OA0 ›
代码 ›
PaddleOCR — 开源 OCR 与文档理解工具链
PaddleOCR — 开源 OCR 与文档理解工具链
utopia · 2026-04-02 11:00:24 · 7 次点击 · 0 条评论
全球领先的OCR工具包与文档AI引擎
[English](README.md) | [简体中文](./readme/README_cn.md) | [繁體中文](./readme/README_tcn.md) | [日本語](./readme/README_ja.md) | [한국어](./readme/README_ko.md) | [Français](./readme/README_fr.md) | [Русский](./readme/README_ru.md) | [Español](./readme/README_es.md) | [العربية](./readme/README_ar.md) [](https://pepy.tech/projects/paddleocr) [](https://github.com/PaddlePaddle/PaddleOCR/network/dependents)    [](https://www.paddleocr.com) [](https://deepwiki.com/PaddlePaddle/PaddleOCR) [](../LICENSE)PaddleOCR 将 PDF 文档和图像转换为结构化、LLM 就绪的数据（JSON/Markdown），并具备行业领先的准确率。凭借 70k+ Stars 的社区支持和 Dify、RAGFlow、Cherry Studio 等顶级项目的信赖，PaddleOCR 已成为构建智能 RAG 和 Agentic 应用的基石。
🚀 核心特性
📄 智能文档解析（LLM就绪）
将杂乱的视觉信息转化为LLM时代所需的结构化数据。
- SOTA 文档视觉语言模型: 搭载行业领先的轻量级文档解析视觉语言模型 PaddleOCR-VL-1.5 (0.9B)。该模型在解析复杂文档方面表现出色，能应对 弯曲、扫描、屏幕拍摄、光照不均、倾斜 这五大“真实世界”挑战，并以 Markdown 和 JSON 格式输出结构化结果。
- 结构感知转换: 基于 PP-StructureV3，可将复杂的 PDF 和图像无缝转换为 Markdown 或 JSON。与 PaddleOCR-VL 系列模型不同，它提供更细粒度的坐标信息，包括表格单元格坐标、文本坐标等。
- 生产就绪的高效性: 以超小模型尺寸实现商用级准确率。在公开基准测试中超越众多闭源解决方案，同时保持资源高效，适用于边缘/云端部署。
🔍 通用文本识别（场景OCR）
高速、多语言文本检测的全球黄金标准。
- 支持 100+ 种语言: 原生支持庞大的全球语言库。我们的 PP-OCRv5 单模型方案优雅地处理多语言混合文档（中文、英文、日文、拼音等）。
- 复杂元素掌控: 超越标准文本识别，支持广泛的 自然场景文本检测，涵盖身份证、街景、书籍、工业部件等多种环境。
- 性能飞跃: PP-OCRv5 相比前代版本实现了 13% 的准确率提升，同时保持了 PaddleOCR 闻名的“极致效率”。
🛠️ 以开发者为中心的生态系统
- 无缝集成: AI Agent 生态系统的首选——已深度集成 Dify、RAGFlow、Pathway 和 Cherry Studio。
- LLM 数据飞轮: 提供构建高质量数据集的完整流程，为大语言模型微调提供可持续的“数据引擎”。
- 一键部署: 支持多种硬件后端（NVIDIA GPU、Intel CPU、昆仑芯 XPU 及多种 AI 加速器）。
📣 近期更新
🔥 [2026.01.29] PaddleOCR v3.4.0 发布：不规则文档解析时代
- PaddleOCR-VL-1.5 (SOTA 0.9B VLM): 我们最新的旗舰文档解析模型现已上线！
- OmniDocBench 准确率达 94.5%: 超越顶级通用大模型和专用文档解析器。
- 真实世界鲁棒性: 首次引入 PP-DocLayoutV3 算法进行不规则形状定位，掌握 倾斜、弯曲、扫描、光照不均、屏幕拍摄 这五大挑战场景。
- 能力扩展: 新增支持 印章识别、文本检测，并将支持语言扩展至 111 种（包括中国藏文和孟加拉语）。
- 长文档处理: 支持自动跨页表格合并和层级标题识别。
- 立即体验: 可在 HuggingFace 或我们的 官方网站 上使用。