PP 成为 AI 产业观察信号

PP-OCRv6 是 PaddleOCR 通用 OCR 模型家族的最新一代。它面向真实场景中的文本检测与识别而设计，覆盖文档、截图、多语言图像、数字显示屏、工业标签以及场景文本等多种应用。

该模型家族的参数规模从 1.5M 到 34.5M 不等，分为 tiny、small 和 medium 三个档位。medium 和 small 档位支持 50 种语言，包括简体中文、繁体中文、英语、日语以及 46 种拉丁文字语言。你可以通过 PP-OCRv6 Online Demo 快速在线试用 PP-OCRv6。

在 PaddleOCR 官方内部多场景 OCR 基准测试中，PP-OCRv6_medium 的检测 Hmean 达到 86.2%，识别准确率达到 83.2%。与 PP-OCRv5_server 相比，其文本检测提升了 4.6 个百分点，文本识别提升了 5.1 个百分点。

PP-OCRv6 聚焦一个实际的 OCR 需求：用小模型和灵活的部署选项，生成准确、结构化的文本输出。关于在 VLM 时代专用 OCR 模型为何仍有价值的更深入讨论，可参见我们此前的博客：PP-OCRv5 on Hugging Face: A Specialized Approach to OCR。

PP-OCRv6 在检测和识别两方面引入了架构、训练和数据改进。其主要设计目标是在提升 OCR 准确率的同时，让模型规模适用于不同的部署场景。

PP-OCRv6 提供三档模型，覆盖不同的模型规模和 OCR 准确率水平。

PP-OCRv6 使用 PPLCNetV4 作为文本检测和文本识别的统一骨干网络。

对开发者而言，最大的好处是整个模型家族的一致性。tiny、small 和 medium 三个档位并不是彼此无关的模型，而是同属一个 OCR 家族，并共享一致的架构方向。

文本检测是 OCR 流水线的第一阶段。检测质量会影响送入识别器的裁剪图像，而质量较差的裁剪结果往往会导致识别效果下降。

PP-OCRv6 通过 RepLKFPN 升级了检测模块。RepLKFPN 是一种轻量级的大核特征金字塔网络，面向多尺度文本检测设计，同时保持高效推理。

这对于真实场景中的 OCR 输入尤为重要，因为其中的文本可能很小、密集、存在旋转、分辨率较低，或嵌在复杂背景中。

在文本识别方面，PP-OCRv6 使用 EncoderWithLightSVTR。它结合了局部上下文建模与全局注意力机制，以提升对高难度文本裁剪区域的识别质量。

这些识别能力的提升，对多语言文本、屏幕文字、工业字符、特殊符号、密集文本以及噪声较多的图像区域尤其重要。

中型和小型版本在同一模型家族中支持 50 种语言，覆盖简体中文、繁体中文、英语、日语以及 46 种拉丁字母语言。

这有助于减少在常见多语言 OCR 场景中使用独立 OCR 模型的需求。

使用 Paddle Infernece（默认后端）运行 OCR：

OCR 结果可以保存为可视化图像和结构化 JSON 输出。随后，结构化输出可供文档解析、搜索、信息抽取、RAG、分析或 agent 工作流等下游系统使用。

PP-OCRv6 可以通过 PaddleOCR 使用多种推理后端。PaddleOCR 3.7 提供了统一的推理引擎接口，其中 engine 用于选择底层运行时，相关配置可通过 pipeline 或 module API 传入。

对于 Hugging Face 用户，PaddleOCR 支持通过 Transformers 后端运行部分 OCR 和文档解析模型。可以通过以下方式启用：

有关 PaddleOCR 中 Transformers 后端工作方式的更多细节，请参见：

PaddleOCR：使用 Transformers 后端运行 OCR 和文档解析任务

使用 Transformer 后端运行 PP-OCRv6 示例：

PP-OCRv6 Collection 也提供 ONNX 变体，适用于通过 engine="onnxruntime" 使用 ONNX Runtime 的环境：

这些后端选项结合起来，使 PP-OCRv6 能够适配不同的运行时环境，同时在 Hugging Face Hub 上保持同一 OCR 模型家族。

PP-OCRv6 为 PaddleOCR 扩展了一个轻量级、多语言的 OCR 模型系列，面向真实场景中的文本检测与识别。

此次发布包含三个模型档位，参数量从 1.5M 到 34.5M 不等，最高支持 50 种语言的 OCR；相比 PP-OCRv5_server，检测和识别准确率均有提升；同时在 Hugging Face Hub 上提供多种模型格式，包括 safetensors、Paddle 推理模型和 ONNX 模型。

结合托管在 Hugging Face Space 上的在线体验，以及可用的 PaddleOCR 推理后端，PP-OCRv6 为评估和集成提供了多个入口：

在线演示：PP-OCRv6 在线演示

模型合集：PP-OCRv6 Collection

Transformers 后端博客：基于 Transformers 后端的 PaddleOCR

PaddleOCR 文档：PP-OCRv6 文档

PaddleOCR 官方网站：https://www.paddleocr.com

你可以通过在线演示评估 PP-OCRv6，在 Collection 中浏览可用的模型资源，并使用与你自身 OCR 工作流匹配的推理后端。

· 注册或登录后发表评论