GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Congo-digital-service
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
Congo-digital-service
Model Tree
Qwen/Qwen2-VL-2B-Instruct
Input Modalities
Output Modalities
Supported Functionality
LoRA/QLoRA adapters only (not merged). Load on top of the base model with peft.PeftModel.from_pretrained. A fully merged, ready-to-use version of this same fine-tune is available at Congo-digital-service/qwen-vl-lingala-qlora-vf, for users who prefer not to manage base model + adapter loading themselves.
Base model: Qwen/Qwen2-VL-2B-Instruct Training data: Congo-digital-service/dataset-qwen-vl-lingala-qlora-vf Special characters: this model was fine-tuned to correctly recognize the two Lingala characters absent from standard Latin script — ɔ (U+0254, open o) and ɛ (U+025B, open e) — which were added to the tokenizer vocabulary and fine-tuned end-to-end.
python
from transformers import Qwen2VLForConditionalGeneration, AutoProcessorfrom peft import PeftModelimport torchbase_model_id = "Qwen/Qwen2-VL-2B-Instruct"adapter_id = "Congo-digital-service/qwen-vl-lingala-qlora-adaptaters-vf"model = Qwen2VLForConditionalGeneration.from_pretrained(base_model_id, torch_dtype=torch.float16, device_map="auto")model = PeftModel.from_pretrained(model, adapter_id)processor = AutoProcessor.from_pretrained(base_model_id)messages = [{"role": "user", "content": [{"type": "image", "image": your_pil_image},{"type": "text", "text": "Transcris le texte de cette image."},]}]prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)inputs = processor(text=[prompt], images=[your_pil_image], return_tensors="pt").to(model.device)output = model.generate(**inputs, max_new_tokens=128)
The adapter weights in this repository are released under the same Apache 2.0 License as the base model (Qwen/Qwen2-VL-2B-Instruct).
In addition, because this model was fine-tuned on data released under the Nwulite Obodo Open Data License (NOODL-1.0), the following attribution requirement — carried over from the training dataset's license — applies to this model as well:
This model was created by Congo Digital Services (CDS SARL) (https://www.congo-digital.com/) using training data licensed under the Nwulite Obodo Open Data License (https://licensingafricandatasets.com/nwulite-obodo-license). Users from high-income countries or commercial entities are required to publicly acknowledge and credit the Maloba Project (UNDP Republic of Congo — language digitalisation initiative) in any publication, product, model, or output derived from this model. To fulfil this requirement, contact contact@congo-digital.com or visit https://www.congo-digital.com/contact.
[TO BE COMPLETED BY CDS] — this model's OCR/transcription accuracy has not yet been published on this card; consider adding an Evaluation section (e.g. character error rate / exact-match rate) once figures are available, so users can judge readiness before relying on it.
[TO BE COMPLETED BY CDS] — add the official MALOBA project citation reference once available.
Adaptateurs LoRA/QLoRA seuls (non fusionnés). À charger par-dessus le modèle de base avec peft.PeftModel.from_pretrained. Une version fusionnée, prête à l'emploi, de ce même fine-tune est disponible sur Congo-digital-service/qwen-vl-lingala-qlora-vf, pour les utilisateurs qui préfèrent ne pas gérer eux-mêmes le chargement modèle de base + adaptateur.
Modèle de base : Qwen/Qwen2-VL-2B-Instruct Données d'entraînement : Congo-digital-service/dataset-qwen-vl-lingala-qlora-vf Caractères spéciaux : ce modèle a été fine-tuné pour reconnaître correctement les deux caractères lingala absents de l'alphabet latin standard — ɔ (U+0254) et ɛ (U+025B) — ajoutés au vocabulaire du tokenizer et entraînés de bout en bout.
Voir l'exemple de code ci-dessus (identique en français) — le chargement se fait toujours en deux temps : modèle de base, puis adaptateur PEFT par-dessus.
Les poids d'adaptateurs de ce dépôt sont publiés sous la même licence Apache 2.0 que le modèle de base (Qwen/Qwen2-VL-2B-Instruct).
Par ailleurs, ce modèle ayant été entraîné sur des données publiées sous la licence Nwulite Obodo Open Data License (NOODL-1.0), l'obligation d'attribution suivante — héritée de la licence du jeu de données d'entraînement — s'applique également à ce modèle :
Ce modèle a été créé par Congo Digital Services (CDS SARL) (https://www.congo-digital.com/) à partir de données d'entraînement sous licence Nwulite Obodo Open Data License (https://licensingafricandatasets.com/nwulite-obodo-license). Les utilisateurs issus de pays à revenu élevé ou les entités commerciales sont tenus de reconnaître et créditer publiquement le Projet Maloba (PNUD République du Congo — initiative de numérisation linguistique) dans toute publication, produit, modèle ou résultat dérivé de ce modèle. Pour remplir cette obligation, contactez contact@congo-digital.com ou consultez https://www.congo-digital.com/contact.