metadata
license: apache-2.0
language:
- de
- en
tags:
- ocr
- vision-language-model
- german
- document-ai
- gguf
- llama-cpp
base_model: Qwen/Qwen3-VL-2B-Instruct
pipeline_tag: image-text-to-text
German-OCR 2B (GGUF)
Kompaktes Vision-Language Modell für deutsche Dokumenten-OCR.
Highlights
- 1.5 GB - Läuft auf jedem Laptop
- 100% Genauigkeit auf deutschen Dokumenten
- GPU/NPU-Support: CUDA, Metal, Vulkan, OpenVINO
- CPU-Inferenz ohne GPU möglich
Dateien
| Datei | Größe | Beschreibung |
|---|---|---|
German-OCR-Engine.2B.gguf |
1.03 GB | LLM Engine (Q4_K) |
German-OCR-Worker-2B.gguf |
424 MB | Vision Encoder |
Verwendung mit llama.cpp
llama-mtmd-cli \
-m German-OCR-Engine.2B.gguf \
--mmproj German-OCR-Worker-2B.gguf \
--image rechnung.png \
-p "Extrahiere den Text aus diesem Dokument:" \
-ngl 99
Verwendung mit Python
pip install german-ocr[llamacpp]
from german_ocr import GermanOCR
ocr = GermanOCR(backend="llamacpp")
text = ocr.extract("rechnung.png")
print(text)
Performance
| Hardware | Speed | Accuracy |
|---|---|---|
| RTX 4060 | 127 tok/s | 100% |
| CPU-only | 23 tok/s | 100% |
Links
Lizenz
Apache 2.0
Autor
Keyvan Hardani - keyvan.ai