PaddlePaddle/PaddleOCR

PaddleOCR – 生产就绪的 OCR & 文档 AI 工具包

功能介绍

• 将图像或 PDF 转换为机器可读的文本、表格、公式，甚至完整的文档结构。
• 输出结果可直接用于大语言模型 (LLM) – 提供保留布局信息的 JSON 或 Markdown。
• 支持经典 OCR（文本检测与识别）以及针对复杂文档的高级视觉语言解析。

核心组件

组件	用途	亮点
PP‑OCRv6	通用场景文本检测	单模型支持 100+ 种语言，相比 v5 在检测率提升 +4.6% 且识别率提升 +5.1%，CPU 运行速度快 5.2 倍，提供从边缘端到服务器端的微型 (1.5 M) 到中型 (34.5 M) 模型尺寸
PaddleOCR‑VL‑1.6	用于文档解析的轻量级视觉语言模型	0.9 B 参数，在 OmniDocBench v1.6 上达到 96.3% 的准确率，擅长处理表格、公式、古籍、印章；输出带元素坐标的 Markdown/JSON
PP‑StructureV3	PDF/图像的结构化转换	生成细粒度的布局（单元格坐标、标题、跨页表格）并可导出为 DOCX, Markdown, JSON
HPD‑Parsing (2026-07-22)	高吞吐量文档解析	层级并行解码，4,752 tokens/s，兼容 OpenAI 风格的 API 服务或本地 vLLM 运行时

为什么对 AI/LLM 工作流至关重要

• LLM 就绪数据：该工具包提供干净、结构化的文本及位置元数据，这正是检索增强生成 (RAG) 或智能体 (agentic) 系统所需要的。
• 速度与占用：模型尺寸从几兆字节 (边缘端) 到约 35 M 参数 (服务器端)，支持在 CPU, GPU, XPU, NPU 或通过 ONNX/TensorRT 运行，易于嵌入到云服务或移动端应用中。
• 生态系统集成：预置了与流行 RAG 平台 (Dify, RAGFlow, Pathway, Cherry Studio) 的集成，并提供浏览器 SDK (PaddleOCR.js)。

典型工作流

1. 输入 – 提供图像、扫描版 PDF 或实时摄像头画面。
2. 流水线选择 – 选择模型系列：
   • PP‑OCRv6 用于快速多语言文本检测。
   • PP‑StructureV3 用于感知布局的转换。
   • PaddleOCR‑VL 用于需要处理表格、公式或古籍时的深度 VLM 解析。
3. 推理 – 本地运行 (Python, C++, Java, 等) 或通过托管 API。后端支持 Paddle static/dynamic graph, Transformers, ONNX Runtime, OpenVINO, TensorRT, 等。
4. 输出 – 接收包含文本字符串、边界框 (bounding boxes)、表格结构及可选 DOCX 文件的 JSON/Markdown。
5. 下游应用 – 将结构化输出喂给 LLM 进行摘要生成、问答、知识库构建，或提供给 RAG 引擎进行检索。

快速入门

• 在线演示：无需安装 – 在 https://www.paddleocr.com 体验中心尝试。
• 本地安装：pip install paddleocr (Python 3.8-3.12)。请参考 PP‑OCR, PaddleOCR‑VL, 或 PP‑StructureV3 文档中的快速入门链接。
• 部署：将模型转换为 ONNX，然后使用 OpenVINO, TensorRT 进行加速，或进行多 GPU 并行推理。同时提供 C++/C#/Java 服务层。

用户群体

• 超过 6k 个 GitHub 项目依赖于 PaddleOCR。
• 已集成到商业 RAG 平台 (Dify, RAGFlow, Cherry Studio) 及 AI 智能体框架中。
• 被需要高精度、多语言文档数字化转型的企业所采用。

总结 PaddleOCR 是一个成熟的开源 OCR & 文档 AI 引擎，它连接了原始视觉数据与结构化、对 LLM 友好的格式。其模块化模型、多语言覆盖能力以及灵活的部署选项，使其成为构建需要阅读和理解文档的 AI 应用开发者的首选方案。