К содержимому
Компьютерное зрение

cw4-screenshot2html-v0.2

генерация HTML и Tailwind CSS по скриншоту

2 мин чтенияобновлено

QLoRA-адаптер (компактная надстройка, обученная с 4-битным квантованием) от автора sramsingh-env, который превращает скриншот веб-страницы в единый HTML-файл со стилями Tailwind CSS 2.2.19. Адаптер построен на базе мультимодальной модели Qwen3-VL-2B-Instruct и обучался на 8 000 страницах из набора данных WebSight v0.2. По сравнению с базовой моделью без дообучения (zero-shot) он радикально повышает долю завершённых HTML-документов и точность воспроизведения текста, тегов и цветов. Решение подойдёт веб-разработчикам для быстрого создания черновой вёрстки по макету или скриншоту для последующей ручной доработки.

Ключевые особенности

  • Основан на 4-битной версии Qwen3-VL-2B-Instruct (Unsloth) с параметрами LoRA r=16, alpha=16; слои зрения при обучении были заморожены.
  • На синтетическом тесте WebSight (100 страниц) композитный балл вырос с 0.345 у базовой модели до 0.896, а доля полного HTML — с 4% до 98%.
  • На реальных страницах из бенчмарка Design2Code композитный показатель составил 0.604 против 0.373 у базовой Qwen3-VL-2B.
  • В репозитории доступны лучший чекпоинт (шаг 664 в папке adapter_best/), финальные веса, сплиты данных и сохранённые метрики.

Что можно сделать

  • Получить базовый черновик одностраничного сайта или лендинга в формате HTML + Tailwind CSS по готовому скриншоту.
  • Использовать готовые сплиты и оценки из репозитория для воспроизведения экспериментов по задаче screenshot-to-code на лёгких VLM-моделях.

Пример

Для запуска загрузите базовую модель через Unsloth, подключите веса adapter_best/adapter_model.safetensors, передайте скриншот (шириной 1024 px) с жадным декодированием (до 1024 новых токенов) и используйте промпт: Generate one complete HTML file using Tailwind CSS that reproduces this web page screenshot. Output only the HTML.

ПодробнееОбучение: 1 эпоха на 8 000 страниц WebSight v0.2, эффективный батч 8, lr 2e-4, одна видеокарта NVIDIA RTX 4090 (заняло 22 минуты).
Ограничения по длине: генерация ограничена 1024 токенами, из-за чего на сложных реальных страницах только 45% ответов получаются полными.
Известные недочёты: могут теряться нижние блоки (формы, футеры), при пустом скриншоте модель способна додумывать текст.
Безопасность и приватность: рендерить код стоит только в песочнице с отключёнными скриптами и не загружать скриншоты с личными данными.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.0 GB · готовые файлы4.9 GB
  • FP8 / INT8рекомендуемвеса 2.0 GB2.8 GB
  • 4-bitвеса 1.2 GB1.8 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 2060

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

Это LoRA: вместе с базовой моделью Qwen3-VL-2B-Instruct.

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.

    # sramsingh-env/cw4-screenshot2html-v0.2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Qwen/Qwen3-VL-2B-Instruct --local-dir ~/models/Qwen3-VL-2B-Instruct
    hf download sramsingh-env/cw4-screenshot2html-v0.2 --local-dir ~/models/cw4-screenshot2html-v0.2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-VL-2B-Instruct
  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

Нужна базовая модель

Qwen/Qwen3-VL-2B-Instruct

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Qwen3-VL-2B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

sramsingh-env/cw4-screenshot2html-v0.2
Автор
sramsingh-env
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Signpost-D 9B

Signpost-D 9B