/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
32 млрд
Размер весов
66,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-32B
Библиотека
transformers
Опубликована
18 ноя 2025

Qwen2.5-VL-32B-OCR

Изображение и текст → текст8 профессий

Адаптер LoRA для Qwen2.5-VL-32B, дообученный для распознавания текста на изображениях и документах.

53скачиваний за 30 дней0лайковвеса обновлены18 ноя 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 «Изображение → 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

Qwen2.5-VL-32B-OCR — адаптер LoRA, созданный на базе Qwen/Qwen2.5-VL-32B и дообученный для оптического распознавания символов. Модель принимает изображения вместе с текстовыми запросами и формирует текстовый ответ; её основное назначение — извлечение текста из изображений и документов. Адаптер рассчитан на использование с базовой моделью через Transformers и PEFT.

В основе лежит плотная vision-language архитектура Qwen2.5-VL с 32 млрд параметров и контекстом до 128 000 токенов. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Карточка не описывает качество распознавания, поддерживаемые языки или специальные возможности разбора структуры документов, поэтому их нельзя оценить по имеющимся данным.

Сценарии применения

  • извлечение текста со сканов документов
  • распознавание текста на фотографиях
  • OCR для изображений с текстовым запросом

Ограничения

Карточка не приводит оценок качества распознавания или перечня поддерживаемых языков. Для работы адаптера требуется базовая модель Qwen/Qwen2.5-VL-32B.

Для каких профессий подходит8

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

Qwen2.5-VL-32B-OCR

This is a LoRA adapter for Qwen2.5-VL-32B fine-tuned on Optical Character Recognition tasks.

Model Details

  • Base Model: Qwen/Qwen2.5-VL-32B
  • Task: Optical Character Recognition
  • Training Method: LoRA (Low-Rank Adaptation)
  • Framework: Transformers

Usage

from transformers import AutoModelForVision2Seq, AutoProcessor
from peft import PeftModel

# Load base model
base_model = AutoModelForVision2Seq.from_pretrained(
    "Qwen/Qwen2.5-VL-32B",
    trust_remote_code=True
)

# Load LoRA adapter
model = PeftModel.from_pretrained(base_model, "yongxianwei/Qwen2.5-VL-32B-OCR")
processor = AutoProcessor.from_pretrained("Qwen/Qwen2.5-VL-32B", trust_remote_code=True)

# Inference
# ... your inference code ...

Training Details

Fine-tuned using LoRA on specific Optical Character Recognition datasets.

Citation

@misc{qwen2.5-vl-optical character recognition,
  author = {Yongxian Wei},
  title = {Qwen2.5-VL LoRA for Optical Character Recognition},
  year = {2024},
  publisher = {Hugging Face},
  url = {https://huggingface.co/yongxianwei/Qwen2.5-VL-32B-OCR}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
2226f3c

0 моделей