HunyuanOCR — הדגמה

קוד פתוח

tencentother2025-11-18

gradio

העלאת תמונות לחילוץ טקסט, ניתוח מסמכים ותרגום חזותי. הכלי מיועד למי שרוצה לבדוק מודל זיהוי תווים ומענה על שאלות מתמונות ישירות בדפדפן.

1.1Bפרמטרים
131,072טוקנים בהקשר
4.3 GBמשקל הקבצים
—הורדות בחודש

מה זה

אתם מעלים קובץ תמונה, מקלידים הנחיה או שאלה בתיבת הטקסט, ומקבלים תשובה בממשק שיחה. המערכת כוללת כפתורי דוגמה מובנים למספר משימות שונות: איתור וזיהוי טקסט, פיענוח מבנה של מסמכים, שליפת מידע ממוקד, מענה על שאלות מבוססות תמונה ותרגום טקסט שנמצא בתוך התמונה.

מאחורי הממשק רץ המודל HunYuanVLForConditionalGeneration מבית tencent יחד עם מעבד נתונים ייעודי מבוסס שנאים וספריית qwen_vl_utils לעיבוד מידע חזותי. הקוד מציג ממשק צ'אט מלא בסינית שבו אפשר לאפס שיחה, לטעון מחדש תגובה או להעלות קבצים נוספים לניתוח שוטף.

מתאים ל

חילוץ טקסט מתמונה
זיהוי תווים והעתקת טקסט מלא מתוך קובצי תמונה שונים ישירות לממשק שיחה.
פיענוח וניתוח מסמכים
הבנת מבנה של מסמכים סרוקים וארגון המידע שמופיע בהם בצורה קריאה.
שאלות על תוכן חזותי
העלאת תמונה והצגת שאלות ממוקדות על הפרטים או הטקסטים שנראים בה.
תרגום טקסט מתוך תמונות
המרת כיתובים שמופיעים בצילומים משפה לשפה על בסיס זיהוי חזותי.

איפה זה נופל

הבעיה המיידית היא שהעמוד לא עובד בגלל תקלת הקונפיגורציה, כך שאי אפשר להריץ עליו שום בדיקה כרגע. מעבר לכך, כל ממשק המשתמש והכפתורים כתובים בסינית, מה שמקשה על ההתמצאות למי שלא קורא את השפה. המודל מתמקד ביכולות ראייה וטקסט לפי הדוגמאות, אך אין בחומר שום מידע על תמיכה בעברית או היכולת שלו להתמודד עם מסמכים שנכתבו מימין לשמאל.

שאלות
נפוצות

האם הכלי עובד בחינם בדפדפן?

הגישה לעמוד בחינם ואינה דורשת תשלום. עם זאת, כרגע האפליקציה מדווחת על שגיאת הגדרה ואינה פעילה. במצבה הנוכחי אי אפשר לשלוח הודעות ולקבל תוצאות.

כמה זמן לוקח לקבל תשובה?

האפליקציה משתמשת בתשתית עם מעבד גרפי מסוג A10G שמוקצה לפי צורך. במצב תקין העיבוד לוקח שניות בודדות לתמונה רגילה. כרגע לא ניתן להריץ בקשות בגלל תקלת המערכת.

האם אפשר להריץ את המודל באופן מקומי?

כן, הקוד מסתמך על ספריות סטנדרטיות כמו transformers ופונקציות של HunYuanVL. מי שמחזיק בחומרה מתאימה יכול לטעון את המשקולות מהמאגר ולהרים את הממשק אצלו. צריך לוודא שכל התלויות והמודלים מותקנים ומעודכנים בסביבה המקומית.

מה קורה עם התמונות והקבצים שמעלים?

הקבצים נשלחים לעיבוד על גבי התשתית שמארחת את האפליקציה. הרישיון לא פורסם ומדיניות שמירת המידע של המפתח אינה מפורטת בעמוד. מומלץ להימנע מהעלאת מסמכים רגישים או פרטיים.

איך מריצים

לוחצים על כפתור העלאת התמונה, בוחרים קובץ מהמחשב, כותבים שאלה ולוחצים על שליחה. אפשר גם ללחוץ על אחד מחמשת כפתורי הדוגמה כדי לטעון תרחיש מוכן מראש. האפליקציה מוגדרת לרוץ על חומרת zero-a10g שמקצה כרטיס גרפי לפי דרישה, אבל כרגע העמוד מדווח על שגיאת הגדרה מסוג CONFIG_ERROR ולכן הוא מושבת ולא מעבד פניות בפועל.

pip install -U huggingface_hub
hf download tencent/HunyuanOCR

הקבצים

37 קבצים במאגר, 4.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון לא דווח בעמוד של האפליקציה. המשמעות היא שאין הרשאה ברורה לשימוש מסחרי, וכללי השימוש במידע שאתם מעלים או בפלטים שמתקבלים אינם ידועים.

הרישיון המלא בעמוד המודל ↗