top of page

Transcribing Thai in Transkribus

Apr 7, 2025
3 min read

Updated: Jul 28, 2025

Beginning in the Spring, we welcomed Veepattra Siroros to the Digital Humanities Institute, an MA English Language and Linguistics student, for a work placement module. We've ran these for multiple years but, this time around, pitched an AI and Automated Text Recognition (ATR) project. Initially, we proposed a placement focused on recognising 19th century newspaper structures and text from The Spiritualist (1869-1882), held on the National Library of Scotland's (NLS) Data Foundry as open data - The Spiritualist – Data Foundry. Although Vee helped tremendously in trialling Transkribus's newly minted field models (Field Models - Transkribus AI) on this material, enabling the training of scalable print models for the NLS that recognise poetic stanzas, titles, subtitles, speech and paragraphed text - more on this work incoming, it became clear that a more meaningful (not that newspaper material is devoid of meaning) avenue was to test Transkribus on Thai documentation.


Vee began transcribing 25 pages of sutras, regimented chant scripts, from the Wat Pa Buddhapojhariphunchai (Phutthaphot Hariphunchai) Temple printed in Thai language, located in Ton Thong, Mueang Lamphun District, Lamphun 51000, Thailand. In learning the ropes of being a GLAM (galleries, libraries, archives and museums) curator, Vee also managed the temple connection - advocating for the worth of automatic transcription training and keeping them updated with our progress. The eventual model, 'Thai Transcriber' achieved 91.89% character accuracy , with limited training (only 1,650 words, much lower than the recognised 15,000 words for handwritten material and c. 5,000 for print) - due to the incantations being tight and short textual datasets. We then asked ourselves how well a model trained on regimented text, in relatively regimented print, could perform against other Thai materials?



Ground truth transcriptions, within the Transkribus environment, of Phutthaphot Hariphunchai sutras


It turns out not particularly well, with the Thai Transcriber being applied to an openly accessible text entitled "Science of Breadth", a Buddhist staple out of copyright and uploaded to Scribd by Burin Kim (Burin Kim (burin7kim) | Scribd) - with Vee noting the following errors consistently made by the model, despite the text introduced remaining printed - just slightly more irregular:


  1. เ -> ง 

  2. ง -> เย / บ : เ / ย

  3. ึ-> ิ /  ี -> ิ / ี่ -> ี

  4. ็ -> ้ / ิ    / ้ -> ั / ์ -> ั and vice versa

  5. เห็น -> เห้น

  6. ใ -> โ / ไ -> ใ  / 

  7. ก -> ข

  8. ฒ -> ผ

  9. ) -> า

  10. ล -> ต

  11. ด -> ต

  12. สืบ -> สิบ

  13. ซ่อมแซม -> ช

  14. ของ -> ยอย

  15. Numerical Numbers: 2-3  -> วว / 73  -> กว

  16. ศ -> เต

  17. ษ -> ช / ช-> ษ

  18. ฤ -> ถุ / ถ 

  19. ษ -> ข and vice versa 

  20. ซ -> ช / ข ข -> ช / ช->ข

  21. ษ -> ข

  22. ข -> ษ / ช // ช -> ข

  23. ฐ์ -> ส / 

  24. ทั้งทางกาย -> ทับทเยกาย

  25. ร่ายการ -> ร่างกาย

  26. ซิ -> ขิ

  27. หรือ 

  28. ๊ -> ็

  29. เข้าใจ เชา

  30. ล -> ฉ

  31. พิจารณา 

  32. จ่าย -> ง

  33. โลหิต -> ใด / ต -> ผ

  34. ๆ -> ต

  35. จ - ค

  36. ด -> ต


So instead, we transcribed another 20 pages (approx. 1,400 words) of the "Science of Breath” and retrained, using the public Mixed Line Orientation for baseline recognition and our pre-trained Thai Transcriber as a base model. What was returned was a model with 99.55% accuracy! Although further testing on other fonts remains needed and character accuracy often being much lower compared to f-1 precision/recall scoring or Word Error Rates (WERs). Still - not half bad for a three month placement.




