Granite Vision Document Intelligence

Granite Vision Document Intelligence

在 Gradio 演示里用 IBM Granite Vision 和 Docling，从 PDF 和图片中提取摘要、CSV 数据、代码、表格和图片描述。

由 ibm-granite 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Granite Vision Document Intelligence 是 IBM Granite 出品的、用来读文档的 Gradio 演示。你给它一个 PDF 或一张图片，它可以生成摘要、CSV 数据、代码、表格或图片描述。它把 Granite Vision 模型和 Docling 结合起来，并在 Hugging Face 的 GPU 硬件上运行。

适合谁：处理 PDF 和扫描页，想把内容变成可用文字和数据的人。

行业 | 谁在用 | 怎么用 | 例子
金融 | 分析师 | 把报告页变成数据 | 把 PDF 里的表格提取成 CSV
运营 | 办公团队 | 给长文档做摘要 | 上传一个 PDF，读一段简短摘要
软件 | 开发者 | 研究基于 Granite Vision 的文档流水线 | 阅读 src 里的文件
研究 | 文档 AI 研究人员 | 在图文混排的页面上试用视觉模型 | 上传一个含图片和表格的页面

需要自动批量处理大量文件的人可以跳过它，因为这是演示。

用在哪里：

• 浏览器，访问 Hugging Face 上的这个 Space
• 一台运行 Windows、macOS 或 Linux 并装有 Python 3.12 的自己的电脑
• src/app.py 运行起来之后的本地 Gradio 页面

用例 | 谁用 | 得到什么
总结文档 | 办公团队 | PDF 或图片的简短摘要
提取表格 | 分析师 | 表格内容，附 CSV 数据
描述图片 | 任何人 | 图片的文字描述
提取代码 | 开发者 | 文档里出现的代码

如何设置：

• Windows、macOS 或 Linux 上的 Python 3.12 和 pip
• requirements.txt 里的 Python 软件包
• Gradio 6.17.3，也就是这个 Space 使用的版本
• GPU，因为这个 Space 设为 zero-a10g

1. 安装 Hugging Face 的 hub 软件包。
2. 用 hf 命令下载这个 Space。
3. 进入新建的文件夹。
4. 安装 Space 使用的版本的 gradio，再安装列出的软件包。
5. 从 src 文件夹启动应用。

pip install -U huggingface_hub
hf download ibm-granite/granite-vision-document-intelligence --repo-type space --local-dir granite-vision-document-intelligence
cd granite-vision-document-intelligence
pip install gradio==6.17.3
pip install -r requirements.txt
python src/app.py

如何使用：在线使用时，访问 Hugging Face 上的这个 Space，上传一个 PDF 或一张图片，选择要提取什么。在自己的电脑上，运行启动命令，再打开 Gradio 提供的本地页面。

python src/app.py

工具 | 作用
src/app.py | 启动 Gradio 界面
requirements.txt | 列出要安装的 Python 软件包
build | 仓库里保存的一个构建文件文件夹

示例：你上传一个含有表格的 PDF，请演示提取 CSV 数据。它读取这一页，并把表格内容作为可以复制的数据返回。

新手与专家：如果你刚接触，先上传一个简短的 PDF 并要一份摘要。这是了解演示读什么、怎么回答的最快办法。

如果你熟悉这个领域，这个演示把 ibm-granite/granite-vision-4.1-4b 视觉模型和 Docling 配合起来处理文档。代价是需要 GPU，而且结果取决于页面是否清晰。

你上传一个 PDF 或图片
Docling 读取文档
Granite Vision 理解内容
你得到摘要、表格或描述

注意事项：

• Hardware: 这个 Space 设为 zero-a10g
• Models: 它在 Hugging Face 上列出了两个 Granite 视觉模型
• License: apache-2
• Cost to run: GPU 硬件，没有提到任何 API 密钥或付费服务
• Data it reaches: 你上传的 PDF 和图片，以及它从 Hugging Face 获取的模型

Hugging Face 上的数据（2026年11月13日）

• 点赞：16
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/ibm-granite/granite-vision-document-intelligence
• 文件：https://huggingface.co/spaces/ibm-granite/granite-vision-document-intelligence/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。