/ Модель

Характеристики

Контекст
131 072 токена
Параметры
318 млн
Архитектура
paddleocr_vl · dense
Библиотека
transformers
Опубликована
20 окт 2025

PaddleOCR-VL-0.9B

Генерация текстаТекст → текст

Копия PaddleOCR-VL для распознавания текста на изображениях и визуально-текстовых запросов через Transformers.

225скачиваний за 30 дней1лайквеса обновлены20 окт 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 «Текст» — 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

PaddleOCR-VL-0.9B — репозиторий с копией модели PaddleOCR-VL, предназначенной для распознавания текста на изображениях и работы с визуально-текстовыми запросами. Архитектура указана как PaddleOCRVLForConditionalGeneration; в метаданных размер составляет 318,2 млн параметров, а заявленная длина контекста — 131 072 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers.

Карточка кратко упоминает пример запуска через Transformers, но не описывает языковое покрытие, специализацию, качество распознавания или условия лицензии. Репозиторий обозначен как дубликат, однако исходный идентификатор базовой модели и детали происхождения не приведены.

Сценарии применения

  • распознавание текста на изображениях
  • извлечение текста из сканов документов
  • ответы на вопросы о содержимом изображения

Ограничения

README не сообщает поддерживаемые языки, качество распознавания или условия лицензии. Репозиторий обозначен как дубликат, но исходная модель не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PaddleOCR-VL-0.9B

Duplicated from https://huggingface.co/PaddlePaddle/PaddleOCR-VL

Example use with transformers:

from transformers import AutoModelForCausalLM, AutoProcessor
import torch

DEVICE="cuda" if torch.cuda.is_available() else "mps" if torch.mps.is_available() else "cpu"
model_id = "pcuenq/PaddleOCR-VL-0.9B"

model = AutoModelForCausalLM.from_pretrained(
    model_id, trust_remote_code=True, dtype=torch.bfloat16
).to(DEVICE).eval()
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)

from transformers.image_utils import load_image
image_url = "https://fiverr-res.cloudinary.com/images/t_main1,q_auto,f_auto,q_auto,f_auto/gigs/154456946/original/41556aac80fc43dcb29ce656d786c0a6f9b4073f/do-handwritten-text-image-or-pdf-to-word-means-typing-form.jpg"
image = load_image(image_url)

messages = [{"role": "user", "content": "OCR"}]
text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = processor(text=[text], images=[image], return_tensors="pt").to(DEVICE)

generated = model.generate(**inputs, max_new_tokens=200, do_sample=False)

resp = processor.batch_decode(generated, skip_special_tokens=True)[0]
answer = resp.split(text)[-1].strip()
print(answer)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
PaddleOCRVLForConditionalGeneration
Ревизия весов
4da2cf6

0 моделей