PP-OCRv6登陆Hugging Face：轻量级50语种OCR

PP-OCRv6 是 PaddleOCR 全新一代通用 OCR 模型系列，专为文档、截图、多语言图像、数字显示屏、工业标签和场景文字等实际应用中的文字检测与识别而设计。

该模型系列提供 tiny（1.5M 参数）、small（7.7M 参数）、medium（34.5M 参数） 三个规格。其中 medium 和 small 版本支持 50 种语言，包括简体中文、繁体中文、英文、日文以及 46 种拉丁语系文字。你可以快速在线体验：PP-OCRv6 在线 Demo。

在 PaddleOCR 官方内部多场景 OCR 基准测试中，PP-OCRv6_medium 达到了 86.2% 的检测 Hmean 和 83.2% 的识别准确率。相比 PP-OCRv5_server，文字检测提升了 +4.6 个百分点，文字识别提升了 +5.1 个百分点。

PP-OCRv6 关注实际 OCR 需求：用小型模型输出准确、结构化的文字结果，并提供灵活的部署选项。关于为什么在 VLM 时代专用 OCR 模型仍然有用，可参考我们之前的博客：PP-OCRv5 登陆 Hugging Face：一种专用 OCR 方法。

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适合不同部署场景的前提下提升 OCR 准确率。

三个模型规格

PP-OCRv6 提供三个模型规格，覆盖不同模型大小和 OCR 精度水平。

模型	参数量	检测 Hmean	识别准确率	典型应用场景
PP-OCRv6_tiny	1.5M	80.6%	73.5%	边缘设备、轻量本地 OCR、延迟敏感演示、资源受限环境
PP-OCRv6_small	7.7M	84.1%	81.3%	移动端、桌面端、均衡型 OCR 服务、较低计算成本的多语言 OCR
PP-OCRv6_medium	34.5M	86.2%	83.2%	精度优先的 OCR、服务端管线、工业 OCR、文档摄取、多语言 OCR

PPLCNetV4 骨干网络

PP-OCRv6 使用 PPLCNetV4 作为文字检测和文字识别的统一骨干网络。对开发者而言，主要好处是模型系列的一致性——tiny、small、medium 并非无关模型，而是同一 OCR 家族的一部分，共享共同的架构方向。

用于文字检测的 RepLKFPN

文字检测是 OCR 管线的第一阶段。检测质量影响送入识别器的裁剪区域，而质量差的裁剪常常导致识别效果不佳。

PP-OCRv6 将检测模块升级为 RepLKFPN，这是一种轻量级大核特征金字塔网络，专为多尺度文字检测设计，同时保持推理高效。这对实际 OCR 输入（文字可能小、密集、旋转、低分辨率或嵌入复杂背景）非常关键。

用于识别的 EncoderWithLightSVTR

在文字识别方面，PP-OCRv6 使用 EncoderWithLightSVTR，它结合了局部上下文建模与全局注意力，提升了对困难文字区域的识别质量。这些改进对多语言文字、屏幕文字、工业字符、特殊符号、密集文字和噪声图像区域尤为有益。

统一的多语言 OCR

medium 和 small 版本在一个模型系列中支持 50 种语言，覆盖简体中文、繁体中文、英文、日文和 46 种拉丁语系文字，有助于减少常见多语言 OCR 场景下对多个独立模型的需求。

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 结果可以保存为可视化图像和结构化 JSON 输出，供下游系统（如文档解析、搜索、提取、RAG、分析或智能体工作流）使用。

可用的推理后端

通过 PaddleOCR，PP-OCRv6 可以使用多种推理后端。PaddleOCR 3.7 提供了统一的推理引擎接口，engine 参数用于选择底层运行时。

后端	说明
Transformers	面向 Hugging Face / PyTorch 的推理路径
ONNX Runtime	适用于 ONNX 部署环境的便携推理路径
Paddle Inference	Paddle 原生推理格式

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。启用方法如下：

engine="transformers"

有关 Transformers 后端如何在 PaddleOCR 中工作的更多细节，请参阅：PaddleOCR：使用 Transformers 后端运行 OCR 和文档解析任务

使用 Transformer 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 变体也在 PP-OCRv6 模型集合 中提供，适用于使用 engine="onnxruntime" 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")

这些后端选项使 PP-OCRv6 能够在不同运行时环境中使用，同时保持相同的 OCR 模型家族。

结论

PP-OCRv6 为 PaddleOCR 带来了一个轻量级、多语言的 OCR 模型系列，适用于实际场景中的文字检测与识别。

本次发布包括 1.5M 到 34.5M 参数的三个模型规格、最多支持 50 种语言的多语言 OCR、相比 PP-OCRv5_server 提升的检测和识别准确率，以及 Hugging Face Hub 上的多种模型格式（safetensors、Paddle inference 模型、ONNX 模型）。

结合在线 Space 和可用的 PaddleOCR 推理后端，PP-OCRv6 提供了多种评估与集成入口：

• 在线 Demo：PP-OCRv6 在线 Demo
• 模型集合：PP-OCRv6 模型集合
• 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

你可以通过在线 Demo 评估 PP-OCRv6，在模型集合中探索可用资源，并使用与自身 OCR 工作流匹配的推理后端。

---

原文链接：Hugging Face
本文由前途科技编辑整理