OCR документов на локальной нейросети: Qwen3 27B распознает рукописи — 2 июля 2026 г. в 12:46:54.139
OCR документов на локальной нейросети: Qwen3 27B распознает рукописи Смотреть на Rutube VK Youtube Показываю свой рабочий OCR-проект: распознавание паспорта РФ, водительского удостоверения и рукописных дипломов полностью локальной нейросетью, без передачи данных за границу — проект соответствует новому 152-ФЗ. Под капотом — локальная Qwen3 27B (квант UD-Q8_K_XL, Unsloth Dynamic), развёрнутая сразу на трёх видеокартах: RTX 3090 + 2×RTX 5070 Ti, с распределением весов и контекста через Tensor Split (контекст 65k, тестировался и на 260k токенов). Под капотом гибридный pipeline: документ сначала нарезается на отдельные поля (серия, номер, ФИО), затем каждый фрагмент подаётся в языковую модель, которая возвращает строгий JSON — его можно подключить куда угодно: в 1С, на сайт, в мобильное приложение. Показываю живое распознавание паспорта (в том числе на плохом скане), водительского удостоверения (почти идеально) и самого сложного кейса — рукописного диплома СПО с печатями и разными шаблонами бланков. Отдельно показываю, как прямо из веб-интерфейса можно поправить разметку и запустить дообучение модели, которая нарезает документ на поля. Бизнес-задача проекта — приём документов в 1С: оператор загружает сканы, получает заполненные формы и просто сверяет с оригиналом. Цель — сократить время приёма одного человека с 40 до 10 минут; дальше в проект добавятся трудовая книжка и документы для работы с иностранными гражданами. Проект построен на основе учебного проекта, который я разбираю на своём курсе по AI по промокоду HDG568 дополнительная скидка 20тыс до 09.07.2026 23:59 Технологии: Python, Qwen3 27B, GGUF / UD-Q8_K_XL (Unsloth Dynamic Quant), Tensor Split (мультиGPU-инференс), локальная Vision-LLM, structured output (JSON), YOLO, детекция и нарезка полей документа, дообучение модели.