/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-2B-Instruct
Опубликована
18 дек 2025

Qwen3-VL-2B-Persian-Arabic-Ocr-v1.0

Описание изображенийИзображение → текст6 профессий

Мультимодальная модель на базе Qwen3-VL-2B, дообученная для распознавания персидского и арабского текста на изображениях отдельных строк.

434скачиваний за 30 дней22лайкавеса обновлены23 дек 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание текста» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Qwen3-VL-2B-Persian-Arabic-Ocr-v1.0 — модель распознавания текста на изображениях отдельных строк, созданная дообучением Qwen/Qwen3-VL-2B-Instruct. Она предназначена для OCR персидского и арабского письма на заранее обрезанных фрагментах с одной строкой текста, например для извлечения строк из документов или изображений после этапа обнаружения и кадрирования текста. Архитектура — плотная мультимодальная Qwen3-VL с 2B параметров; модель принимает изображения и выдаёт распознанный текст. В README указана версия весов с точностью 16 бит, а метаданные указывают формат safetensors.

Модель не рассчитана на распознавание целых страниц: для такого сценария требуется отдельно выделить текстовые строки. В README приведены значения обучающей функции потерь, но они сами по себе не показывают качество на независимых данных. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание персидского текста на обрезанных строках
  • распознавание арабского текста на изображениях строк
  • извлечение текстовых строк из предварительно сегментированных документов
  • OCR персидских и арабских надписей после кадрирования

Ограничения

Модель обучалась на обрезанных изображениях отдельных строк и не предназначена для OCR целых страниц. Приведённая в README обучающая функция потерь не заменяет оценку качества на независимых данных.

Для каких профессий подходит6

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

Persian/Arabic OCR - Qwen3-VL-2B-Instruct - v1.0

This is a 16-bit version of Qwen/Qwen3-VL-2B-Instruct fine-tuned specifically for Persian text recognition (OCR) on individual text lines. The model has been trained exclusively on cropped single-line text images and is not designed for full-page OCR.

Training Details

  • Dataset:
    • 56,000 real Persian text line images
    • 100,000 synthetic images (47 fonts in 3 diffrent sizes) with clean and noisy/colored backgrounds
  • Total Examples: 156k text line images
  • Epochs: 1
  • LoRA Rank: 512
  • Batch Size: 100
  • Learning Rate: 2e-4
  • Trainable Parameters: 759M Params

Training Performance

Training loss decreased steadily, ending at approximately 0.071.

StepTraining Loss
02.2102
1000.1577
2000.1384
3000.1330
4000.1208
5000.1078
6000.1080
7000.1065
8000.0980
9000.0871
10000.0827
11000.0802
12000.0898
13000.0866
14000.0811
15000.0774
15500.0714

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
f595ee6

0 моделей