%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
ZH
Perseus Doc Vl 0712 I1 GGUF
Perseus-Doc-vl-0712是一款支持多语言的视觉语言模型，适用于文本生成、图像字幕生成和光学字符识别等任务。
下载量 105
发布时间 : 7/14/2025
模型简介
该模型基于特定数据集训练，提供视觉理解和文本处理能力，适用于多种场景下的文档分析和图像理解任务。
模型特点
多语言支持
支持英语和中文，适用于多语言环境下的文档处理任务。
视觉语言理解
结合视觉和语言处理能力，能够理解和生成与图像相关的文本内容。
量化版本多样
提供多种量化版本，用户可以根据需求选择适合的模型大小和质量。
模型能力
文本生成
图像字幕生成
光学字符识别
智能字符识别
视觉理解
文档分析
使用案例
文档处理
PDF内容分析
从PDF文档中提取和分析文本内容。
高效识别和提取文档中的文字信息。
图像字幕生成
为图像生成描述性字幕。
生成与图像内容相关的准确描述。
多语言应用
多语言OCR
识别和提取多语言文档中的文字。
支持英语和中文的字符识别。
🚀 Perseus - Doc - vl - 0712模型
Perseus - Doc - vl - 0712是一款视觉语言模型，支持多种语言，适用于文本生成推理、图像字幕生成、光学字符识别等多种任务。它基于特定的数据集进行训练，能为用户在不同场景下提供有效的视觉理解和文本处理能力。
📚 详细文档
模型基本信息
| 属性 | 详情 |
|---|---|
| 基础模型 | prithivMLmods/Perseus - Doc - vl - 0712 |
| 数据集 | prithivMLmods/OpenDoc - Pdf - Preview、prithivMLmods/Corvus - OCR - Caption - Mix、prithivMLmods/Openpdf - Analysis - Recognition、prithivMLmods/Opendoc2 - Analysis - Recognition |
| 支持语言 | 英语、中文 |
| 库名称 | transformers |
| 许可证 | apache - 2.0 |
| 量化者 | mradermacher |
| 标签 | text - generation - inference、image - captioning、optical - character - recognition、intelligent - character - recognition、caption、ocr、visual - understanding、art、icr、image - to - text、vlm、Doc - v |
关于模型
加权/矩阵量化版本基于https://huggingface.co/prithivMLmods/Perseus - Doc - vl - 0712 。
如需便捷的概览和下载列表，请访问我们的[此模型页面](https://hf.tst.eu/model#Perseus - Doc - vl - 0712 - i1 - GGUF)。
静态量化版本可在https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - GGUF 获取。
这是一个视觉模型 - mmproj文件（如果有）将存于[静态仓库](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - GGUF)中。
使用说明
如果您不确定如何使用GGUF文件，请参考[TheBloke的README](https://huggingface.co/TheBloke/KafkaLM - 70B - German - V0.1 - GGUF)以获取更多详细信息，包括如何拼接多部分文件。
提供的量化版本
（按大小排序，不一定按质量排序。IQ量化通常优于相似大小的非IQ量化）
| 链接 | 类型 | 大小/GB | 备注 |
|---|---|---|---|
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ1_S.gguf) | i1 - IQ1_S | 2.0 | 适用于急需情况 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ1_M.gguf) | i1 - IQ1_M | 2.1 | 大多用于急需情况 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_XXS.gguf) | i1 - IQ2_XXS | 2.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_XS.gguf) | i1 - IQ2_XS | 2.6 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_S.gguf) | i1 - IQ2_S | 2.7 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_M.gguf) | i1 - IQ2_M | 2.9 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q2_K_S.gguf) | i1 - Q2_K_S | 2.9 | 质量非常低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q2_K.gguf) | i1 - Q2_K | 3.1 | IQ3_XXS可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_XXS.gguf) | i1 - IQ3_XXS | 3.2 | 质量较低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_XS.gguf) | i1 - IQ3_XS | 3.