/ Модель

Характеристики

Базовая модель
Nanonets-OCR-s
Опубликована
12 июн 2025

Nanonets-OCR-s-GGUF

Изображение и текст → текст12 профессий

Мультимодальная GGUF-модель для распознавания текста и структурированного извлечения содержимого из изображений документов.

54скачиваний за 30 дней15лайковвеса обновлены15 июн 2025

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

Nanonets-OCR-s-GGUF — версия модели Nanonets-OCR-s в формате GGUF с обновлённым шаблоном чата. Она предназначена для извлечения текста из изображений документов и представления содержимого в удобной для дальнейшей обработки форме: таблицы можно возвращать в HTML, формулы — в LaTeX, а изображения описывать краткими подписями. Для запуска автор указывает llama-server и отдельный файл mmproj; рекомендуемые параметры генерации заданы в примере команды.

Модель принимает изображение документа и текстовую инструкцию, а выдаёт текст с распознанным содержимым. В метаданных указаны варианты GGUF BF16 и F32 и поддержка английского языка. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение текста из сканов документов
  • преобразование таблиц в HTML
  • представление формул из документов в LaTeX
  • распознавание водяных знаков и номеров страниц
  • описание изображений внутри документа

Ограничения

Для запуска требуются llama-server и отдельный файл mmproj; автор рекомендует использовать указанные параметры генерации. README описывает сценарий извлечения содержимого документов, но не приводит оценок качества или результатов тестирования.

Для каких профессий подходит12

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

I updated the gguf to use the correct chat template. Make sure you use the right sampling parameters (as included in the llama-server command here).

run llama-server: ./llama-server -m "Nanonets-OCR-s-BF16.gguf" --mmproj "mmproj-Nanonets-OCR-s-F32.gguf" --repeat-penalty 1.05 --temp 0.0 --top-p 1.0 --min-p 0.0 --top-k -1

prompt: Extract the text from the above document as if you were reading it naturally. Return the tables in html format. Return the equations in LaTeX representation. If there is an image in the document and image caption is not present, add a small description of the image inside the <img></img> tag; otherwise, add the image caption inside <img></img>. Watermarks should be wrapped in brackets. Ex: <watermark>OFFICIAL COPY</watermark>. Page numbers should be wrapped in brackets. Ex: <page_number>14</page_number> or <page_number>9/22</page_number>. Prefer using ☐ and ☑ for check boxes.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
21da78f

0 моделей