OvisOCR2 — הדגמה

מה זה

אתם מעלים תמונה או קובץ PDF, והמערכת מחלצת את התוכן תוך שמירה על סדר הקריאה המקורי. הפלט מגיע כטקסט בפורמט Markdown שכולל נוסחאות בתחביר LaTeX, טבלאות מתועדות בקוד HTML וגזירים חזותיים של אזורים גרפיים מתוך המסמך. התוצאה לא נמסרת בבת אחת בסיום אלא זורמת ישירות למסך בזמן אמת ככל שהמודל מייצר אותה.

מאחורי הקלעים רץ המודל ATH-MaaS/OvisOCR2, כשהקוד משתמש במימוש של Qwen3_5ForConditionalGeneration לעיבוד הנתונים. מסמכי PDF מומרים מקומית לתמונות ברזולוציה ייעודית ומעובדים עמוד אחר עמוד. הממשק נפתח כשהוא ריק, אבל כולל חמש דוגמאות מובנות שאפשר לבחון בלחיצה: שתי טבלאות פיננסיות, שני עמודים של כתב יד בסינית ומאמר מחקרי עמוס בנוסחאות מתוך מאגר OmniDocBench.

מתאים ל

• המרת מאמרים אקדמיים

  חילוץ תוכן שלם ממחקרים כולל נוסחאות מתמטיות מורכבות שמקודדות ישירות ל־LaTeX.

• חילוץ טבלאות פיננסיות

  קריאת דוחות כספיים וטבלאות נתונים והפיכתם לתחביר HTML ששומר על מבנה העמודות.

• דיגיטציה של כתב יד

  עיבוד סריקות של טקסטים ידניים והמרתם לטקסט ממוחשב שניתן לחיפוש ולעריכה.

איפה זה נופל

הכלי מוגבל לעיבוד של עד 50 עמודים למסמך PDF יחיד, כך שהוא לא יתאים לספרים שלמים או לתיקים משפטיים ארוכים במיוחד. הריצה מבוצעת אך ורק במצב הבסיס הרגיל, וההדגמה אינה כוללת את המצב המורחב של המודל. בנוסף, מודל השפה הפנימי מבוסס על ארכיטקטורת Qwen והדוגמאות מתמקדות באנגלית ובסינית, לכן כדאי לבדוק היטב מסמכים בעברית כדי לוודא שסדר הקריאה וכיווניות הטקסט לא משתבשים.

איך מריצים

טוענים קובץ או בוחרים באחת הדוגמאות ומתחילים את הריצה בלי צורך בהרשמה. הכלי רץ על גבי חומרת zero-a10g, שמקצה משאבי עיבוד לפי דרישה. העיבוד מחולק לקבוצות של עד ארבעה עמודים בכל בקשת GPU, כשההקצאה מחושבת לפי כמות העמודים בפועל. הדפדפן ממזג את התוצאות בין הריצות, ואם החיבור מתנתק באמצע, הוא מתחבר שוב מהעמוד האחרון שלא הושלם בלי לאבד את מה שכבר עובד.

pip install -U huggingface_hub
hf download ATH-MaaS/OvisOCR2

הקבצים

16 קבצים במאגר, 1.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors1.7 GB
• tokenizer.json12.8 MB
• vocab.json6.7 MB
• merges.txt3.4 MB
• performance.png878.4 KB
• performance_omnidocbench_v16.png606.0 KB
• performance_puredocbench.png575.4 KB
• tokenizer_config.json16.7 KB
• LICENSE11.5 KB
• README.md7.9 KB
• chat_template.jinja7.8 KB
• config.json2.9 KB
• .gitattributes1.8 KB
• .eval_results/real5_omnidocbench.yaml1.4 KB
• preprocessor_config.json390 B
• video_preprocessor_config.json385 B

הרישיון

הקוד והמודל מופצים תחת רישיון apache-2.0. הרישיון מאפשר שימוש מסחרי, שינוי והפצה של הקוד והתוצרים. הקבצים שאתם מעלים נשלחים לשרת שבו רץ ממשק ה־Gradio ומעובדים עליו, לכן מומלץ להימנע מהעלאת מסמכים אישיים רגישים לחומרה שיתופית.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