GOT-OCR2_0

מה זה

מדובר במודל שמטפל במשימות חילוץ טקסט מתמונה בגישה מאוחדת מקצה לקצה, על בסיס ארכיטקטורת GOTQwenForCausalLM עם 24 שכבות. במקום לפרק את התהליך לזיהוי מיקום, גזירה ופענוח נפרד, הוא מקבל תמונה ופולט ישירות את הטקסט. בזכות נפח קבצים של 1.3 גיגה בייט בלבד בדיוק bfloat16, הוא נכנס בקלות למקומות שבהם מודלי ראייה ענקיים פשוט לא רלוונטיים.

הוא מוגדר כמולטילינגואלי ומציע חלון הקשר של 32,768 טוקנים, שמאפשר לפלוט מסמכים ארוכים ומפורטים במיוחד בלי להיחתך באמצע. הכרטיס מציין תמיכה בהגדרות כמו סוג זיהוי, תיחום לפי תיבות, צבעים ורינדור, מה שמראה שהוא נבנה לחילוץ ממוקד ולא רק לסריקה עיוורת. התלות בספריית תווים כמו verovio רומזת על יכולות ייעודיות מעבר לקריאת פסקאות רגילות.

מתאים ל

• חילוץ טקסט ממסמכים מקומית

  משקל קל של 1.3 גיגה שמאפשר להריץ פענוח מסמכים על כרטיסי מסך בסיסיים בלי תלות ברשת.

• סריקת תוכן לפי מקטעים

  תמיכה מובנית בתיבות תוחמות מאפשרת שליפת טקסט מאזורים מוגדרים מראש בדף.

• עיבוד פלט ארוך ומורכב

  חלון של כמעט 33 אלף טוקנים מאפשר לקבל חילוץ של דפים עמוסים בלי לחשוש מקיטוע.

איפה זה נופל

כרטיס המודל דל בפרטים קריטיים, ואין בו מדדי ביצועים, ציוני דיוק או השוואות מסודרות מול מודלים אחרים. למרות התיוג הרב-לשוני, אי אפשר לדעת מהכרטיס איך הוא מתמודד בפועל עם עברית, גופנים מורכבים או טבלאות צפופות. תצטרכו להריץ עליו מבחנים עם הנתונים האמיתיים שלכם לפני שתסמכו עליו בפרודקשן.

איך מריצים

המודל דורש כרטיס מסך של אנבידיה עם תמיכה בסיסית, פייתון 3.10 וגרסאות מוגדרות של פייטארץ', טרנספורמרס וספריות עזר. עם כ־716 מיליון פרמטרים ומשקל קבצים צנוע, כל מעבד גרפי מודרני עם 4 עד 6 גיגה בייט של זיכרון יריץ אותו בלי מאמץ.

אם יש לכם צורך בעיבוד פנימי של מסמכים רגישים על חומרה מקומית, ההרצה העצמית פשוטה מאוד. לעומת זאת, אם אין לכם בכלל שרת ייעודי עם מאיץ גרפי, פנייה לשירותי ענן מוכנים תחסוך את כאב הראש של תחזוקת הסביבה והתלויות.

pip install -U huggingface_hub
hf download stepfun-ai/GOT-OCR2_0

הקבצים

15 קבצים במאגר, 1.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors1.4 GB
• qwen.tiktoken2.6 MB
• assets/got_logo.png510.6 KB
• assets/got_support.jpg198.2 KB
• assets/train_sample.jpg155.4 KB
• modeling_GOT.py33.8 KB
• got_vision_b.py16.1 KB
• tokenization_qwen.py9.5 KB
• README.md4.0 KB
• render_tools.py2.0 KB
• .gitattributes1.5 KB
• config.json986 B
• tokenizer_config.json300 B
• special_tokens_map.json149 B
• generation_config.json117 B

הרישיון

הפרויקט מופץ תחת רישיון apache-2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי, שינוי של הקוד והפצה של המודל בתוך מוצרים, בתנאי ששומרים על הודעת זכויות היוצרים והרישיון המקורי.

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

הרישיון המלא בעמוד המודל ↗