PP-OCRv6

PP-OCRv6 – 百度飞桨 PaddleOCR 开源的第六代 OCR 模型

PP-OCRv6，由百度飞桨 PaddleOCR 团队倾力打造，作为其开源 OCR 技术的第六代革新之作，首次引入了 Tiny（仅 1.5M）、Small（7.7M）及 Medium（34.5M）三种不同规模的模型，旨在全面满足从浏览器前端到服务器后端各类算力需求的场景。

PP-OCRv6 究竟是什么？

PP-OCRv6 是百度飞桨 PaddleOCR 团队推出的第六代开源 OCR 模型。其一大亮点是首次推出了 Tiny（1.5M）、Small（7.7M）、Medium（34.5M）三种模型规格，能够覆盖从浏览器端到服务器端的全算力平台。与前代相比，PP-OCRv6 在文本检测精度上实现了 4.9% 的飞跃，识别精度也提升了 5.1%。其中，Medium 模型在 Intel Xeon CPU 上的端到端处理速度仅需 1.40 秒，比 v5_server 版本快了 5.2 倍。而 Tiny 模型在浏览器端的单图预测速度更是低至 97ms。更令人振奋的是，单模型支持的语言数量从之前的 4 种扩展到了 50 种，并新增了电路板、数码管、CAD 图纸、喷码点阵字符等一系列工业场景的识别能力。

PP-OCRv6 的核心功能亮点

• 三档模型，部署随心：提供 Tiny（1.5M）、Small（7.7M）、Medium（34.5M）三种模型尺寸，完美适配从轻量级浏览器端、嵌入式设备到高性能服务器的各类部署需求，让用户可以根据实际情况“即插即用”。
• 精准识别，质的飞跃：能够端到端地完成文本区域的精确定位和内容识别。文本检测精度高达 86.2%，识别精度达到 83.2%，相较于上一代产品，实现了跨越式的性能提升。
• 50 种语言，一网打尽：单个模型即可同时支持中文、英文、日文以及 46 种拉丁语系语言。这意味着在处理包含多种语言的文档时，无需频繁切换模型，大大提高了效率。
• 工业场景，专项攻坚：特别增强了对电路板、数码管、CAD 图纸、喷码点阵字符、轮胎印刷等复杂工业场景的文字检测和识别能力。
• 极速推理，低延迟体验：Tiny 模型在纯浏览器前端实现单图预测仅需 97ms；Medium 模型在 Intel Xeon CPU 上端到端处理仅耗时 1.40 秒，速度是前代 server 模型的 5.2 倍。
• 高鲁棒性，稳定输出：文本检测的多尺寸预测一致性方差仅为 5.19%，识别边缘尺寸扰动的一致性相比 v5 版本提升了 20.5%。这使得模型对输入分辨率的变化以及裁剪边界具有极强的抗干扰能力。
• 多后端支持，灵活私有部署：兼容 OpenVINO、ONNX Runtime、TensorRT 等多种推理后端，支持在内网、离线或对数据安全敏感的环境中进行私有化部署。
• 结构化文档解析，解放双手：结合 PP-StructureV3 模块，可以将复杂的 PDF 和图片文档转换为 Markdown 或 JSON 格式，并输出精细的文本坐标和版面布局信息。