CER training/validation for 'Multi-font Thai Transcriber', as well as the model description within Transkribus


Feel free to get in touch with Vee at vsiroros1@sheffield.ac.uk for access to our models, training and validations datasets.


Recent Posts

See All

43 Comments


Guest
Sep 15

Đang có chuyến công tác ngắn ngày dùng gói data chuyển vùng dung lượng khá hạn chế, mình vào thử trang chủ 8S để kiểm tra mức độ ngốn lưu lượng mạng. Khá bất ngờ khi các khối thông tin thể thao, phòng chơi trực tuyến live casino cho tới mảng đồ họa slot đều nạp rất tiết kiệm data trong mỗi sảnh game. Nền tảng xây dựng bố cục hợp lý nên không tải thừa các banner nặng, anh em hay đi nước ngoài cho mình xin thêm đánh giá về độ ổn định nhé.

Like

Guest
Sep 13

https://gamebaidoithuong.capital/tai-xiu/ có dễ xem không ta? Mình lướt thử thì thấy khá ổn, kiểu vào là bắt được ngay chủ đề Top 10 Tài Xỉu tháng 9/2026 chứ không phải mò mẫm giữa một đống chữ liền tù tì. Mình không đọc kỹ từng dòng đâu, nhưng cách họ đặt các heading to, rồi chia nội dung theo từng đoạn ngắn làm mình kéo xuống khá “trơn”, nhìn phát biết đoạn nào nói về bảng tiêu chí chọn trang uy tín, đoạn nào là phần review, nên đọc lướt vẫn hiểu họ đang nhấn vào điểm gì. Thêm cái khoảng cách giữa các khối thông tin vừa phải nên mắt đỡ mỏi, và phần điều hướng cũng nằm chỗ dễ…

Like

Guest
Sep 13

SUNWIN làm mình nhớ mấy trang giải trí online hồi trước hay dùng, kiểu vào là biết nên nhìn chỗ nào trước, khỏi phải đoán mò. Mình chỉ lướt nhanh như lúc check tin nhắn thôi, xem giao diện có “hợp mắt” không. Bố cục nhìn khá gọn, các khối thông tin xếp thẳng hàng nên kéo xuống không bị rối kiểu “ai vừa quăng đồ ra sàn vậy”. Menu đặt chỗ dễ thấy, bấm qua lại ổn, cảm giác không phải vật lộn để tìm thứ cơ bản. Mình cũng thấy cái tiêu đề “Trang Chủ Chính Thức Không Bị Chặn… 2026” nằm nổi trên đầu nội dung, nhìn một cái là nhận ra đang ở đúng trang ngay.

Like

Guest
Sep 10

thapcam tv là chỗ mình hay ghé khi cần xem bóng đá gấp. Vào cái là thấy luồng trực tiếp hiện ra ngay, khỏi phải lục lọi như đi tìm điều khiển tivi bị rớt xuống gầm giường; mình chỉ xem ké vài đoạn thôi mà thấy đường truyền chạy khá ổn, hình lên Full HD nhìn mượt, đỡ cái cảnh đứng hình đúng lúc sắp có bàn (cay lắm). Mình cũng bật cười vì phần bình luận tiếng Việt kiểu tếu tếu, nghe nhẹ đầu hơn mấy kênh nghiêm túc quá, kiểu vừa xem vừa có cái để “cà khịa” bạn bè trong group. Nói chung dùng nhanh gọn, và mình thích nhất là mấy ô lịch thi đấu…

Like

Guest
Sep 10

Khi truy cập vào live casino và game bài, mình thấy tốc độ phản hồi khá đều. Trong quá trình đọc thêm thông tin về rr88 com mình nhận thấy hệ thống còn tích hợp thêm slot, esport và thể thao nên tạo cảm giác đầy đủ hơn. Các danh mục được phân chia rõ nên không mất nhiều thời gian làm quen. Cá nhân mình cảm thấy tổng thể được tổ chức khá hợp lý.

Like

Connect and Share Your Thoughts

© 2026 by Joe Nockels. All rights reserved.

bottom of page