PaddleOCR 项目介绍

PaddleOCR 将 PDF 和图像转换为 JSON/Markdown，以 Apache 2.0 许可证发布。

核验日期

核心信息

以下信息由程序从官方接口读取，不经模型改写。

许可证
Apache-2.0
语言
Python
维护方
PaddlePaddle
核验日期

它是什么

PaddleOCR 将 PDF 文档和图像转换为结构化、可供 LLM 使用的数据（JSON/Markdown）。本项目以 Apache 2.0 许可证发布。PaddleOCR-VL-0.9B 是一个视觉语言模型（VLM），集成了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型。项目方称，HPD-Parsing 是为高吞吐文档解析设计的轻量级视觉语言模型。

主要能力

  1. PP-StructureV3 可将复杂的 PDF 和图像转换为 Markdown 或 JSON。

  2. 与 PaddleOCR-VL 系列模型不同，PP-StructureV3 提供更细粒度的坐标信息，包括表格单元格坐标和文本坐标等。

  3. PaddleOCR-VL 支持 109 种语言。

  4. 项目方称 PP-OCRv6 用单一统一模型支持 50 种语言，包括中文、英文、日文等。

  5. PaddleOCR 支持多种硬件后端（NVIDIA GPU、Intel CPU、Kunlunxin XPU 及多种 AI 加速器）。

  6. PaddleOCR 与 Dify、RAGFlow、Pathway 和 Cherry Studio 深度集成。

怎么上手

  1. PaddleOCR 官方网站提供交互式的体验中心（Experience Center）和 API。

  2. 对于本地使用，项目说明建议根据需求参阅相应的文档。

  3. 模型可以转换为 ONNX 格式。

  4. 可使用多 GPU 和多进程加速推理。

  5. PaddleOCR 可集成到用 C++、C#、Java 等语言编写的应用中。

适合谁

20 个主要模型支持将 Transformers 作为推理后端。PaddleOCR 可将 Word、Excel 和 PowerPoint 等常见文档格式转换为 Markdown。PaddleOCR-VL 系列、PP-StructureV3 和 PP-DocTranslation 支持将解析结果导出为 DOCX。

官方浏览器推理 SDK PaddleOCR.js 支持在浏览器中直接运行 PP-OCRv5。HPD-Parsing 通过定制的 vLLM 运行时同时支持兼容 OpenAI 的服务和本地推理。PP-OCRv6 的 tiny (1.5M)、small (7.7M)、medium (34.5M) 三个档位用于边缘、移动和服务器部署。

项目方报告，PP-OCRv6 中档（medium tier）相对 PP-OCRv5_server 的检测提升 +4.6%，识别提升 +5.1%。PP-OCR 系列模型支持返回单字符坐标。PaddleOCR 通过 PP-Chart2Table 模块支持图表转表格。

PaddleOCR 新增 AIStudio、ModelScope 等模型下载源，用户可指定模型下载源。PaddleOCR 支持 Windows 上的 NVIDIA RTX 50 系列显卡。PP-OCRv5 的 C++ 本地部署方案已全面升级，现支持 Linux 和 Windows。

高性能推理现支持 CUDA 12，推理可使用 Paddle Inference 或 ONNX Runtime 后端。

来源

本页内容整理自以下官方来源，点击可核对原文。

核验日期 ·

本页由 AI 依据上述官方来源整理，并经自动核对，未经本站实测。 发现错误？告诉我们。