链载Ai

标题: PaddleOCR 3.0重磅发布！OCR精度跃升13%，多场景文档解析全面升级 [打印本页]

---

作者: 链载Ai    时间: 2 小时前
标题: PaddleOCR 3.0重磅发布！OCR精度跃升13%，多场景文档解析全面升级

PaddleOCR作为百度开源的OCR（光学字符识别）工具包，自2020年发布以来，凭借其强大的多语言识别能力、高精度的文本解析能力以及良好的扩展性，迅速在全球范围内获得广泛认可。2025年5月20日，PaddlePaddle团队正式发布了PaddleOCR 3.0版本，标志着其在OCR技术领域的又一次重大突破。

PaddleOCR 3.0不仅在模型性能上实现了显著提升，还新增了对多种文本类型、手写体识别的支持，并引入了ERNIE 4.5 Turbo等大模型技术，进一步增强了智能文档理解能力。

一、项目概述

PaddleOCR 3.0是基于PaddlePaddle 3.0框架推出的全新一代OCR工具包，旨在为开发者提供高效、准确、易用的文本识别与文档解析能力。该版本支持五种语言的文本识别，包括简体中文、繁体中文、简体中文拼音、英文和日文，并且能够处理复杂的手写体文本。此外，PaddleOCR 3.0还引入了PP-StructureV3和PP-ChatOCRv4等新模型，实现了对PDF、图片等多格式文档的高精度解析与智能理解。

二、技术特点

1.多场景支持

PaddleOCR 3.0支持多种文本类型和场景，包括：

• 通用文本识别：支持五种语言（简体中文、繁体中文、简体中文拼音、英文、日文）的文本识别。

  
  

• 手写体识别：显著提升了对复杂草书和非标准手写体的识别能力。

  
  

• 文档解析：PP-StructureV3模型支持多布局、多场景PDF的高精度解析，优于许多开源和闭源解决方案。

  
  

• 智能文档理解：PP-ChatOCRv4模型支持关键信息提取，准确率较上一代提升15个百分点。

2.高精度模型

PaddleOCR 3.0引入了多个高性能模型，包括：

• PP-OCRv5：支持五种语言的通用文本识别，准确率较上一代提升13个百分点。

  
  

• PP-StructureV3：支持多布局PDF解析，准确率在多个基准测试中领先。

  
  

• PP-ChatOCRv4：基于ERNIE 4.5 Turbo，支持大模型部署，实现智能文档理解。

3.多语言支持

PaddleOCR 3.0支持多种编程语言的调用，包括C++、Java、Go、C#、Node.js和PHP，方便开发者根据项目需求选择合适的语言进行开发。

4.易用性与部署灵活性

PaddleOCR 3.0提供了丰富的工具和接口，支持从模型训练、推理到服务部署的全流程开发。此外，还支持Android平台的PP-OCRv5模型，进一步拓展了应用场景。

三、主要功能

1.文本识别

PaddleOCR 3.0支持多种文本识别任务，包括：

• 通用文本识别：支持五种语言的文本识别。

  
  

• 手写体识别：支持复杂草书和非标准手写体的识别。

  
  

• 多语言支持：支持简体中文、繁体中文、简体中文拼音、英文和日文。

2.文档解析

PP-StructureV3模型支持多布局、多场景PDF的高精度解析，包括：

• 表格识别：支持嵌套公式和图片的表格识别。

  
  

• 图表识别：支持图表转表格。

  
  

• 垂直文本识别：支持从PDF中提取垂直方向的文本。

  
  

• 复杂文档结构分析：支持对复杂文档结构进行解析。

3.智能文档理解

PP-ChatOCRv4模型支持关键信息提取，包括：

• 文本识别：支持从PDF、PNG、JPG等格式中提取文本。

  
  

• 关键信息提取：支持从文档中提取关键信息，如车辆准乘人数等。

  
  

• 多模态支持：支持与大模型（如ERNIE 4.5 Turbo）集成，实现更智能的文档理解。

  
  

四、应用场景

1. 企业文档管理

• PDF解析：支持从PDF中提取文本、表格、图表等信息。

  
  

• 文档分类：支持对文档进行分类和标签化。

  
  

• 自动化处理：支持批量处理文档，提高工作效率。

2.金融行业

• 发票识别：支持从发票中提取关键信息，如金额、日期、供应商等。

  
  

