PP-OCRv6 on Hugging Face：50 语言 OCR，参数规模 1.5M 至 34.5M

在线体验 PP-OCRv6，然后通过 PaddlePaddle、Transformers 或 ONNX Runtime 后端集成轻量级、可直接用于生产的 OCR。

PP-OCRv6 是 PaddleOCR 通用 OCR 模型系列的最新一代。它专为真实场景中的文本检测与识别而设计，覆盖文档、截图、多语言图像、数字显示屏、工业标签以及场景文本。

该模型系列从 1.5M 到 34.5M 参数不等，分为三个层级：tiny、small 和 medium。medium 和 small 层级支持 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 达到 86.2% 检测 Hmean 和 83.2% 识别准确率。与 PP-OCRv5_server 相比，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 聚焦于一个实际的 OCR 需求：用小模型和灵活的部署选项，产出准确、结构化的文本输出。若想更深入地了解为何专用 OCR 模型在 VLM 时代依然有用，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 在检测与识别两方面引入了架构、训练和数据上的改进。其核心设计目标是在提升 OCR 准确率的同时，保持模型规模适配不同的部署场景。

三个模型层级

PP-OCRv6 提供三个模型层级，覆盖不同的模型规模和 OCR 准确率水平。

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，主要好处是整个模型系列的一致性。tiny、small 和 medium 各档并非互不相关的模型；它们属于同一个 OCR 系列，共享统一的架构方向。

用于文本检测的 RepLKFPN

文本检测是 OCR 流程的第一阶段。检测质量会影响送入识别器的裁剪区域，而糟糕的裁剪往往导致更差的识别效果。

PP-OCRv6 用 RepLKFPN 升级了检测模块，这是一个轻量级大核特征金字塔网络，专为多尺度文本检测而设计，同时保持推理高效。

这对于真实世界的 OCR 输入尤为重要，其中的文字可能很小、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 EncoderWithLightSVTR。它将局部上下文建模与全局注意力相结合，以提升在具有挑战性的文本裁剪区域上的识别质量。

识别方面的改进对于多语言文本、屏幕文本、工业字符、特殊符号、密集文本以及噪声图像区域尤为 relevant。

统一的多语言 OCR

中小规模版本在同一个模型系列中支持50 种语言，涵盖简体中文、繁体中文、英文、日文以及 46 种拉丁字母语言。

这有助于减少在常见多语言 OCR 场景中对独立 OCR 模型的需求。

PaddleOCR 快速上手

安装 PaddleOCR：

pip install paddleocr

使用 Paddle Inference（默认后端）运行 OCR：

from paddleocr import PaddleOCR

# Model: PP-OCRv6_medium(Default)
# 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、抽取、RAG、分析或智能体工作流。

可用的推理后端

PP-OCRv6 可通过 PaddleOCR 与多种推理后端配合使用。PaddleOCR 3.7 提供了统一的推理引擎接口，其中 engine 用于选择底层运行时，相关配置可通过 pipeline 或模块 API 传入。

对于 Hugging Face 用户，PaddleOCR 支持通过 Transformers 后端运行部分 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 中如何工作的更多细节，请参阅：

使用 Transformer 后端运行 PP-OCRv6 示例：

from paddleocr import PaddleOCR

# Model: PP-OCRv6_medium(Default)
# Backend: 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 Collection 中获取，适用于通过 engine="onnxruntime" 使用 ONNX Runtime 的环境：

from paddleocr import PaddleOCR

# Model: PP-OCRv6_medium(Default)
# Backend: 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 可在不同的运行时环境中使用，同时在 Hugging Face Hub 上保持相同的 OCR 模型系列。

结论

PP-OCRv6 通过一个轻量级、多语言的 OCR 模型系列扩展了 PaddleOCR，用于真实场景中的文本检测与识别。

本次发布包含三个模型层级，参数量从 1.5M 到 34.5M，支持多达 50 种语言的 OCR，相比 PP-OCRv5_server 在检测和识别准确率上有所提升，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 提供了多个用于评估和集成的入口：

• 在线演示：PP-OCRv6 在线演示

• 模型合集：PP-OCRv6 合集

• Transformers 后端博客：使用 Transformers 后端的 PaddleOCR

• PaddleOCR 文档：PP-OCRv6 文档

• PaddleOCR 官方网站：https://www.paddleocr.com

你可以通过在线演示评估 PP-OCRv6，在合集中浏览可用的模型资源，并使用与你自己 OCR 工作流相匹配的推理后端。