К содержимому
Другое

Unflatten W Dense 1.0

превращает сканы и фото страниц в редактируемый Word

2 мин чтения

Модель от компании EVOLIQ s.r.o. восстанавливает из растрового изображения страницы не просто текст, а логическую структуру документа: абзацы, текстовые блоки, таблицы и расположение картинок, после чего собственный детерминированный рендерер собирает готовый файл .docx. В основе лежит замороженная VLM-модель (мультимодальная языковая модель) Qwen3-VL-4B-Instruct, дополненная обученными модулями реконструкции и головами типизированных свойств, а сам релиз представляет собой чекпоинт после 48 шагов обучения с подкреплением (RL). В отличие от обычного OCR, который выдаёт плоский текст, система использует грамматически ограниченное декодирование и формирует полноценную структуру документа с нативными свойствами Word. Пригодится для локальной оцифровки документов и PDF без отправки файлов в облачные сервисы.

Ключевые особенности

  • Архитектура на базе Qwen3-VL-4B-Instruct: модель извлекает визуальные признаки из pooler_output и слоёв DeepStack (5, 11 и 17), передавая их в специализированные модули реконструкции документов.
  • Грамматически ограниченное декодирование: генерация структуры контролируется составной грамматикой документа, а итоговый файл .docx создаёт детерминированный рендерер Unflatten.
  • Готовый набор для локального запуска: вместе с весами выложено приложение Unflatten W с веб-интерфейсом, headless API и Swagger UI, а также архив с исходным кодом рантайма unflatten-runtime.tar.gz.
  • Офлайн-работа: в репозиторий включён точный замороженный бэкбон, токенизатор и процессор изображений для автономной загрузки с trust_remote_code=True.

Что можно сделать

  • Конвертировать PDF и сканы в Word локально: развернуть приложение Unflatten W на видеокарте NVIDIA с CUDA и переводить страницы документов в редактируемые файлы .docx.
  • Встроить в собственный пайплайн обработки: подключиться к локальному серверу через REST API с Bearer-токеном (документация доступна в Swagger UI на порту 8421) для пакетной обработки многостраничных PDF.

Пример

Пайплайн обработки одной страницы работает по следующей схеме:
Page image → Unflatten W Dense → structured document → Unflatten renderer → editable Word
После запуска локального приложения Unflatten W можно загрузить скан или PDF через браузерный интерфейс либо отправлять запросы к API через Swagger UI по адресу [http://127.0.0.1:8421/docs](http://127.0.0.1:8421/docs) (при оценке использовались изображения страниц в разрешении 300 DPI).

ПодробнееВалидация на 100 страницах: 90/100 прошли тест допуска по тексту, 99/100 дали валидный диагностический файл Word, CER — 13.8949%, WER — 8.1013%.
Железо и требования: требуется видеокарта NVIDIA с CUDA (проверено на DGX Spark) и кастомный рантайм Unflatten; стандартный пайплайн генерации текста Transformers не подходит.
Ограничения: исследовательский релиз для одной страницы за вызов (product_quality_claim: false), возможны ошибки в тексте, порядке чтения и вёрстке.
Лицензия: бесплатно только для личного некоммерческого использования (EVOLIQ Personal Use and Commercial License 1.0); для бизнеса нужна платная лицензия, базовый Qwen под Apache 2.0.
Обсудить Telegram 0 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.3 GB · готовые файлы9.6 GB
  • FP8 / INT8рекомендуемвеса 4.1 GB5.0 GB
  • 4-bitвеса 2.3 GB3.1 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Evoliq/Unflatten-W-Dense-1.0
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Evoliq/Unflatten-W-Dense-1.0 --local-dir ~/models/Unflatten-W-Dense-1.0
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Unflatten-W-Dense-1.0
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3-VL-4B-Instruct

Новые посты про версии Qwen3-VL-4B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face

О модели

Evoliq/Unflatten-W-Dense-1.0
Автор
Evoliq
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

20

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии