README.md

---
title: Qwen3 VL Image Description Generator
emoji: 🏆
colorFrom: blue
colorTo: gray
sdk: gradio
sdk_version: 5.49.1
app_file: app.py
pinned: false
license: apache-2.0
short_description: We use the full power of Qwen-vl to create image description
---

# 🖼️ Генератор описаний изображений Qwen VL

Приложение для автоматической генерации описаний изображений с использованием моделей Qwen Vision Language (VL). Идеально подходит для создания описаний товаров для интернет-магазинов, каталогов и маркетплейсов.

## ✨ Возможности

- **Одиночная обработка**: Загрузите одно изображение и получите описание
- **Пакетная обработка**: Обработайте несколько изображений одновременно
- **Выбор моделей**: Поддержка моделей Qwen2-VL различных размеров
- **Расширенные параметры**:
  - Макс. количество новых токенов (1-4096)
  - Температура (0.1-2.0)
  - Top-p nucleus sampling (0.05-1.0)
  - Top-k (1-1000)
  - Seed для воспроизводимости результатов
- **Современный UI**: Интуитивный веб-интерфейс на базе Gradio

## 📋 Требования

- Python 3.8 или выше
- CUDA-совместимая GPU (рекомендуется, но не обязательно)
- Минимум 8GB RAM (16GB+ рекомендуется для больших моделей)

## 🚀 Установка

1. **Клонируйте репозиторий или создайте директорию проекта**:
```bash
mkdir qwen-vl-app
cd qwen-vl-app
```

2. **Создайте виртуальное окружение**:
```bash
python -m venv venv
```

3. **Активируйте виртуальное окружение**:
   - Windows:
     ```bash
     venv\Scripts\activate
     ```
   - Linux/Mac:
     ```bash
     source venv/bin/activate
     ```

4. **Установите зависимости**:
```bash
pip install -r requirements.txt
```

## 💻 Использование

### Запуск приложения

```bash
python app.py
```

Приложение запустится на `http://localhost:7860`

### Одиночная обработка

1. Перейдите на вкладку "📄 Одиночная обработка"
2. Загрузите изображение
3. Введите промт (например: "Создать описание тарелки арт:123 для онлайн магазина")
4. При необходимости настройте расширенные параметры
5. Нажмите "🚀 Генерировать описание"

### Пакетная обработка

1. Перейдите на вкладку "📚 Пакетная обработка"
2. Загрузите несколько изображений
3. Введите промты:
   - **Один промт для всех**: Введите один промт, он будет применен ко всем изображениям
   - **Индивидуальные промты**: Введите по одному промту на строку для каждого изображения
4. Нажмите "🚀 Обработать пакет"

## 🎯 Примеры промтов

- "Создать описание тарелки арт:123 для онлайн магазина"
- "Описать блюдо для меню ресторана с указанием ингредиентов"
- "Создать привлекательное описание продукта для маркетплейса"
- "Детально описать изображение для каталога товаров"
- "Написать SEO-оптимизированное описание товара"

## ⚙️ Параметры генерации

### Макс. количество токенов (1-4096)
Определяет максимальную длину генерируемого текста. Больше токенов = более длинное описание.

### Температура (0.1-2.0)
Контролирует "креативность" модели:
- **Низкая (0.1-0.5)**: Более предсказуемые и консервативные ответы
- **Средняя (0.6-0.8)**: Баланс между креативностью и точностью
- **Высокая (0.9-2.0)**: Более креативные и разнообразные ответы

### Top-p (0.05-1.0)
Nucleus sampling - ограничивает выбор токенов по кумулятивной вероятности.

### Top-k (1-1000)
Ограничивает выбор только k наиболее вероятными токенами.

### Seed
Для воспроизводимости результатов. Используйте одинаковый seed для получения идентичных результатов.

## 🤖 Доступные модели

- **Qwen/Qwen2-VL-2B-Instruct**: Легкая модель, быстрая генерация
- **Qwen/Qwen2-VL-8B-Instruct**: Более мощная модель с лучшим качеством

## 🔧 Логика работы с моделями

Приложение использует умную систему управления моделями:
- Модель загружается только один раз при первом использовании
- При переключении модели старая модель выгружается из памяти
- Одновременно в памяти находится только одна модель
- Это оптимизирует использование GPU/RAM

## 📝 Структура проекта

```
qwen-vl-app/
├── app.py              # Основной файл приложения
├── requirements.txt    # Зависимости Python
└── README.md          # Документация
```

## 🐛 Устранение неполадок

### Ошибка CUDA out of memory
- Используйте модель меньшего размера (2B вместо 7B)
- Уменьшите max_new_tokens
- Закройте другие приложения, использующие GPU

### Медленная генерация
- Убедитесь, что используется GPU (проверьте вывод при запуске)
- Используйте модель меньшего размера
- Уменьшите разрешение изображений

### Модель не загружается
- Проверьте подключение к интернету (модели загружаются из HuggingFace)
- Убедитесь, что достаточно места на диске
- Проверьте, что установлены все зависимости

## 📄 Лицензия

Этот проект использует модели Qwen, которые распространяются под лицензией Apache 2.0.

## 🤝 Поддержка

При возникновении проблем или вопросов создайте issue в репозитории проекта.

---

**Примечание**: Первый запуск может занять время, так как модели будут загружены из HuggingFace Hub.