• 合同解析：支持对合同文本的自动识别和结构化处理。

  
  

• 报表分析：支持对财务报表的自动识别和分析。

3.医疗行业

• 病历识别：支持从病历中提取关键信息，如患者姓名、诊断结果等。

  
  

• 处方识别：支持对处方文本的自动识别和结构化处理。

  
  

• 医疗记录管理：支持对医疗记录的自动识别和分类。

4.教育行业

• 试卷识别：支持从试卷中提取题目和答案。

  
  

• 作业批改：支持对作业文本的自动识别和批改。

  
  

• 学习资料管理：支持对学习资料的自动识别和分类。

5.政务与法律行业

• 公文识别：支持从公文、法律文件中提取关键信息。

  
  

• 合同管理：支持对合同文本的自动识别和结构化处理。

  
  

• 政策解读：支持对政策文件的自动识别和解读。

五、快速使用

1.安装与依赖

首先，确保已安装PaddlePaddle 3.0框架，然后通过以下命令安装PaddleOCR：

pipinstallpaddleocr

2. PP-OCRv5示例

frompaddleocrimportPaddleOCRocr=PaddleOCR(use_doc_orientation_classify=False,use_doc_unwarping=False,use_textline_orientation=False)result=ocr.predict(input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")forresinresult:res.print()res.save_to_img("output")res.save_to_json("output")

3. PP-StructureV3示例

frompathlibimportPathfrompaddleocrimportPPStructureV3pipeline=PPStructureV3(use_doc_orientation_classify=False,use_doc_unwarping=False)output=pipeline.predict(input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png")forresinoutput:res.print()res.save_to_json(save_path="output")res.save_to_markdown(save_path="output")

4. PP-ChatOCRv4示例

frompaddleocrimportPPChatOCRv4Doc
chat_bot_config = { "module_name":"chat_bot", "model_name":"ernie-3.5-8k", "base_url":"https://qianfan.baidubce.com/v2", "api_type":"openai", "api_key":"api_key", # your api_key}
retriever_config = { "module_name":"retriever", "model_name":"embedding-v1", "base_url":"https://qianfan.baidubce.com/v2", "api_type":"qianfan", "api_key":"api_key", # your api_key}
pipeline = PPChatOCRv4Doc(  use_doc_orientation_classify=False,  use_doc_unwarping=False)
visual_predict_res = pipeline.visual_predict( input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",  use_common_ocr=True,  use_seal_recognition=True,  use_table_recognition=True,)
mllm_predict_info =Noneuse_mllm =False# If a multimodal large model is used, the local mllm service needs to be started. You can refer to the documentation: https://github.com/PaddlePaddle/PaddleX/blob/release/3.0/docs/pipeline_usage/tutorials/vlm_pipelines/doc_understanding.en.md performs deployment and updates the mllm_chat_bot_config configuration.ifuse_mllm:  mllm_chat_bot_config = {   "module_name":"chat_bot",   "model_name":"P-DocBee",   "base_url":"http://127.0.0.1:8080/", # your local mllm service url   "api_type":"openai",   "api_key":"api_key", # your api_key  }
  mllm_predict_res = pipeline.mllm_pred(   input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",    key_list=["驾驶室准乘人数"],    mllm_chat_bot_config=mllm_chat_bot_config,  )  mllm_predict_info = mllm_predict_res["mllm_res"]
visual_info_list = []forresinvisual_predict_res:  visual_info_list.append(res["visual_info"])  layout_parsing_result = res["layout_parsing_result"]
vector_info = pipeline.build_vector(  visual_info_list, flag_save_bytes_vector=True, retriever_config=retriever_config)chat_result = pipeline.chat(  key_list=["驾驶室准乘人数"],  visual_info=visual_info_list,  vector_info=vector_info,  mllm_predict_info=mllm_predict_info,  chat_bot_config=chat_bot_config,  retriever_config=retriever_config,)print(chat_result)

六、结语

PaddleOCR 3.0作为百度开源的OCR工具包，凭借其强大的多语言识别能力、高精度的文本解析能力以及良好的扩展性，正在成为企业智能化转型的重要工具。无论是金融、医疗、教育还是政务行业，PaddleOCR 3.0都能提供高效的文档处理解决方案。

---

欢迎光临 链载Ai (https://www.lianzai.com/)

Powered by Discuz! X3.5