Компактная Vision-Language-модель для извлечения текста и структуры из цифровых документов и их фотографий.

Подходит для: извлечение текста со сканов документов · разбор таблиц и сохранение их структуры · распознавание формул в научных документах

Компактный мультимодальный ассистент для анализа изображений и ответов на вопросы на английском и хинди.

Подходит для: определение объектов и сцен на изображениях · ответы на вопросы по содержимому изображения · визуальные рассуждения по текстовому запросу