olmOCR-2-7B-1025はAllenAIによって開発された高品質のOCR視覚言語モデルで、文書や画像内の文字認識タスクを専門に処理するためのものです。このリポジトリでは、Q8_0量子化方式を用いたGGUF量子化バージョンを提供しており、モデルサイズを小さくしながらも優れた精度を維持しています。

マルチモーダルGguf

これはallenaiのolmOCR-2-7B-1025モデルを量化処理したバージョンで、llama.cppツールを使用して複数の量化レベルのモデルファイルを生成し、異なるハードウェア条件とニーズを持つユーザーが使用しやすくなっています。このモデルはLM Studioまたはllama.cppベースのプロジェクトで実行できます。

自然言語処理Gguf

olmOCR-2-7B-1025のFP8量子化バージョンで、Qwen2.5-VL-7B-Instructをベースに微調整され、数式や表などの複雑なOCRシーンを処理するためのビジョン言語モデルです。

マルチモーダルTransformers英語

これはQwen2.5-VL-7B-Instructをベースに微調整されたFP8量子化バージョンのOCRモデルで、ドキュメント画像のテキスト認識に特化しており、効率的な大規模ドキュメント処理をサポートします。

マルチモーダルTransformers英語

olmOCR-7B-0725-FP8は、Qwen2.5-VL-7B-Instructモデルをベースに、olmOCR-mix-0225データセットで微調整した後、FP8バージョンに量子化した文書OCRモデルです。

マルチモーダルTransformers英語

olmOCR-7B-0225-previewをファインチューニングしたバージョンで、文書内の全ての情報（ヘッダー・フッター内容を含む）を完全に抽出することに特化しています。

自然言語処理Transformers英語

最適化されたolmOCRモデルで、タイ語テキスト認識の精度向上に特化し、多言語と表形式をサポートします。

マルチモーダルSafetensorsその他

olmOCRは、Qwen2-VL-7B-Instructをベースに微調整された光学文字認識モデルで、PDFなどの画像コンテンツをテキストに変換することに特化しており、微調整により特定シーンでの認識精度を向上させています。

マルチモーダルSafetensorsその他

olmOCR-7B-0225-preview は AllenAI によって開発されたOCR技術に基づく画像テキストからテキストへの変換モデルで、画像からテキスト内容を抽出・認識することを目的としています。

自然言語処理Gguf

Qwen2-VL-7B-InstructをファインチューニングしたドキュメントOCRモデルで、多言語ドキュメント認識とメタデータ抽出をサポート

マルチモーダルTransformers英語