/ Модель

Характеристики

Контекст
8 192 токена
Параметры
560 млн
Размер весов
6,8 ГБ
Лицензия
Apache 2.0
Архитектура
DeepseekOCR2 · dense
Базовая модель
DeepSeek-OCR-2
Библиотека
transformers
Опубликована
26 фев 2026

Arabic-OCR-DeepSeek-OCR-2

Генерация текстаТекст → текст5 профессий

Дообученная DeepSeek-OCR-2 для распознавания и структурированного извлечения арабского текста со сканов и изображений документов.

723скачиваний за 30 дней1лайквеса обновлены1 мар 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

Arabic-OCR-DeepSeek-OCR-2 — модель loay, дообученная на базе unsloth/DeepSeek-OCR-2 для распознавания арабского текста на изображениях и анализа структуры страниц. Она принимает изображения сканированных книг и выдаёт структурированные транскрипции; для обработки страниц использует динамическое разбиение на фрагменты с сохранением высокого разрешения. В README указано обучение на 35 921 изображении арабских книг и адаптация LoRA с последующим объединением адаптера с базовой моделью. Метаданные указывают архитектуру DeepseekOCR2ForCausalLM, 559,7 млн параметров и контекст 8192 токена.

Модель ориентирована на OCR арабских документов, в частности на сценарий инструкции «Free OCR». В карточке также заявлена поддержка английского языка. Репозиторий распространяется под лицензией Apache-2.0. Практическое качество зависит от чёткости изображения и особенностей исходной разметки; подтверждённые оценки качества в предоставленной карточке не приведены.

Сценарии применения

  • распознавание текста на сканах арабских книг
  • извлечение арабского текста из изображений страниц
  • структурирование транскрипции отсканированных документов
  • анализ макета арабоязычной книжной страницы

Ограничения

Карточка не приводит количественных оценок качества; результаты могут зависеть от чёткости сканов и соответствия входных документов обучающим данным.

Для каких профессий подходит5

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

Arabic-OCR-DeepSeek-OCR-2-3B

This repository contains the bfloat16 merged version of the DeepSeek-OCR-2 (3B) Model, fine-tuned by loay for the specific task of performing high-precision Optical Character Recognition (OCR) and structural layout analysis on Arabic text from images.

The model was created by fine-tuning the unsloth/DeepSeek-OCR-2 model using LoRA adapters. The high-performance training was made possible by the Unsloth library, and the adapters were then merged back into the base model for easy deployment.

Model Details

  • Fine-tuned by: loay
  • Base Model: unsloth/DeepSeek-OCR-2
  • Fine-tuning Task: Arabic Optical Character Recognition, specialized for the "Free OCR" instruction.
  • Training Data: The model was trained on a high-quality dataset of 35,921 images of real Arabic scanned books and their corresponding structured transcriptions, generated using Gemini 2 Flash.
  • Hardware & Performance: Training was conducted on an NVIDIA H100 (80GB VRAM) leveraging native bfloat16 precision and Flash Attention 2 for optimal quality and speed.
  • LoRA Configuration: High-capacity adaptation was achieved using a rank of r=64 and lora_alpha=128. The targeted modules include ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"].
  • Vision Strategy: The model utilizes high-resolution dynamic multi-patch cropping (crop_mode=True) to handle varying large page sizes correctly without downscaling text artifacts.
  • Output Format: This is a native bfloat16 precision model.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
DeepseekOCR2ForCausalLM
Ревизия весов
3b27977

0 моделей