У нас вы можете посмотреть бесплатно Тестовые модели встраивания №2 — Извлечение текста из PDF-документов или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
В этом видео я покажу вам, как эффективно извлекать текст из сложных PDF-документов, включая отсканированные файлы, диаграммы и таблицы, сравнивая традиционные библиотеки Python с современными многомодальными моделями искусственного интеллекта. Мы начнём с демонстрации ограничений популярных библиотек Python, таких как PyMuPDF, которые испытывают трудности с сохранением структуры документа, обработкой отсканированного текста и корректной интерпретацией сложных макетов. Вы увидите наглядное сравнение, где традиционные методы приводят к искажению и неполному тексту. Затем мы рассмотрим возможности моделей Vision Language (VL). Я объясню ключевые различия и компромиссы между использованием бесплатных библиотек Python и моделей VL. К концу этого руководства вы будете чётко понимать, какие инструменты лучше всего подходят для различных задач извлечения PDF-файлов и как их использовать для создания высококачественных наборов данных. Вот ссылка на репозиторий GitHub: https://github.com/ImadSaddik/Benchma... Полезные ссылки: Таблица лидеров OpenVLM: https://huggingface.co/spaces/opencom... Таблица лидеров интеллектуальной обработки документов: https://idp-leaderboard.org/ llama.cpp: https://github.com/ggerganov/llama.cpp Granite docling 258M: https://huggingface.co/ibm-granite/gr... https://huggingface.co/ggml-org/grani... Gemma3 12B: https://huggingface.co/google/gemma-3... Google AI Studio: https://aistudio.google.com/api-keys Документация по API Gemini: https://ai.google.dev/gemini-api/docs... https://ai.google.dev/gemini-api/docs... https://ai.google.dev/gemini-api/docs... Не забудьте поставить лайк, подписаться и оставить комментарий, если у вас есть вопросы или отзывы! ⭐️ Содержание ⭐️ (00:00) Введение (02:03) Использование моделей Vision Language (VL) для извлечения (03:09) Библиотеки Python и модели VL: компромиссы (04:47) Параллельный тест №1 (08:18) Параллельный тест №2 (10:39) Преимущества использования моделей VL (12:30) Время кодирования (12:38) Извлечение текста с помощью PyMuPDF (обычный PDF) (15:26) Попытка извлечения с помощью PyMuPDF (сканированный PDF) (16:15) Извлечение текста с помощью фирменных моделей VL (Gemini 2.5 Pro) (26:50) Использование Granite для док-станции 258M с Transformers (Медленно) (32:59) Использование llama.cpp для локального вывода (Быстро) (40:33) Использование Gemma3-12B с llama.cpp (42:13) Итоговое сравнение: Gemini 2.5 Pro против Granite, docling 258M против Gemma3 12B (42:54) Заключение