Typhoon OCR V2 0.8B

Typhoon OCR V2 0.8B

用 0.8B 参数把泰语和英语文档页面解析成按顺序排列的版面元素，带类别、边框和文字。适合要把泰语文件数字化的开发者。

由 typhoon-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Typhoon OCR V2 0.8B 是面向泰语和英语的文档解析模型，有 0.8B 参数。你给它一张页面图片，它会列出找到的每个元素，顺序和人阅读页面的顺序一致。每一项都有类型标签、标出位置的边框和里面的文字。表格内容以 HTML 标记返回，数学公式以 LaTeX 返回，其余文字以 Markdown 返回。

适合谁：要把泰语或英语页面图片变成结构化数据，并且想用小模型来做的开发者和团队。

Industry | Who uses it | How they use it | Example
政府 | 档案办公室 | 把泰语表格和信函数字化 | 一份扫描表格变成带边框的有序文字
金融 | 后台团队 | 从对账单里取出表格 | 对账单里的表格以 HTML 返回
研究 | 学者 | 从论文里提取文字和公式 | 一个公式以 LaTeX 返回
软件 | 开发者 | 给应用加上页面解析 | 应用读取一张拍下来的页面

如果你需要回答关于文档的问题，可以跳过它。模型卡为此推荐更大的 2B 版本。

用在哪里：

• Hugging Face Transformers，模型卡说它不受 vLLM 那个问题的影响
• vLLM，0.30.0 或更新的版本
• Ollama、llama.cpp 和 MLX，通过模型卡列出的其他版本
• 托管的 Typhoon API，模型名为 typhoon-ocr-v2

Use case | Who | What they get back
整页解析 | 开发者 | 按阅读顺序排列、带类别和边框的版面元素
表格提取 | 分析师 | HTML 格式的表格
公式提取 | 研究者 | LaTeX 格式的公式

如何设置：

• 电脑上装有 Python 和 pip
• 用来运行模型的 vLLM 0.30.0 或更新版本，或者 Transformers
• 可选：typhoon-ocr2 Python 包

1. 用 hf 命令下载模型文件。
2. 安装 vLLM 0.30.0 或更新版本。如果是旧版 vLLM，就用 eager 模式运行。
3. 按模型卡的使用部分，给它发送一张页面图片。

pip install -U huggingface_hub
hf download typhoon-ai/typhoon-ocr2-0.8b

pip install typhoon-ocr2

如何使用：给模型发一张页面图片，再读取返回的结构化元素。用旧版 vLLM 时，启动服务要加 eager 参数。模型卡还列出了 Ollama 版本。

Tool | What it does
vllm serve with --enforce-eager | 在旧版 vLLM 上以完整精度运行模型
typhoon-ocr2 package | 调用模型的 Python 辅助包
ollama run SuraponOCR/typhoon-ocr2-0.8b | 通过 Ollama 运行模型

ollama run SuraponOCR/typhoon-ocr2-0.8b

示例：你发一张泰语发票页面的照片。模型返回一个元素列表，比如标题、文字块和一个表格。每个元素都有类别和边框，表格文字是 HTML。

新手与专家：如果你是新手，先对一张干净的页面图片试试，按顺序读输出。只把它用于整页解析，因为模型卡说它在其他任务上弱得多。

如果你懂这个领域，它是 OvisOCR2 的微调版本，先做监督微调，再做 GRPO，奖励会对失控输出给零分。在 MDPBench 上，模型卡报告 77.4，而 Typhoon OCR 1.5 是 66.0。和基础模型相比，部分英文和中文准确率有所下降。

页面图片
Typhoon OCR V2 0.8B
按阅读顺序排列的元素
边框、类别和文字

Title: MDPBench 分数
Typhoon OCR 1.5: 66.0
Typhoon OCR V2 0.8B: 77.4

注意事项：

• License: Apache 2.0，模型卡还说使用也受 OpenTyphoon 条款和条件约束
• Cost to run: 你自己的硬件，或托管的 Typhoon API，模型卡没有给出价格
• Data it reaches: 你给它的页面图片和你下载的文件
• Not for: 回答关于文档的问题，模型卡把这件事交给 2B 模型
• Careful: 在模型卡的测试里，旧版 vLLM 的编译模式降低了准确率

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：853M
• Weights: about 1.7 GB in BF16; about 426 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：485
• 点赞：8
• 许可证：apache-2.0
• 语言：th, en
• 基于：ATH-MaaS/OvisOCR2
• Quantized versions: 4
• Fine-tunes: 2
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, document-parsing, layout-analysis, table-recognition, thai, conversational

链接

• 模型：https://huggingface.co/typhoon-ai/typhoon-ocr2-0.8b
• 文件：https://huggingface.co/typhoon-ai/typhoon-ocr2-0.8b/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download typhoon-ai/typhoon-ocr2-0.8b

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。