كيفية تشغيل ⁨Qwen2-VL⁩ محليًا في ⁨2026⁩: دليل ⁨OCR⁩ للمستندات والرؤية

لماذا يتصدر Qwen2-VL نماذج الرؤية المحلية في OCR متعدد اللغات

اختيار حجم نموذج Qwen2-VL

متطلبات الأجهزة لـ Qwen2-VL

• الحد الأدنى (Qwen2-VL 7B Q4): بطاقة رسوم بسعة 8 GB من VRAM — NVIDIA RTX 4060 أو RTX 3060 12 GB أو RTX 2080.
• خيار VRAM القليل (Qwen2-VL 2B Q4): 4 GB من VRAM — يعمل على معظم بطاقات رسوم الحواسيب المحمولة وعلى Apple Silicon المدمج.
• أقصى جودة (Qwen2-VL 72B Q4): ~48 GB — Apple Silicon بذاكرة موحدة 64 GB+، أو بطاقتا رسوم بسعة 24 GB.
• Apple Silicon: شريحة M-series بذاكرة موحدة 16 GB+ تشغّل نموذج 7B دون مشكلات؛ يحتاج 72B إلى 64 GB+.
• RAM النظام: 16 GB كحد أدنى إلى جانب استدلال بطاقة الرسوم؛ 32 GB موصى بها مع بيئة تطوير كاملة مفتوحة.
• التخزين: ~6 GB مساحة قرص حرة لـ Qwen2-VL 7B Q4 (GGUF)، ~30 GB لـ 72B.

إعداد Qwen2-VL مع Ollama

1. 1
   ثبّت Ollama
   Why it matters: يدير Ollama تنزيل النموذج وتنسيق GGUF وواجهة API المحلية. متاح لـ macOS وLinux وWindows.
2. 2
   نزّل Qwen2-VL بوسم حجم صريح
   Why it matters: استخدم qwen2-vl:7b. الوسم qwen2-vl دون تحديد قد يُحل إلى حجم مختلف — حدّد دائمًا 2b أو 7b أو 72b للحصول على النموذج الذي يستهدفه هذا الدليل.
3. 3
   شغّل النموذج وأرفق صورة
   Why it matters: في الوضع التفاعلي، اكتب مسار ملف الصورة داخل الأمر. يكتشف Ollama المسار ويحمّل الصورة في مشفّر الرؤية.
4. 4
   أرسل الصور عبر API
   Why it matters: تقبل نقطة النهاية /api/generate مصفوفة images مرمّزة بـ base64. هكذا ترسل التطبيقات — وPromptQuorum — الصور برمجيًا.
5. 5
   تحقق من OCR متعدد اللغات
   Why it matters: أرسل مسح مستند صيني أو ياباني وتأكد من تطابق النص المستخرَج. يثبت هذا أن مشفّر الرؤية والمُرمِّز يتعاملان مع نص CJK بشكل صحيح قبل البناء عليه.

# Step 1 — Install Ollama
# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows — download from https://ollama.com/download

# Step 2 — Pull Qwen2-VL 7B (explicit size tag)
ollama pull qwen2-vl:7b
# Downloads Qwen2-VL 7B Q4_K_M (~6 GB)

# Step 3 — Run and attach an image (interactive)
ollama run qwen2-vl:7b
>>> Extract every line of text from ./invoice-jp.png

# Step 4 — Send an image through the API
# Encode the image first:  base64 -i scan.png   (macOS)
curl http://localhost:11434/api/generate -d '{
  "model": "qwen2-vl:7b",
  "prompt": "Extract every line of text from this document. Preserve line breaks.",
  "images": ["<base64-encoded-image>"],
  "stream": false
}'

# Step 5 — Verify multilingual OCR
ollama run qwen2-vl:7b
>>> Extract all text from this image: ./contract-zh.png

إعداد Qwen2-VL مع LM Studio

1. 1
   نزّل وثبّت LM Studio
   Why it matters: واجهة رسومية مجانية متعددة المنصات لاستدلال النماذج المحلية. لا تتطلب طرفية.
2. 2
   ابحث عن Qwen2-VL في متصفح النماذج
   Why it matters: ابحث عن "Qwen2-VL 7B" واختر متغير GGUF Q4_K_M. يعلّم LM Studio النماذج الداعمة للرؤية بأيقونة صورة.
3. 3
   حمّل النموذج وأرفق صورة
   Why it matters: انقر على أيقونة الصورة في حقل الإدخال لرفع صورة أو مسح. يمرّرها LM Studio إلى مشفّر الرؤية.
4. 4
   ابدأ الخادم المحلي
   Why it matters: زر "Start Server" يكشف واجهة API متوافقة مع OpenAI على localhost:1234. تستخدم طلبات الرؤية تنسيق محتوى image_url القياسي.

// LM Studio — OpenAI-compatible vision request (localhost:1234)
{
  "model": "qwen2-vl-7b",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "Extract all text from this document." },
        {
          "type": "image_url",
          "image_url": { "url": "data:image/png;base64,<base64-encoded-image>" }
        }
      ]
    }
  ]
}

OCR المستندات للملفات بالصينية واليابانية واللغات المختلطة

• استخراج نص بسيط: "استخرج كل سطر نص من هذه الصورة. احفظ فواصل الأسطر وترتيب القراءة."
• حقول منظمة: "هذه فاتورة يابانية. أعِد المورّد والتاريخ والمجموع الفرعي والضريبة والإجمالي بصيغة أزواج key: value."
• استخراج جداول: "استخرج هذا الجدول بصيغة CSV. عامل الصف الأول كترويسة."
• استخراج وترجمة في خطوة واحدة: "استخرج النص الصيني من هذه الصورة ثم ترجمه إلى العربية. أظهر كليهما."