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_S.gguf) | i1 - Q3_K_S | 3.6 | IQ3_XS可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_S.gguf) | i1 - IQ3_S | 3.6 | 优于Q3_K* |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_M.gguf) | i1 - IQ3_M | 3.7 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_M.gguf) | i1 - Q3_K_M | 3.9 | IQ3_S可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_L.gguf) | i1 - Q3_K_L | 4.2 | IQ3_M可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ4_XS.gguf) | i1 - IQ4_XS | 4.3 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ4_NL.gguf) | i1 - IQ4_NL | 4.5 | 首选IQ4_XS |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_0.gguf) | i1 - Q4_0 | 4.5 | 速度快，质量低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_K_S.gguf) | i1 - Q4_K_S | 4.6 | 大小/速度/质量最优 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_K_M.gguf) | i1 - Q4_K_M | 4.8 | 速度快，推荐使用 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_1.gguf) | i1 - Q4_1 | 5.0 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q5_K_S.gguf) | i1 - Q5_K_S | 5.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q5_K_M.gguf) | i1 - Q5_K_M | 5.5 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q6_K.gguf) | i1 - Q6_K | 6.4 | 实际上与静态Q6_K类似 |
以下是ikawrakow制作的一个实用图表，比较了一些低质量量化类型（数值越低越好）：
以下是Artefact2对此事的看法： https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
常见问题解答/模型请求
如需了解您可能遇到的问题的答案，或希望对其他模型进行量化，请访问https://huggingface.co/mradermacher/model_requests 。
📄 许可证
本模型使用的许可证为apache - 2.0。
🙏 致谢
感谢我的公司nethype GmbH，允许我使用其服务器，并对我的工作站进行升级，使我能够在业余时间完成这项工作。此外，感谢@nicoboss让我使用他的私人超级计算机，使我能够提供更多、质量更高的矩阵量化版本。
Clip Vit Large Patch14
CLIP是由OpenAI开发的视觉-语言模型，通过对比学习将图像和文本映射到共享的嵌入空间，支持零样本图像分类
图像生成文本
C
openai
44.7M
1,710
Clip Vit Base Patch32
CLIP是由OpenAI开发的多模态模型，能够理解图像和文本之间的关系，支持零样本图像分类任务。
图像生成文本
C
openai
14.0M
666
Siglip So400m Patch14 384
Apache-2.0
SigLIP是基于WebLi数据集预训练的视觉语言模型，采用改进的sigmoid损失函数，优化了图像-文本匹配任务。
图像生成文本
Transformers
TransformersS
google
6.1M
526
Clip Vit Base Patch16
CLIP是由OpenAI开发的多模态模型，通过对比学习将图像和文本映射到共享的嵌入空间，实现零样本图像分类能力。
图像生成文本
C
openai
4.6M
119
Blip Image Captioning Base
Bsd-3-clause
BLIP是一个先进的视觉-语言预训练模型，擅长图像描述生成任务，支持条件式和非条件式文本生成。
图像生成文本 Transformers
TransformersB
Salesforce
2.8M
688
Blip Image Captioning Large
Bsd-3-clause
BLIP是一个统一的视觉-语言预训练框架，擅长图像描述生成任务，支持条件式和无条件式图像描述生成。
图像生成文本 Transformers
TransformersB
Salesforce
2.5M
1,312
Openvla 7b
MIT
OpenVLA 7B是一个基于Open X-Embodiment数据集训练的开源视觉-语言-动作模型，能够根据语言指令和摄像头图像生成机器人动作。
图像生成文本 Transformers 英语
Transformers 英语O
openvla
1.7M
108
Llava V1.5 7b
LLaVA 是一款开源多模态聊天机器人，基于 LLaMA/Vicuna 微调，支持图文交互。
图像生成文本 Transformers
TransformersL
liuhaotian
1.4M
448
Vit Gpt2 Image Captioning
Apache-2.0
这是一个基于ViT和GPT2架构的图像描述生成模型，能够为输入图像生成自然语言描述。
图像生成文本 Transformers
TransformersV
nlpconnect
939.88k
887
Blip2 Opt 2.7b
MIT
BLIP-2是一个视觉语言模型，结合了图像编码器和大型语言模型，用于图像到文本的生成任务。
图像生成文本 Transformers 英语
Transformers 英语B
Salesforce
867.78k
359
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers 支持多种语言
Transformers 支持多种语言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
Transformers 英语C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98