モデル紹介
- QARI-OCR v0.3 is a specialized vision-language model fine-tuned for Arabic Optical Character Recognition with a focus on **structural document understanding**. - Built on Qwen2-VL-2B-Instruct, this model excels at preserving document layouts, HTML tags, and formatting while transcribing Arabic text. - It is described in detail in the paper QARI-OCR: High-Fidelity Arabic Text Recognition through Multimodal Large Language Model Adaptation. - 📐 **Layout-Aware Recognition**: Preserves document structure with HTML/Markdown tags - 🔤 **Full Diacritics Support**: Accurate recognition of tashkeel (Arabic diacritical marks) - 📝 **Multi-Font Handling**: Trained on 12 diverse Arabic fonts (14px-100px) - 🎯 **Structure-First Design**: Optimized for documents with headers, body text, and complex layouts - ⚡ **Efficient Training**: Only 11 hours on single GPU with 10k samples - 🖼️ **Robust Performance**: Handles low-resolution and degraded images While QARI v0.2 achieves better raw text accuracy (CER: 0.061), QARI v0.3 excels in: - ✅ **HTML/Markdown structure preservation** - ✅ **Document layout understanding** - ✅ **Handwritten text recognition** (initial capabilities) - ✅ **5x faster training** than v0.2
主な特徴
特点摘要待依据来源补齐，不凭模型名称推断能力。
制約と注意点
具体的な制約を判断する出典が不足しています。実際の性能、遅延、データ方針、ライセンス、提供期間を確認してください。
出典別料金と費用分析
料金はチャネル・地域・設定によって異なります。各チャネルの料金は個別に表示し、提供元の統一公式料金とは見なしません。
| 出典・チャネル | 入力 | 出力 | 課金単位 | 収集日時 |
|---|---|---|---|---|
| 確認可能な料金がありません。出典を確認してください。 | ||||
月額の基本トークン費用を試算
試算はキャッシュ割引、段階料金、マルチモーダル追加料金、検索、税金、追加推論出力を含みません。
公開評価と実行設定
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
収録済みの全ランキング →よくある質問
オープンウェイトなら無料で商用利用できますか？
必ずしもそうではありません。バージョン別のライセンス、商用条件、利用方針を確認してください。自前運用には計算資源と保守費用も必要です。
これはリアルタイムの請求料金ですか？
収集日時付きの料金スナップショットです。最新のバージョン、地域、割引、課金方式は各チャネルで確認してください。
出典と追跡記録
许可证：apache-2.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。