PaddlePaddle/PaddleOCR

PaddleOCR – 오픈소스 OCR 및 문서 AI 툴킷

기능

• 이미지나 PDF 페이지를 대규모 언어 모델(Large Language Model, LLM)에 직접 입력 가능한 기계 판독 텍스트, 표, 수식, 구조화된 Markdown/JSON으로 변환합니다.
• 주요 모델 두 가지를 제공합니다:
  1. PP-OCRv6 – 50개 언어를 하나의 모델에서 처리하는 다국어 장면 텍스트 인식기 (CPU에서 100% 이상의 속도 향상, 높은 정확도).
  2. PaddleOCR-VL / PP-StructureV3 – 텍스트, 표, 수식, 도장, 차트 등을 포함한 전체 문서 분석에 적합한 경량 시각-언어 모델이며, 출력은 JSON 또는 Markdown 형식입니다.

왜 중요한가

• OCR는 검색 증강 생성(RAG) 파이프라인의 첫 단계입니다. LLM이 문서를 이해하고 추론하려면 깨끗하고 구조화된 텍스트가 필요합니다.
• PaddleOCR는 OmniDocBench와 같은 벤치마크에서 최고 수준의 정확도를 달성하면서도 모델 크기는 매우 작습니다 (약 0.9B 파라미터), CPU, GPU, XPU, NPU 등 다양한 하드웨어를 지원합니다.
• Dify, RAGFlow, Cherry Studio와 같은 인기 있는 AI 에이전트 플랫폼과 깊이 통합되어, LLM 기반 에이전트를 구축하기 위한 편리한 "데이터 엔진" 역할을 합니다.

주요 기능 (README에 기술됨)

• 다국어 지원 – 100개 이상의 언어를 지원하며, 중국어, 영어, 일본어 및 46개 라틴 문자 기반 언어를 하나의 통합 모델로 처리합니다.
• 구조 인식 변환 – 각 텍스트 상자, 표 셀 등의 좌표를 추출하여 후속 레이아웃 인식 처리를 가능하게 합니다.
• 빠른 추론 – CPU에서 최대 5배, Apple M4에서 최대 6배의 속도 향상, 중간 크기 모델 기준 A100 GPU에서 0.2초 미만의 추론 시간.
• 배포 유연성 – Linux, Windows, macOS에서 작동 가능. Paddle 정적/동적 그래프, Transformers, ONNX, OpenVINO, TensorRT, 브라우저 SDK(PaddleOCR.js)까지 지원합니다.
• 원클릭 클라우드/에지 – 사전 빌드된 Docker 이미지, vLLM 호환 HPD-Parsing 모델 서빙, HuggingFace/ModelScope에 모델 미러 제공.
• 확장 가능한 파이프라인 – PDF, Word/Excel/PowerPoint 파일을 Markdown으로 변환 가능, 결과를 DOCX로 내보내기 가능, 차트를 표로 변환하는 유틸리티 포함.

일반적인 사용 흐름

1. pip install paddleocr로 설치 (또는 Docker 이미지 다운로드).
2. 사전 준비된 파이프라인 실행 예: paddleocr --image mydoc.png로 빠른 OCR, Python API를 사용해 PP-StructureV3를 호출하여 전체 문서 분석 수행.
3. JSON/Markdown 출력을 후속 RAG 파이프라인, LLM 미세조정, 또는 AI 에이전트에 직접 활용.

누가 사용하는가

• GitHub에서 6,000개 이상의 프로젝트가 PaddleOCR에 의존하고 있습니다.
• 상용 RAG 플랫폼(Dify, RAGFlow) 및 AI 스튜디오 서비스에서 채택되었습니다.

더 알아보기

• 공식 웹사이트 및 데모: https://www.paddleocr.com
• HuggingFace 모델 카드 (예: PaddlePaddle/PaddleOCR-VL-1.6)
• README에 각 파이프라인(OCR, StructureV3, HPD-Parsing 등)에 대한 상세 문서 링크가 포함되어 있습니다.

---

모든 내용은 리포지토리의 README에서 직접 인용되었으며, 추가 주장은 포함되지 않았습니다.