Вчера была новость о желании Яндекса продать «Новости» и «Дзен», и о том, что на них претендует VK.
Про новости говорить нечего, с ними всё более менее понятно. Куда интереснее Дзен. Изначально он создавался с благой целью — дать Рунету недостающую площадку для длинных текстов и авторских статей. Но, как это нередко бывает, его сгубила жадность. Трэш и мусор давали лучшие метрики и лучшие доходы с рекламы. Из-за этого и на самом Дзене появилась рекомендация «Пишите как можно чаще» и читатель там установился соответствующий.
С невероятной скоростью Дзен превратился в помойку из неадаптированных ссылок на внешние сайты вперемешку со статьями в духе «Десять самых крутых супергероев марвел» в разделе про кино. Содержание и форма соответствующие: неграмотные тексты от школьников, бестолковые бессодержательные комментарии от домохозяек.
Его, конечно, пытались из этого болота вытянуть, а сейчас вообще стали превращать в русскую альтернативу Ютубу, но, кажется, то ли слишком поздно, то ли никаких ресурсов уже не хватает.
Непонятно только, что с ним будет делать VK. Собственную текстовую платформу VK убивает уже не первый год. Даже если не брать в расчёт общую негативную репутацию соцсети — алгоритмическая лента, которая скорее вам покажет мем с котиком, чем хорошую статью, не оставляет авторам здесь особого пространства для развития. Ну и какие-нибудь совершенно дебильные «Клипы» для не слишком развитых детей делают персональной кнопкой на главном экране приложения, а тексты и статьи не делают — акцент площадки вполне ясен.
Моя гипотеза: VK окончательно добьёт текстовую часть Дзена, сделав её UI/UX ещё более невыносимым, чем сейчас. И на этих костях построит себе свой Ютуб. Возможно даже в будущем этот видеодзен заменит встроенный раздел с видео тут. И может даже Клипы схлопнут с дзеновским аналогом коротких видео.
#web
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek