# WeVisDoc

> Нейросеть превращает скан страницы в готовый Markdown с формулами и таблицами

WeVisDoc — открытый парсер документов от Tencent: превращает изображения страниц в Markdown с формулами LaTeX и таблицами HTML

- Что делает: преобразует изображения страниц в markdown
- Категории: Opensource, Бесплатные, Инструменты разработчика
- Работает из России: Да
- Бизнес-модель: Бесплатно
- Ограничения: требуется локальный запуск с GPU и vLLM
- Модели: WeVisDoc-4B, WeVisDoc-2B, Qwen3-VL-4B-Instruct, Qwen3-VL-2B-Instruct
- Сайт сервиса: https://github.com/Tencent/WeVisDoc
- Карточка в каталоге: https://ailibri.com/wevisdoc
- Обновлено: 2026-09-21

## Описание

WeVisDoc — открытая модель от Tencent для сквозного разбора документов: подаёшь на вход картинку страницы, получаешь на выходе структурированный Markdown с формулами в LaTeX и таблицами в HTML. Модель дообучена на базе Qwen3-VL-2B-Instruct и Qwen3-VL-4B-Instruct, лежит на GitHub под лицензией Apache-2.0, и развернуть её можно у себя — своим сервером через vLLM или локально через Transformers. Подойдёт тем, кому нужен распознаватель сканов, научных статей и отчётов без отправки файлов в чужое облако.

Логика простая: одна модель делает всё сразу — читает текст, определяет порядок чтения, собирает таблицы и формулы. Не нужно склеивать пайплайн из детектора блоков, OCR и отдельного распознавателя таблиц. На вход примет PNG, JPEG или WebP, так что PDF придётся заранее отрендерить в страницы-картинки. Результат пишется в отдельный Markdown-файл на каждое изображение.

Версий две — 2B и 4B. По замерам авторов WeVisDoc-4B набирает 95.38 Overall на OmniDocBench v1.6 и 75.54 в среднем по трём трекам PureDocBench, обгоняя сравниваемые end-to-end парсеры во всех четырёх сетапах. Младшая 2B почти догоняет старшую на OmniDocBench — 95.06 против 95.38, — но на треке Real Degraded отстаёт заметнее: 65.60 против 69.08. Зато модель вдвое меньше по числу параметров, а значит и железа попросит скромнее — разумный выбор, если GPU одна и не самая топовая. Сам PureDocBench собран из трёх треков: Clean, Digital Degraded и Real Degraded, и на каждом из них WeVisDoc-4B идёт первым среди сравниваемых парсеров.

Запуск рассчитан на Python 3.10+ и vLLM от версии 0.11.1. Сервер поднимается одним скриптом, клиент общается с ним по OpenAI-совместимому API, поэтому встроить разбор в свой бэкенд можно без переписывания логики. Настраивается почти всё через переменные окружения:

- TENSOR_PARALLEL_SIZE — сколько GPU задействовать под тензорный параллелизм;

- MAX_MODEL_LEN — общий бюджет контекста на текст, картинку и вывод, по умолчанию 32768;

- GPU_MEMORY_UTILIZATION и MAX_NUM_SEQS — доля видеопамяти и число одновременных запросов;

- VLLM_API_KEY — если сервис выставляется в сеть и нужна авторизация.

Клиент умеет работать как с одним файлом, так и с целой папкой, параллельно в несколько воркеров; уже готовые результаты по умолчанию пропускает, пока не укажешь --overwrite. Меняются также таймаут, температура (по умолчанию 0) и лимит токенов (8192) — если вывод обрезается на длинных страницах, лимит стоит поднять. Не хватает видеопамяти — уменьшай размер картинок, контекст или число потоков. Локальный режим через Transformers работает без сервера, но авторы просят держать его в отдельном виртуальном окружении, чтобы не конфликтовали сборки PyTorch.

Денег сервис не просит: это репозиторий с кодом и весами, платить придётся только за железо или аренду GPU. Взамен — полный контроль над данными и возможность гонять документы пакетами без лимитов на страницы.

## Похожие сервисы в каталоге

- [Hermes Agent](https://ailibri.com/hermes-agent): Hermes Agent — агент с открытым исходным кодом от NousResearch, который развивается вместе с вами. Поддержка инструментов, веб-исследований и автоматизации зада
- [HeyCLI](https://ailibri.com/heycli): Инструмент для перевода команд с обычного языка на язык Linux. Просто опишите словами, что нужно сделать, и получите готовую команду.
- [Openclaw Infra](https://ailibri.com/openclaw-infra): Openclaw Infra - Docker-инфраструктура для запуска AI-агентов OpenClaw с поддержкой Telegram. Простое развертывание нескольких агентов на одном сервере.
- [Polymath](https://ailibri.com/polymath): Инструмент для превращения любой музыкальной библиотеки в сэмпл-банк для продакшена с помощью машинного обучения
- [Ollama](https://ailibri.com/ollama): Локальная платформа для запуска языковых моделей на компьютере без отправки данных в облако. Поддерживает популярные модели вроде Llama, Mistral и Gemma.
- [cc-1c-skills](https://ailibri.com/cc-1c-skills): Набор навыков для AI-агентов Claude Code, Cursor и Codex для разработки на 1С:Предприятие 8.3 с абстракциями над XML, CLI конфигуратора и тестированием через ве

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com