PaddleOCR

开源

将任何 PDF 或图像文档转换为 AI 可用的结构化数据。这是一款功能强大、轻量级的 OCR 工具包，可弥补图像/PDF 和 LLM 之间的差距。支持

86.7K stars0 点赞3 次浏览

工具介绍

将任何 PDF 或图像文档转换为 AI 可用的结构化数据。这是一款功能强大、轻量级的 OCR 工具包，可弥补图像/PDF 和 LLM 之间的差距。支持

PaddleOCR 可将 PDF 文档和图像转换为结构化的、可用于 LLM 的数据（JSON/Markdown），精度领先于行业。拥有 70 多万个星级评价，并受到 Dify、RAGFlow 和 Cherry Studio 等顶级项目的信赖，PaddleOCR 是构建智能 RAG 和代理应用程序的基石。

SOTA 文档 VLM：搭载 PaddleOCR-VL-1.6 (0.9B)，这是业界领先的轻量级视觉-语言模型，用于文档解析。在 OmniDocBench v1.6 上，其准确率达到 96.3%，在文本、公式和表格识别方面处于领先地位，在古代文档、罕见字符、印章和图表方面表现出显著增强的能力，并提供以 Markdown 和 JSON 格式的结构化输出。

通用文本识别 (场景 OCR) > 高速、多语言文本识别的全球黄金标准。

支持 100 多种语言：原生识别功能，可处理庞大的全球库。 PP-OCRv6 支持 50 种语言，使用单一统一模型（中文、英文、日语和 46 种拉丁文语言），无需切换模型即可处理多语言文档。 * 复杂元素的精准识别：除了标准文本识别外，我们还支持在各种环境中识别 自然场景中的文本，包括 ID、街景、书籍和工业部件。 * 性能飞跃：与 PP-OCRv5 相比，PP-OCRv6 的检测准确率提高了 +4.6%，识别准确率提高了 +5.1%，超过了主流的视觉-语言模型。端到端的 CPU 推理速度提高了 5.2 倍。