ss062353-prog/on-device-vision-model
App
¿Es de fiar?
Conviene mirarlo con calma antes de usarlo.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Revisa
Último cambio hace 57 días.
Licencia Bien
MIT: puedes usarlo gratis, también en un producto comercial. Conserva el aviso de licencia.
Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.
Qué es
Un flujo de visión totalmente local y sin conexión que combina el modelo de visión y lenguaje SmolVLM-256M-Instruct con el OCR multilingüe RapidOCR. Expone una API compatible con OpenAI en localhost para que modelos solo de texto puedan describir imágenes y extraer texto sin…
Para quién es
Desarrolladores que usan modelos de código solo de texto y necesitan comprensión de imágenes u OCR multilingüe en su propia máquina
Cómo usarlo
Instalación
python -m venv .venvSacado de su README. Compruébalo allí antes de ejecutarlo.
Los instaladores, cuando el proyecto los publica, están en su última versión (release).
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar ss062353-prog/on-device-vision-model en mi proyecto. Sigue su README: https://github.com/ss062353-prog/on-device-vision-model. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
Alternativas
Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.
Recibe alertas de repos como este
Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.
20.838 repos de GitHub vigilados y ordenados cada hora. Cifras a 26 de octubre de 2026.
Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad
Para quien mantiene el repo
Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.
[](https://repoalerts.com/repo/ss062353-prog/on-device-vision-model?ref=badge)Repos parecidos
- Tencent/WeVisOne-VL
Un modelo base de visión y lenguaje que unifica la percepción a nivel de objeto (detección, localización por referencia, conteo, señalización y OCR) y la percepción a nivel de píxel (segmentación por
- zzzz7788990213-ops/EvoVLM
Código de investigación para la búsqueda evolutiva guiada por LLM de programas de inferencia visión-lenguaje. Muta prompts, preprocesado de imagen, presupuestos de generación y extracción de respuesta
- SoMarkAI/OXR
Es un modelo de análisis de documentos de código abierto que convierte PDF e imágenes de documentos en Markdown o JSON con coordenadas de maquetación. Reconoce 13 tipos de elementos, como tablas, fórm
- uclanlp/OpenVLHarness
Un arnés sin entrenamiento que dota a los LLM multimodales de herramientas visuales (localización, OCR, profundidad, trayectoria de cámara, zoom, búsqueda web y de imágenes, visita de páginas web y un
- YeonwooSung/llm-architecture-from-scratch
Una colección de implementaciones desde cero en PyTorch de arquitecturas de LLM modernas, como GPT-2 XL, variantes de Llama, DeepSeek V3, Qwen3 y Gemma 3. Una tabla comparativa recoge para cada modelo
- justxor/deepseek-local-guide-ru
Una guía en ruso para instalar y ejecutar en local modelos DeepSeek en PC, Mac y servidores. Cubre Ollama, llama.cpp, LM Studio, vLLM, SGLang y Open WebUI, además del uso de la API, RAG, agentes y fin