# Japanese invoice -> structured fields
ollama run qwen2-vl:7b
>>> This is a Japanese invoice. Extract vendor name, invoice date,
    subtotal, consumption tax, and total. Return as key: value pairs.
    ./invoice-jp.png

# Example output:
# vendor: Sample Trading Co., Ltd.
# date: 2026-04-30
# subtotal: 84,000 JPY
# tax: 8,400 JPY
# total: 92,400 JPY

الأسئلة عن الصور وتحليل لقطات الشاشة وقراءة الرسوم البيانية

• الأسئلة عن الصور: اطرح أسئلة مفتوحة عن صورة — "ما الموجود في هذه الصورة؟"، "كم شخصًا يرتدي ملابس حمراء؟". Qwen2-VL 7B دقيق مع الصور الواضحة وأضعف مع المشاهد المزدحمة أو الغامضة.
• تحليل لقطات الشاشة والواجهات: يقرأ Qwen2-VL لقطات شاشة الواجهات وحوارات الأخطاء وحالات التطبيقات. للقطات الكود الكثيفة تحديدًا، دُرّب InternVL 2.5 بتركيز أكبر على تلك البيانات — استخدمه إذا كانت الواجهة والكود عبء عملك الرئيسي.
• قراءة الرسوم البيانية والمخططات: يصف Qwen2-VL بنية الرسوم البيانية واتجاهاتها جيدًا، لكن القيم العددية الدقيقة المستخرَجة من الرسوم غير موثوقة في أي نموذج رؤية محلي. تأكد من الأرقام الدقيقة مقابل البيانات الأساسية.
• إطارات الفيديو: يقبل Qwen2-VL إطارات متعددة كتسلسل — خذ نحو إطار واحد في الثانية وأرسل حتى 8 لتلخيص مقطع قصير.
• مقارنة صور متعددة: أرسل حتى 8 صور في طلب واحد لمقارنة الإصدارات أو رصد الفروق أو وصف مجموعة بالدُفعات.

Qwen2-VL مقابل LLaVA مقابل Llama 3.2 Vision

ربط Qwen2-VL المحلي بـ PromptQuorum

# PromptQuorum dispatch config — local Qwen2-VL via Ollama
# Set in your .env or the PromptQuorum settings panel

OLLAMA_BASE_URL=http://localhost:11434/v1
LOCAL_VISION_MODEL=qwen2-vl:7b

# Example routing rules:
# - task_type: ocr / image  -> qwen2-vl:7b        (local Ollama, no cloud upload)
# - task_type: text         -> claude-sonnet-4-6  (Anthropic API, separate config)

حل مشكلات Qwen2-VL

• "unknown model" أو فشل التنزيل: استخدم وسم حجم صريحًا — `ollama pull qwen2-vl:7b`، لا `qwen2-vl`. نفّذ `ollama list` لتأكيد الاسم المثبَّت.
• الصورة تُتجاهَل ويستجيب النموذج كأنه لم تُرسَل أي صورة: تأكد من أن مسار الملف صحيح وقابل للقراءة. في واجهة API الخاصة بـ Ollama، يجب أن تحتوي مصفوفة `images` على base64 خالص *دون* بادئة `data:` — بادئة `data:` لتنسيق LM Studio وOpenAI فقط.
• أحرف CJK غير مقروءة أو غائبة: المسح بدقة منخفضة جدًا. أعد المسح بدقة 150–300 DPI. يقرأ Qwen2-VL حتى 4096×4096، لذا تحسّن دقة الإدخال الأعلى دقة الصينية واليابانية مباشرة.
• CUDA نفاد الذاكرة (out of memory): النموذج لا يتسع في VRAM لديك. انتقل إلى Qwen2-VL 2B (~3 GB) أو شغّله على Apple Silicon، الذي يشارك الذاكرة الموحدة بين CPU وبطاقة الرسوم.
• أول استجابة بطيئة، ثم سريعة: هذا طبيعي. يعالج مشفّر الرؤية الصورة كاملةً عند أول token؛ ثم يُولَّد النص بسرعة شبه طبيعية.
• أرقام خاطئة مستخرَجة من فاتورة أو رسم بياني: تخطئ نماذج الرؤية المحلية في قراءة الأرقام في المدخلات المشوّشة. ارفع جودة المسح وتحقق دائمًا من المخرجات العددية مقابل المصدر.
• ملف PDF لا يُحمَّل: لا يقبل أي نموذج رؤية محلي PDF مباشرة. حوّل الصفحات إلى PNG أو JPEG أولًا (بـ pdf2image أو pypdfium2)، ثم أرسل كل صفحة كصورة منفصلة.
• LM Studio يعرض "failed to load model": إمّا VRAM غير كافٍ، أو نزّلت GGUF بلا دعم رؤية. تأكد من أن بطاقة النموذج تشير إلى دعم الرؤية واختر متغير Q4_K_M.

قراءات ذات صلة

• كيفية تشغيل Qwen 3 محليًا — المقال المكمّل لنموذج النص: إعداد Qwen 3 مع Ollama وLM Studio.
• مقارنة نماذج الرؤية المحلية: LLaVA، Llama 3.2 Vision، MiniCPM-V — التحليل الكامل لكل نموذج رؤية محلي، مع معايير.
• نماذج LLM المحلية متعددة الوسائط: الرؤية والصوت والنص — نظرة عامة أوسع على تشغيل النماذج متعددة الوسائط محليًا.
• Qwen مقابل Llama مقابل Mistral — كيف تقارن نماذج Qwen النصية بالبدائل.
• دليل أجهزة نماذج LLM المحلية 2026 — متطلبات VRAM وبطاقة الرسوم للاستدلال المحلي.
• عرض جميع أدلة نماذج LLM المحلية

الأسئلة الشائعة