sionic-ai/PepperOCR-VL

PepperOCR-VL změní obrázek stránky na čistou značku. Namiřte jej na naskenovaný nebo vyfotografovaný dokument, fakturu, papír, stránku učebnice nebo snímek a vrátí text v pořadí čtení se zachovanými nadpisy, seznamy, tabulkami a vzorci. Jedná se o 4,5B-parametrový vizionářský model vyladěný z Qwen3.5-4B ↗ pro 17 jazyků napříč latinkou a nelatinskými skripty. Dne [MDPBench](https://github.com/Yuliang-Liu/MultimodalOCR/tree/main/ ↗

PepperOCR-VL je postaven společností Sionic AI ↗, což je společnost se sídlem v Soulu, která vytváří dokumenty a jazykové modely pro podnikové použití. Pokud vytváříte agentskou analýzu dokumentů, zpracováváte dokumenty ve velkém měřítku nebo chcete použít PepperOCR v komerčním produktu, rádi bychom od vás slyšeli: kontaktujte nás prostřednictvím webových stránek. K dispozici jsou komerční licence, větší nasazení a hostované odvození.

Model je vyškolen, aby reagoval na jedno otočení uživatele, které obsahuje obrázek stránky následovaný tímto pokynem. Použijte jej doslovně (také v souboru „prompt.txt“):

Režim myšlení je vypnutý (enable_thinking: false); model byl vyladěn a vyhodnocen bez něj. Nastavení dekódování jsou v další části.