如何轻松使用 PP-OCRv6

• 命令行一键调用：在安装 PaddleOCR 3.7.0+ 版本后，只需执行命令 paddleocr ocr -i image.png --text_detection_model_name PP-OCRv6_medium_det --text_recognition_model_name PP-OCRv6_medium_rec，即可快速完成图片的 OCR 处理。
• Python API 轻松集成：在 Python 代码中，导入 from paddleocr import PaddleOCR，初始化时指定所需模型名称，例如 PaddleOCR(text_detection_model_name="PP-OCRv6_medium_det"， text_recognition_model_name="PP-OCRv6_small_rec")，然后调用 predict() 方法并传入图片路径，即可获取识别结果。
• 模型自动下载，省时省力：首次使用特定模型时，PaddleOCR 会自动从 HuggingFace 或 ModelScope 下载所需的权重文件，无需手动配置。当然，您也可以选择提前从 ModelScope 集合页或 GitHub 仓库下载模型文件至本地。
• 浏览器端前端部署，零服务器依赖：选用 Tiny 档（1.5M）模型，通过 ONNX Runtime Web 或 OpenVINO 前端推理，即可在纯浏览器环境中实现单图 97ms 的极速预测，无需依赖后端服务器。
• 多后端推理加速，性能最大化：支持 OpenVINO、ONNX Runtime、TensorRT 等多种推理后端，允许您在 CPU、GPU 及嵌入式设备上按需切换推理引擎，从而优化生产环境的整体性能。
• 结构化文档解析，洞察信息脉络：与 PP-StructureV3 模块协同工作，能够将图片或 PDF 文件转化为 Markdown 或 JSON 格式的结构化输出，详细包含文本内容、精确坐标以及层级信息。
• 按需选择模型，无缝切换：根据部署环境的算力条件，您可以灵活选择 Tiny（适用于移动端/浏览器）、Small（适用于嵌入式/中等算力）或 Medium（适用于服务器/高精度）模型。这三档模型采用统一的接口设计，只需更改模型名称即可实现平滑切换。

PP-OCRv6 的项目地址

• 官方网站：https://paddleocr.com
• ModelScope 资源库：https://modelscope.cn/collections/PaddlePaddle/PP-OCRv6

PP-OCRv6 的核心竞争优势

• 精度代际跃升：相较于 v5 版本，文字检测精度提高了 4.9%，识别精度提升了 5.1%。Medium 模型在检测 Hmean 上达到 86.2%，识别准确率高达 83.2%，实现了质的飞跃。
• 极致推理速度：Medium 模型在 Intel Xeon CPU 上端到端处理仅需 1.40 秒，速度是前代 server 模型的 5.2 倍。Tiny 模型在浏览器端单图预测低至 97ms，完美适配对算力要求极低的场景。
• 前所未有的鲁棒性：检测多尺寸预测一致性方差仅为 5.19%（较 v5 降低 35%），识别边缘尺寸扰动一致性提升 20.5%。模型对输入变化和裁剪边界具有极强的抵抗力。
• 全算力平台覆盖：Tiny、Small、Medium 三档模型覆盖了从浏览器端、嵌入式设备到服务器的各种部署场景，用户可以根据需求选择，并能即刻投入使用。
• 50 种语言统一识别：单模型支持语言数量从 4 种扩展至 50 种，涵盖中、英、日及 46 种拉丁语系，无需切换模型即可处理包含多种语言的内容。
• 工业场景深度优化：新增了对电路板丝印、数码管读数、CAD 图纸标注、喷码点阵字符、轮胎印刷等真实复杂工业场景的专项识别能力。
• 轻量参数，性能碾压大模型：Medium 模型以仅 34.5M 的参数量，在检测和识别精度上超越了 Qwen3-VL-235B、GPT-5.5、Gemini-3.1-Pro 等百亿级视觉语言模型。
• 极低幻觉，忠实还原：对于原始文本（包括故意存在的拼写错误），模型的还原准确率远高于通用大模型，有效避免了大型模型常见的“幻觉式”内容篡改。

PP-OCRv6 与同类竞品的深度对比

PP-OCRv6 的多元应用场景

• 移动端与边缘设备实时识别：Tiny 模型（1.5M）可在手机、IoT 设备、嵌入式终端上实现毫秒级 OCR，非常适合离线扫描、快递面单识别等低功耗应用。
• 浏览器端前端集成：通过 ONNX/Web 技术在纯网页环境中部署，单图预测低至 97ms，用户上传图片即可即时提取文字，无需后端服务器支持。
• 文档数字化与档案管理：可用于身份证、驾驶证、营业执照、发票、单据、合同等证件票据的批量结构化提取，结合 PP-StructureV3 可输出 JSON/Markdown 格式。
• 金融与医疗数据录入：凭借极低的幻觉率（93.2% 忠实还原），能够精准识别票据、病历、处方、保单等对准确性要求极高的敏感文本。
• 工业质检与自动化生产：新增了对电路板丝印、数码管读数、CAD 图纸标注、喷码点阵字符、轮胎印刷、工业铭牌等复杂工业场景的自动化检测与识别能力。
• 多语言国际化处理：单模型支持 50 种语言，适用于跨境电商、外贸单据、多语言说明书、国际化内容审核与翻译预处理等场景。