# Youtu-Parsing-Omni 5B: Tencent открыла веса модели для документов, аудио и видео

Источник: https://modelium.tech/zhurnal/youtu-parsing-omni-5b-local-doc-audio-video/

9 октября Tencent опубликовала веса Youtu-Parsing-Omni — модели, которая превращает страницы документов, изображения, аудио и видео в структурированные данные. Это полезно для извлечения текста, таблиц и фрагментов записи без отправки исходника в облачный сервис после подготовки локального запуска. Но официальный путь требует CUDA-видеокарту и технической настройки; домашний минимум памяти не указан, редакция модель не запускала.

9 октября 2026 года Tencent выложила веса Youtu-Parsing-Omni. Если у вас есть скан страницы с таблицей, модель предназначена для получения текста, расположения блоков и порядка чтения в одном структурированном ответе. Тот же проект описывает разбор изображения, графика, аудиозаписи или видео. Это новость о доступности модели, **не проверенная редакцией инструкция для домашнего компьютера**. [s1](#src-s1) [s2](#src-s2)

## Что появилось сейчас

В официальном репозитории есть один файл весов `model.safetensors`, настройки модели и код, а в GitHub — примеры и отдельный модуль для запуска. Карточка называет модель 5B; метаданные опубликованного файла указывают около 5,33 млрд параметров. Файл весов занимает около 10,67 ГБ на диске, но **из этого нельзя выводить требование к оперативной или видеопамяти**. [s1](#src-s1) [s2](#src-s2)

Модель должна возвращать JSON — структурированный текст, который другая программа может разобрать по полям. Для документа это могут быть текст, таблицы и порядок чтения; для аудио и видео — фрагменты с отметками времени. Например, в результате обработки страницы счёта можно искать сумму и дату, а затем обязательно сверить их с самим счётом. Это пример задачи, **не фактический ответ модели в тесте Modelium**. [s1](#src-s1)

## Кому это пригодится и что требуется

В первую очередь это вариант для разработчика, которому нужно обрабатывать разные виды файлов локально и получать единый формат результата. Авторы опубликовали путь через vLLM с собственным модулем и отдельный путь через Transformers; оба подразумевают техническую настройку, а официальный сценарий использует CUDA — вычисления на видеокарте NVIDIA. Для двух путей документация предписывает разные окружения с несовместимыми версиями зависимостей. **Проверенного простого домашнего рецепта и официального минимального объёма памяти нет.** [s2](#src-s2)

После загрузки весов и зависимостей обработка заявлена на собственном компьютере, однако Modelium не проверял запуск, отключение сети и качество ответа на своих файлах. Не считайте пример разработчика доказательством, что ваш ноутбук справится. [s1](#src-s1) [s2](#src-s2)

## Что означают результаты и лицензия

Tencent приводит авторские показатели 96,96 в OmniDocBench v1.6 для документов и 75,08 в OmniParsingBench для набора других задач. Это **разные испытания**, а не две оценки на одной шкале; независимого воспроизведения редакцией нет. Текст, числа и расположение элементов в важных документах нужно сверять с оригиналом. [s1](#src-s1)

Веса доступны для загрузки, но условия их использования — собственная лицензия Youtu-Parsing, **не Apache-2.0**. Её текст отдельно говорит, что продукт не предназначен для использования в Европейском союзе; условия и лицензии сторонних компонентов нужно прочитать перед применением. Доступность весов не равна отсутствию ограничений на применение. [s3](#src-s3)

Если вам нужно прежде всего распознавать страницы PDF, а не аудио и видео, сравните задачу с [LightOnOCR 3](/zhurnal/lightonocr-3-local-pdf-ocr-layout-models/). Для Youtu-Parsing-Omni начните с официальной карточки и лицензии; пока это выбор для опытной настройки, а не обещание работы на любом домашнем ПК. [s1](#src-s1) [s3](#src-s3)

## Источники

1. [Tencent Youtu-Parsing-Omni: model card, pinned revision 01f7e3e](https://huggingface.co/tencent/Youtu-Parsing-Omni/blob/01f7e3e4916898c30bf9593735a9b3bd328492fa/README.md) — получено 2026-10-09
2. [Tencent Youtu-Parsing-Omni: official runtime examples, pinned GitHub commit ec27a2b](https://github.com/TencentCloudADP/youtu-parsing/blob/ec27a2bcbec1ba4e56927c063b1bd1b6d8889a4f/youtu_parsing_omni/README.md) — получено 2026-10-09
3. [Youtu-Parsing License, pinned model revision](https://huggingface.co/tencent/Youtu-Parsing-Omni/blob/01f7e3e4916898c30bf9593735a9b3bd328492fa/LICENSE) — получено 2026-10-09