/ Модель

Характеристики

Размер весов
1,9 ГБ
Лицензия
Своя лицензия
Архитектура
indic_ocr · dense
Базовая модель
indic-ocr
Библиотека
mlx-vlm
Опубликована
9 сен 2026

indic-ocr-mlx

Изображение и текст → текст8 профессий

Двухэтапная OCR-модель для разбора документов на Apple Silicon с выдачей текста в порядке чтения и структурированных блоков.

199скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HashNuke/indic-ocr-mlx — конверсия IndicOCR от Bodhan AI / AI4Bharat для запуска на Apple Silicon через MLX-VLM. Это двухэтапная система разбора документов: IndicDocLayout находит блоки и определяет порядок чтения, затем IndicBlockOCR распознаёт их содержимое. Результат включает Markdown в порядке чтения и JSON по блокам; формулы могут передаваться в LaTeX, а таблицы — в HTML. Этап распознавания основан на дообученной Qwen3.5-0.8B, а этап разметки — на дообученной PP-DocLayoutV3 с 37 классами.

Модель предназначена для OCR и структурированного извлечения текста из изображений страниц, включая документы с формулами и таблицами. Заявлена поддержка печатного текста на английском и 22 индийских языках; рукописный текст поддерживается на английском и 12 индийских языках, но не на всех языках печатного текста. Проверки описаны на отдельных примерах и не являются оценкой точности на широком наборе данных. Для запуска требуется версия MLX-VLM с поддержкой indic_ocr; веса не квантизированы. Лицензия указана как other, поэтому конкретные условия использования следует сверять с карточкой модели и лицензией исходного проекта.

Сценарии применения

  • распознавание печатного текста в документах на индийских языках
  • извлечение текста и порядка чтения со сканов страниц
  • разбор таблиц из изображений документов в HTML
  • распознавание формул в документах с выдачей LaTeX
  • распознавание английского и индийского рукописного текста

Ограничения

Проверки проведены на отдельных примерах и не дают оценки точности для всех поддерживаемых языков; качество распознавания рукописного текста различается. Для работы нужна сборка MLX-VLM с поддержкой indic_ocr, а лицензия `other` требует проверки условий исходного проекта.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndicOCR (MLX)

Built with IndicOCR from Bodhan AI / AI4Bharat.

MLX conversion of bodhan-ai/indic-ocr for document parsing on Apple Silicon. A page image becomes reading-ordered Markdown and per-block JSON, with equations in LaTeX and tables in HTML by default.

This repository contains two models:

StageDirectoryModelWeights
Layout detection and reading orderweights/layoutIndicDocLayout: PP-DocLayoutV3 fine-tune, 37 classes, about 33M parametersfloat32, 133 MB
Block transcriptionweights/ocrIndicBlockOCR: Qwen3.5-0.8B fine-tuneBF16, 1.7 GB, not quantized

Usage

Use an mlx-vlm checkout that includes indic_ocr support for the standard load_model interface. From that checkout:

python -m pip install -e .

Replace page.png with a document image:

from mlx_vlm.utils import get_model_path, load_model

with load_model(get_model_path("HashNuke/indic-ocr-mlx")) as parser:
    page = parser.parse("page.png")

print(page.markdown)
page.save("page.json")

The root config embeds both stage configurations, and a standard safetensors index points to their existing weight files. No conversion or preparation step is needed. The weight files are unchanged.

The pipeline detects and cleans the layout, resolves nested equations, and transcribes eligible blocks using greedy decoding. Skipped regions remain in the JSON with empty text. Closing the parser releases its model references.

page.save writes the image name, dimensions, and block records; Markdown is available separately as page.markdown. Each block has a zero-based order, label, type, pixel-coordinate bbox_xyxy ([x0, y0, x1, y1]), confidence, and text.

Load individual stages

The repository root is a two-stage wrapper, not a standalone OCR model. Download the repository and pass its local stage directories to the loaders:

from pathlib import Path

from huggingface_hub import snapshot_download
from mlx_vlm import load
from mlx_vlm.utils import load_model

root = Path(snapshot_download("HashNuke/indic-ocr-mlx"))
layout = load_model(root / "weights/layout")
layout.eval()
ocr, processor = load(str(root / "weights/ocr"))

Do not pass HashNuke/indic-ocr-mlx/weights/ocr as a repository ID. For stage-specific examples, see the layout README and OCR README.

Languages and validation

Upstream reports printed-text support for English and 22 Indian languages. Handwriting support covers English and 12 Indian languages; it does not cover every printed-text language. See the upstream language coverage for details.

Greedy BF16 OCR matched fresh PyTorch transcriptions on an English title, an equation, and a Telugu line. Complete page parsing was checked on an English paper and annotated Telugu/Hindi gallery panels. A controlled table produced HTML with the expected rows and cell values. These are sample-level checks, not accuracy measurements across all supported languages; the gallery panels retain annotation text and handwriting quality varies.

License

The source weights are distributed under the Indic Open Model License v1.0. This conversion does not change the upstream license.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx-vlm

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
04cb39f

0 моделей