PP-OCRv6 登陆 Hugging Face：1.5M 至 34.5M 参数支持 50 种语言 OCR

PP-OCRv6 on Hugging Face: 50-Language OCR from 1.5M to 34.5M Parameters

二〇二六年六月二十二日 · 英文原文

摘要

PaddleOCR 发布 PP-OCRv6，提供 tiny（1.5M 参数）、small（7.7M 参数）和 medium（34.5M 参数）三个模型等级，支持 50 种语言（含简繁体中文、英语、日语及 46 种拉丁字母语言）。medium 版本在内部基准测试中检测 Hmean 达 86.2%、识别准确率 83.2%，较 PP-OCRv5_server 分别提升 4.6 和 5.1 个百分点。模型采用 PPLCNetV4 骨干、RepLKFPN 检测模块和 EncoderWithLightSVTR 识别模块，可通过 Paddle Inference、Transformers 或 ONNX Runtime 后端部署，在 Hugging Face Hub 提供 safetensors、Paddle 推理模型和 ONNX 格式。

](https://huggingface.co/AlexTransformer)

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中的真实文本检测与识别而设计。

该模型系列的参数量从 1.5M 到 34.5M，分为三个等级：tiny、small 和 medium。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 Demo。

在 PaddleOCR 官方内部的多场景 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。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大小适合不同部署场景的同时，提高 OCR 准确率。

三个模型等级

PP-OCRv6 提供三个模型等级，覆盖不同的模型大小和 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、计算成本较低的多语言 OCR
PP-OCRv6_medium	34.5M 参数	86.2%	83.2%	精度导向型 OCR、服务端 pipeline、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。

对于开发者而言，主要好处是模型系列的一致性。tiny、small 和 medium 等级并非互不相关的模型；它们属于同一个 OCR 系列，共享共同的架构方向。

用于文本检测的 RepLKFPN

文本检测是 OCR pipeline 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较差的识别结果。

PP-OCRv6 使用 RepLKFPN 升级了检测模块，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，同时保持高效的推理。

这对于真实世界的 OCR 输入至关重要，因为文本可能很小、很密集、有旋转、分辨率低，或嵌入在复杂背景中。

用于识别的 EncoderWithLightSVTR

对于文本识别，PP-OCRv6 使用 EncoderWithLightSVTR。它将局部上下文建模与全局 attention 相结合，以提高对具有挑战性的文本裁剪区域的识别质量。

识别方面的改进对于多语言文本、屏幕文本、工业字符、特殊符号、密集文本和噪声图像区域尤其重要。

统一的多语言 OCR

medium 和 small 等级在一个模型系列中支持 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。

这有助于减少在常见的多语言 OCR 场景中需要单独 OCR 模型的需求。

使用 PaddleOCR 快速开始

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的 JSON 输出。结构化输出随后可被下游系统使用，例如文档解析、搜索、提取、RAG、分析或 agent 工作流。

可用的推理后端

PP-OCRv6 可以通过 PaddleOCR 与多种推理后端一起使用。PaddleOCR 3.7 提供了一个统一的推理引擎接口，其中 engine 选择底层运行时，相关配置可以通过 pipeline 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。可以通过以下方式启用：

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: Running OCR and Document Parsing Tasks with a Transformers Backend

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 Collection 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，用于真实世界的文本检测与识别。

此次发布包括三个模型等级，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 上提供了多种模型格式，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 为评估和集成提供了多个入口点：

在线 Demo：PP-OCRv6 Online Demo
模型集合：PP-OCRv6 Collection
Transformers 后端博客：PaddleOCR with Transformers Backend
PaddleOCR 文档：PP-OCRv6 Documentation
PaddleOCR：PP-OCRv6 Documentation
PaddleOCR 官方网站：https://www.paddleocr.com

您可以通过在线 Demo 评估 PP-OCRv6，探索 Collection 中可用的模型资产，并使用与您自己的 OCR 工作流相匹配的推理后端。

译自 Hugging Face · 官方博客 · 录于二〇二六年六月二十二日