PP-OCRv6来了：34.5M参数覆盖50种语言，小模型也能扛起真实OCR场景

PP-OCRv6来了：34.5M参数覆盖50种语言，小模型也能扛起真实OCR场景

在线体验 PP-OCRv6，并通过 PaddlePaddle、Transformers 或 ONNX Runtime 后端，将轻量级、生产可用的 OCR 能力集成到你的应用中。

PP-OCRv6 是 PaddleOCR 最新一代通用 OCR 模型族，面向真实世界中的文字检测与识别任务，覆盖文档、截图、多语言图片、电子屏、工业标签和场景文字等多类输入。

PP-OCRv6 模型族覆盖 1.5M 到 34.5M 参数，包含 tiny、small、medium 三个档位。其中 medium 和 small 支持 50 种语言，包括简体中文、繁体中文、英文、日文，以及 46 种拉丁语系语言。

你可以快速在线体验 PP-OCRv6：

PP-OCRv6 Online Demo

在 PaddleOCR 官方内部多场景 OCR Benchmark 上，PP-OCRv6medium 达到 86.2% Detection Hmean 和 83.2% Recognition Accuracy。相比 PP-OCRv5server，文本检测提升 +4.6 个百分点，文本识别提升 +5.1 个百分点。

PP-OCRv6 聚焦一个非常实际的 OCR 需求：用更小的模型和更灵活的部署方式，生成准确、结构化的文本输出。

关于为什么在 VLM 时代，专用 OCR 模型仍然有价值，可以阅读我们此前的文章：

PP-OCRv5 on Hugging Face: A Specialized Approach to OCR

PP-OCRv6 新在哪里？

PP-OCRv6 在检测与识别两端都引入了架构、训练和数据层面的改进。其主要设计目标是：在提升 OCR 准确率的同时，让模型大小适配不同部署环境。

三档模型

PP-OCRv6 提供三个模型档位，覆盖不同模型大小和 OCR 精度水平。

PPLCNetV4 backbone

PP-OCRv6 使用 PPLCNetV4 作为文字检测和文字识别的统一 backbone。

对开发者来说，它的主要价值在于模型族的一致性。tiny、small 和 medium 并不是三个彼此无关的模型，而是属于同一个 OCR 模型族，并共享一致的架构方向。

RepLKFPN for text detection

文字检测是 OCR 流程的第一阶段。检测质量会直接影响送入识别模型的裁剪区域，而较差的裁剪结果往往会导致识别效果下降。

PP-OCRv6 将检测模块升级为 RepLKFPN。它是一个轻量级大核特征金字塔网络，面向多尺度文字检测设计，同时保持较高的推理效率。

这对于真实 OCR 输入非常重要，因为文本可能很小、很密集、存在旋转、分辨率较低，或者嵌入在复杂背景中。

EncoderWithLightSVTR for recognition

在文本识别部分，PP-OCRv6 使用 EncoderWithLightSVTR。它结合局部上下文建模和全局注意力，用于提升复杂文字裁剪区域的识别质量。

这些识别改进尤其适用于多语言文本、屏幕文字、工业字符、特殊符号、密集文本以及噪声较多的图片区域。

Unified multilingual OCR

PP-OCRv6 的 medium 和 small 档位支持 50 种语言，覆盖简体中文、繁体中文、英文、日文，以及 46 种拉丁语系语言。

这有助于减少常见多语言 OCR 场景中对多个独立 OCR 模型的依赖。

Quick start with PaddleOCR

安装 PaddleOCR：

pip install paddleocr

使用 Paddle Inference（默认后端）运行 OCR：

from paddleocr import PaddleOCR

"color:"color:#9ca3af;">#9ca3af;"># Model: PP-OCRv6_medium(Default)
"color:"color:#9ca3af;">#9ca3af;"># Backend: Paddle Inference(Default)
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 结果可以保存为可视化图片，也可以保存为结构化 JSON 输出。结构化输出可以继续用于文档解析、搜索、信息抽取、RAG、数据分析或 Agent 工作流等下游系统。

Available inference backends

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

对于 Hugging Face 用户，PaddleOCR 支持部分 OCR 和文档解析模型通过 Transformers 后端运行。可以通过如下方式启用：

engine="transformers"

关于 PaddleOCR 中 Transformers 后端的工作方式，可以阅读：

PaddleOCR: Running OCR and Document Parsing Tasks with a Transformers Backend

PP-OCRv6 使用 Transformer Backend 进行文本识别的示例：

from paddleocr import PaddleOCR

"color:"color:#9ca3af;">#9ca3af;"># Model: PP-OCRv6_medium(Default)
"color:"color:#9ca3af;">#9ca3af;"># Backend: transformers
ocr = PaddleOCR(
    engine="transformers",
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_textline_orientation=False,
)
result = ocr.predict("general_ocr_002.png")

对于使用 ONNX Runtime 的环境，ONNX 版本也已经在 PP-OCRv6 Collection 中提供，可通过 enablehpi=True 使用：

from paddleocr import PaddleOCR

"color:"color:#9ca3af;">#9ca3af;"># Model: PP-OCRv6_medium(Default)
"color:"color:#9ca3af;">#9ca3af;"># Backend: ONNX Runtime
ocr = PaddleOCR(
    use_doc_orientation_classify=False,
    use_doc_unwarping=False,
    use_textline_orientation=False,
    enable_hpi=True,
)
result = ocr.predict("general_ocr_002.png")

这些后端选项让 PP-OCRv6 能够覆盖不同运行环境，同时在 Hugging Face Hub 上保持同一个 OCR 模型族。

Conclusion

PP-OCRv6 为 PaddleOCR 扩展了一个轻量级、多语言 OCR 模型族，面向真实世界中的文字检测与识别任务。

本次发布包括：

• 1.5M 到 34.5M 参数的三档模型
• 最高 50 种语言 OCR 支持
• 相比 PP-OCRv5_server 更高的检测与识别精度
• Hugging Face Hub 上的多种模型格式，包括 safetensors、Paddle inference models 和 ONNX models

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

• Online Demo：PP-OCRv6 Online Demo

• Model Collection：PP-OCRv6 Collection

• Transformers Backend Blog：PaddleOCR with Transformers Backend

• PaddleOCR Documentation：PP-OCRv6 Documentation

• PaddleOCR Official Website：https://www.paddleocr.com

你可以通过在线 Demo 评估 PP-OCRv6，在 Collection 中查看可用模型资产，并根据自己的 OCR 工作流使用合适的推理后端。