Typhoon OCR V2 2B
парсер страниц с layout и JSON
1 min read
Typhoon OCR V2 2B от typhoon-ai — документный парсер для тайского и английского. На вход берёт изображение страницы и возвращает элементы layout в порядке чтения: категорию, bounding box и текст. Это файнтюн Infinity-Parser2-Flash на базе Qwen3.5, 2B параметров в BF16.
Ключевые особенности
- 13 категорий элементов и bbox; таблицы — HTML, формулы — LaTeX, остальной текст — Markdown.
- Умеет visual question answering, классификацию документов, извлечение ключевой информации в JSON и чтение таблиц, формул и графиков.
- Тайский заметно улучшен: примерно +25 пунктов на MDPBench Thai и ThaiOCRBench относительно базовой модели; английские метрики тоже выросли.
- Лучше на сфотографированных страницах: MDPBench photographed pages 61.6 → 80.1.
- Вместе с 2B выпущена меньшая Typhoon OCR V2 0.8B для более дешёвого парсинга страниц.
Пример
Извлечение процентов ингредиентов с упаковки снека по промпту из карточки:
{"มะพร้าว": "68%", "น้ำตาล": "29%", "เกลือสมุทร": "2%", "กลิ่นคาราเมล": "1%"}
Подробнее
MDPBench: 80.2 (Thai 81.9), ThaiOCRBench: 59.8, OmniDocBench v1.6: 91.49.2B BF16, Qwen3.5; SFT, затем GRPO с LoRA r=64, которая вмержена в веса.
Вход — одно изображение страницы; обучение на изображениях до 4 MP, бенчмарки — до 16.7 MP.
Языки: тайский и английский; китайский был в обучении, но отдельно не оценивался.










Comments