunaan memori RAM sebesar ~50–60%.
  • Hingga 2x lebih cepat dalam bandwidth memori ponsel dengan penurunan akurasi karakter di bawah 0.5%.

5. Verifikasi Integritas Checksum

Setiap rilis dilengkapi berkas SHA256SUMS. Verifikasi arsip yang Anda unduh dengan perintah:

sha256sum -c SHA256SUMS --ignore-missing