/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Базовая модель
Qwen3-VL-4B-Instruct
Библиотека
peft
Опубликована
28 дек 2025

Qari-OCR-0.4.0-VL-4B-Instruct

Генерация текстаТекст → текст3 профессии

Qari-OCR-0.4.0-VL-4B-Instruct — мультимодальная модель для распознавания текста на изображениях, разработанная NAMAA-Space.

1 143скачиваний за 30 дней10лайковвеса обновлены1 фев 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

Она дообучена на базе Qwen/Qwen3-VL-4B-Instruct с использованием 45 000 пар изображение–текст из набора seemorg/books-ocr и предназначена прежде всего для OCR исламских книг, арабских рукописей и религиозных текстов на арабском языке.

Модель принимает изображения и генерирует распознанный текст. Она оптимизирована для печатных исламских материалов и показывает CER 0,1222, WER 0,2562 и BLEU 68,41 в заявленных тестах, превосходя указанные базовые и сравнительные модели. Рекомендуется использовать изображения хорошего качества, предпочтительно с разрешением от 300 DPI. Производительность может снижаться на современных арабских шрифтах, рукописном тексте и изображениях низкого качества; поддержка ограничена арабским письмом. Архитектура основана на Qwen3-VL с размером 4B параметров. Лицензия — Apache 2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qari-OCR-0.4.0-VL-4B-Instruct

A vision-language model fine-tuned for OCR on Islamic books and Arabic manuscripts. Based on Qwen/Qwen3-VL-4B-Instruct, trained on 45,000 image-text pairs from the seemorg/books-ocr dataset.

Results

ModelCER ↓WER ↓BLEU ↑
Qari-OCR-0.4.00.12220.256268.41
Qwen/Qwen3-VL-4B-Instruct0.49220.696634.61
Qwen/Qwen3-VL-8B-Instruct0.68760.895423.89
NAMAA/Qari-0.2.2.10.64480.512621.97
MBZUAI/AIN1.28431.26973.50

Usage

from transformers import AutoProcessor, AutoModelForVision2Seq
from PIL import Image
import torch

model_name = "NAMAA-Space/Qari-OCR-0.4.0-VL-4B-Instruct"
processor = AutoProcessor.from_pretrained(model_name)
model = AutoModelForVision2Seq.from_pretrained(
    model_name,
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": f"./{src}"},
            {"type": "text", "text":  "Free OCR."},
        ],
    }
]

# Preparation for inference
inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
)
inputs = inputs.to(model.device)

# Inference: Generation of the output
generated_ids = model.generate(**inputs, max_new_tokens=2048)
generated_ids_trimmed = [
    out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
result = processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)[0]

Training

  • Base model: Qwen/Qwen3-VL-4B-Instruct
  • Dataset: seemorg/books-ocr
  • Training samples: 45,000 image-text pairs
  • Domain: Islamic books and Arabic religious texts

Limitations

  • Optimized for printed Islamic texts; performance may vary on modern Arabic fonts or handwritten text.
  • Requires reasonable image quality (300+ DPI recommended).
  • Arabic script only.

Citation

@misc{qari-ocr-0.4.0,
  author       = {NAMAA-Space},
  title        = {Qari-OCR-0.4.0-VL-4B-Instruct},
  year         = {2025},
  publisher    = {HuggingFace},
  howpublished = {\url{https://huggingface.co/NAMAA-Space/Qari-OCR-0.4.0-VL-4B-Instruct}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · peft

Нельзя запустить

Репозиторий содержит только адаптер (LoRA/PEFT) без базовой модели.

Ревизия весов
aa65b4a

0 моделей