PaddlePaddle/PaddleOCR

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.

What it solves

PaddleOCR 是一套完整的工具套件，旨在將 PDF 文件與影像轉換為結構化、機器可讀的資料（如 JSON 與 Markdown）。它解決了從複雜視覺版面（包括自然場景、古代文件與工業元件）中擷取文字、表格、公式與圖表的問題，讓這些資料「LLM‑ready」可用於 RAG（檢索增強生成）與 AI Agent 應用。

How it works

此專案提供多個專門的模型系列，以處理不同的 OCR 任務：

  • PaddleOCR-VL：輕量化的視覺‑語言模型（VLM），結合動態解析度的視覺編碼器與語言模型，執行頁面層級的文件解析與元素辨識。
  • PP-OCR：高速、多語言文字偵測系統（目前 v6），支援超過 100 種語言，並針對伺服器與邊緣部署（tiny、small、medium）進行最佳化。
  • PP-StructureV3：具結構感知的轉換引擎，將複雜的 PDF 與影像轉換為 Markdown 或 JSON，提供表格儲存格與文字的細粒度座標資訊。

Who it’s for

此工具套件為開發 AI Agent、RAG 流程與文件 AI 引擎的開發者而建，協助將非結構化的視覺資料轉換為高品質的結構化文字。亦適用於在多樣硬體上部署 OCR 的工程師，包含 NVIDIA GPU、Intel CPU 與行動裝置。

Highlights

  • Multilingual Mastery：支援 100+ 種語言的統一模型，減少模型切換的需求。
  • LLM-Ready Output：直接匯出為 Markdown 與 JSON，方便與 LLM 無縫整合。
  • High Efficiency：提供超小模型尺寸（例如 PP‑OCRv6 tiny 只有 1.5M 參數），在 CPU 與 GPU 上皆有顯著的推論加速。
  • Broad Hardware Support：相容多種後端，包括 OpenVINO、ONNX Runtime、TensorRT 與各類 AI 加速器。
  • C++ and JS Support：內含 C++ 本地部署方案與瀏覽器端推論 SDK（PaddleOCR.js）。