在线评估 PP-OCRv6，然后通过 PaddlePaddle、Transformers 或 ONNX Runtime 后端集成轻量级、可投入生产的 OCR。
PP-OCRv6 是 PaddleOCR 通用 OCR 模型系列的最新版本。它专为文档、截图、多语言图像、数字显示屏、工业标签和场景文本等真实场景中的文本检测与识别而设计。
该模型系列参数规模从 1.5M 到 34.5M，分为三个等级：tiny、small 和 medium。其中 medium 和 small 等级支持 50 种语言，包括简体中文、繁体中文、英语、日语以及 46 种拉丁字母语言。快速在线体验 PP-OCRv6：PP-OCRv6 在线演示。
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，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 聚焦于一个实际的 OCR 需求：通过小型模型和灵活的部署选项，生成准确、结构化的文本输出。关于为何在 VLM 时代专用 OCR 模型仍然有用的深入讨论，请参阅我们之前的博客：PP-OCRv5 on Hugging Face: A Specialized Approach to OCR。
PP-OCRv6 的新特性
PP-OCRv6 在检测和识别方面引入了架构、训练和数据的改进。主要设计目标是在保持模型尺寸适用于不同部署场景的同时，提升 OCR 准确率。
三个模型等级
PP-OCRv6 提供三个模型等级，覆盖不同的模型尺寸和 OCR 准确率水平。
| 模型 | 模型大小 | 检测 Hmean | 识别准确率 | 典型应用场景 |
|---|---|---|---|---|
| PP-OCRv6_tiny | 1.5M 参数 | 80.6% | 73.5% | 边缘设备、轻量级本地 OCR、延迟敏感型演示、资源受限环境 |
| PP-OCRv6_small | 7.7M 参数 | 84.1% | 81.3% | 移动端、桌面端、均衡型 OCR 服务、低计算成本的多语言 OCR |
| PP-OCRv6_medium | 34.5M 参数 | 86.2% | 83.2% | 精度导向型 OCR、服务端流水线、工业 OCR、文档录入、多语言 OCR |
PPLCNetV4 骨干网络
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，主要优势在于模型系列的一致性。tiny、small 和 medium 等级并非互不相关的模型，它们属于同一个 OCR 家族，共享共同的架构方向。
用于文本检测的 RepLKFPN
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区域，而质量差的裁剪区域通常会导致识别效果不佳。
PP-OCRv6 将检测模块升级为 RepLKFPN，这是一个轻量级的大核特征金字塔网络，专为多尺度文本检测设计，同时保持推理高效。
这对于真实世界的 OCR 输入尤为重要，因为文本可能很小、密集、旋转、低分辨率，或嵌入在复杂背景中。
用于识别的 EncoderWithLightSVTR
在文本识别方面，PP-OCRv6 使用了 EncoderWithLightSVTR。它将局部上下文建模与全局注意力相结合，以提升对具有挑战性的文本裁剪区域的识别质量。
识别方面的改进尤其适用于多语言文本、屏幕文本、工业字符、特殊符号、密集文本以及噪声图像区域。
统一的多语言 OCR
中端和轻量级模型系列支持 50 种语言，涵盖简体中文、繁体中文、英语、日语以及 46 种拉丁字母语言。
这有助于在常见的多语言 OCR 场景中减少对独立 OCR 模型的需求。
快速上手 PaddleOCR
安装 PaddleOCR：
pip install paddleocr使用 Paddle Inference（默认后端）运行 OCR：
from paddleocr import PaddleOCR
# 模型：PP-OCRv6_medium（默认）
# 后端：Paddle Inference（默认）
ocr = PaddleOCR(
use_doc_orientation_classify=False,
use_doc_unwarping=False,
use_textline_orientation=False,
)
result = ocr.predict("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")
for res in result:
res.print()
res.save_to_img("output")
res.save_to_json("output")OCR 结果可保存为可视化图像和结构化 JSON 输出。结构化输出随后可供下游系统使用，例如文档解析、搜索、信息提取、RAG、分析或智能体工作流。
可用的推理后端
PP-OCRv6 可通过 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 参数用于选择底层运行时，相关配置可通过流水线或模块 API 传递。
| 后端 | 描述 |
|---|---|
| Transformers | 面向 Hugging Face / PyTorch 的推理路径，适用于支持的 PaddleOCR 模型 |
| ONNX Runtime | 基于 ONNX 的部署环境的可移植推理路径 |
| Paddle Inference | 原生 Paddle 推理格式 |
对于 Hugging Face 用户，PaddleOCR 支持使用 Transformers 后端运行选定的 OCR 和文档解析模型。可通过以下方式启用：
engine="transformers"有关 Transformers 后端在 PaddleOCR 中如何工作的更多详细信息，请参阅：
PaddleOCR：使用 Transformers 后端运行 OCR 和文档解析任务
使用 Transformers 后端运行 PP-OCRv6 示例：
from paddleocr import PaddleOCR
# 模型：PP-OCRv6_medium（默认）
# 后端：transformers
ocr = PaddleOCR(
use_doc_orientation_classify=False,
use_doc_unwarping=False,
use_textline_orientation=False,
engine="transformers",
)
result = ocr.predict("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")ONNX 变体也可在 PP-OCRv6 模型合集 中找到，适用于通过 engine="onnxruntime" 使用 ONNX Runtime 的环境：
from paddleocr import PaddleOCR
# 模型：PP-OCRv6_medium（默认）
# 后端：ONNX Runtime
ocr = PaddleOCR(
use_doc_orientation_classify=False,
use_doc_unwarping=False,
use_textline_orientation=False,
engine="onnxruntime",
)
result = ocr.predict("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")这些后端选项共同使 PP-OCRv6 能够在不同的运行时环境中使用，同时保持 Hugging Face Hub 上相同的 OCR 模型系列。
总结
PP-OCRv6 为 PaddleOCR 扩展了一个轻量级、多语言的 OCR 模型系列，用于实际场景中的文本检测与识别。
此次发布包括三个模型层级，参数规模从 1.5M 到 34.5M，支持多达 50 种语言的 OCR，在检测和识别精度上优于 PP-OCRv5_server，并在 Hugging Face Hub 上提供多种模型格式，包括 safetensors、Paddle 推理模型和 ONNX 模型。
结合托管的 Hugging Face Space 和可用的 PaddleOCR 推理后端，PP-OCRv6 提供了多个评估和集成的入口：
-
在线演示：PP-OCRv6 在线演示
-
模型合集：PP-OCRv6 模型合集
-
Transformers 后端博客：PaddleOCR 与 Transformers 后端
-
PaddleOCR 文档：PP-OCRv6 文档
-
PaddleOCR 官方网站：https://www.paddleocr.com
您可以通过在线演示评估 PP-OCRv6，探索模型合集中的可用模型资产，并使用与您自身 OCR 工作流相匹配的推理后端。