anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
unsloth 制作的 Qwen3.5-2B 小型 GGUF 版本,能读图片和文字并用文字回答。适合在本地做原型、微调和研究。
Qwen3.5-2B-GGUF 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download unsloth/Qwen3.5-2B-GGUF
这是 unsloth 制作的 Qwen3.5-2B 的 GGUF 版本。模型有 1.9B 参数,输入图片加文字,输出文字回答。Hugging Face 估计它在 4-bit 下的文件约为 941 MB,和更大的模型相比很小。
想用小模型做原型、针对单一任务微调或其他研究的开发者和研究人员。原始模型卡把这些列为预期用途。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 软件 | 开发者 | 在本地电脑上做能读图片和文字的应用原型 | 在选择更大的模型之前,先试一遍图片加提问的流程 |
| 研究 | 研究人员 | 研究小型多模态模型的表现 | 把这个版本的回答和它的基础模型对比 |
| 教育 | 学生和老师 | 学习本地模型怎么下载和加载 | 取回文件、加载,再问一个简短的问题 |
| 机器学习 | 微调人员 | 从小型基础模型出发,做窄范围的单任务微调 | 让它把一组图片分到不同标签里 |
如果你需要在难题上得到最好的回答,可以跳过它,因为它的体量更适合测试和实验,不适合重负载工作。
| Use case | Who | What they get back |
|---|---|---|
| 图片问答 | 开发者 | 针对你附上的图片给出文字回答 |
| 纯文字聊天 | 爱好者 | 来自小模型的简短文字回复 |
| 微调的起点 | 研究人员 | 为单一窄任务准备的小型起点 |
你需要一台装有 Python 和 pip 的电脑,以及一个能打开 GGUF 文件的程序。
pip install -U huggingface_hub hf download unsloth/Qwen3.5-2B-GGUF
先运行一次下载命令,再让你的 GGUF 程序指向保存的文件,给它发一张图片和一个问题。模型卡里链接了一份 Unsloth 的本地运行指南,运行步骤都在那份指南里。
| Tool | What it does |
|---|---|
| pip | 安装或更新用来获取模型文件的库 |
| hf download | 按名称获取一个仓库,并把它的文件保存到你的电脑上 |
你附上一张路牌的照片,问:“这个路牌上写了什么?”模型读取图片,用纯文字回复。模型这么小,用之前请自己核对一下答案。
如果你是新手,可以把这个文件看成住在你自己电脑里的一个小助手,它能看图。先用上面两条命令下载,再针对一张图片问一个简单的问题。
如果你熟悉模型,请留意它的基础设计。模型卡列出 24 层,Gated DeltaNet 块和门控注意力块交替排列,另有视觉编码器、绑定的输出嵌入,以及原生 262,144 个词元的上下文。它还声称覆盖 201 种语言。量化到 4-bit 通常是用一点精度换取小得多的文件。
unsloth 制作的 Qwen3.5-2B 小型 GGUF 版本,能读图片和文字并用文字回答。适合在本地做原型、微调和研究。
由 unsloth 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。
它是什么:这是 unsloth 制作的 Qwen3.5-2B 的 GGUF 版本。模型有 1.9B 参数,输入图片加文字,输出文字回答。Hugging Face 估计它在 4-bit 下的文件约为 941 MB,和更大的模型相比很小。
适合谁:想用小模型做原型、针对单一任务微调或其他研究的开发者和研究人员。原始模型卡把这些列为预期用途。
Title: Who uses it
Industry | Who uses it | How they use it | Example
软件 | 开发者 | 在本地电脑上做能读图片和文字的应用原型 | 在选择更大的模型之前,先试一遍图片加提问的流程
研究 | 研究人员 | 研究小型多模态模型的表现 | 把这个版本的回答和它的基础模型对比
教育 | 学生和老师 | 学习本地模型怎么下载和加载 | 取回文件、加载,再问一个简短的问题
机器学习 | 微调人员 | 从小型基础模型出发,做窄范围的单任务微调 | 让它把一组图片分到不同标签里
如果你需要在难题上得到最好的回答,可以跳过它,因为它的体量更适合测试和实验,不适合重负载工作。
用在哪里:
Title: What it is used for
Use case | Who | What they get back
图片问答 | 开发者 | 针对你附上的图片给出文字回答
纯文字聊天 | 爱好者 | 来自小模型的简短文字回复
微调的起点 | 研究人员 | 为单一窄任务准备的小型起点
如何设置:你需要一台装有 Python 和 pip 的电脑,以及一个能打开 GGUF 文件的程序。
pip install -U huggingface_hub
hf download unsloth/Qwen3.5-2B-GGUF
如何使用:先运行一次下载命令,再让你的 GGUF 程序指向保存的文件,给它发一张图片和一个问题。模型卡里链接了一份 Unsloth 的本地运行指南,运行步骤都在那份指南里。
Tool | What it does
pip | 安装或更新用来获取模型文件的库
hf download | 按名称获取一个仓库,并把它的文件保存到你的电脑上
示例:你附上一张路牌的照片,问:“这个路牌上写了什么?”模型读取图片,用纯文字回复。模型这么小,用之前请自己核对一下答案。
新手与专家:如果你是新手,可以把这个文件看成住在你自己电脑里的一个小助手,它能看图。先用上面两条命令下载,再针对一张图片问一个简单的问题。
如果你熟悉模型,请留意它的基础设计。模型卡列出 24 层,Gated DeltaNet 块和门控注意力块交替排列,另有视觉编码器、绑定的输出嵌入,以及原生 262,144 个词元的上下文。它还声称覆盖 201 种语言。量化到 4-bit 通常是用一点精度换取小得多的文件。
下载 GGUF 文件
在支持 GGUF 的程序中打开
发送图片和问题
读取文字回答
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download unsloth/Qwen3.5-2B-GGUF
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。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| Qwen3.5-2B-GGUF 本页 | 505,712 | 176 | 1.9B | apache-2.0 | |
| Qwen3.6-35B-A3B-MTP-GGUF共有 unsloth · image-text-to-text · gguf | 2,315,167 | 1,051 | 35.5B | apache-2.0 | |
| Qwen3.5-9B-GGUF共有 unsloth · image-text-to-text · gguf | 1,969,901 | 1,074 | 9B | apache-2.0 | |
| Qwen3.6-35B-A3B-GGUF共有 unsloth · image-text-to-text · gguf | 1,649,871 | 1,789 | 34.7B | apache-2.0 | |
| Qwen3.5-4B-GGUF共有 unsloth · image-text-to-text · gguf | 1,537,690 | 557 | 4.2B | apache-2.0 | |
| Qwopus3.8-27B-Flash-V2-GGUF共有 unsloth · image-text-to-text · gguf | 897,675 | 75 | 461M | apache-2.0 |
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
block · 工具包
可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。
backnotprop · 工具包
把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。