PaddleOCR 3.0 发布：OCR 精度跃升13%，支持多语种、手写体与高精度文档解析。PaddleOCR 自发布以来凭借学术前沿算法和产业落地实践，受到了产学研各方的喜爱。被广泛应用于众多知名开源项目，如Umi-OCR、OmniParser、MinerU、RAGFlow等，已成为广大开发者心中的开源 OCR 领域的首选工具。
2025年5月20日，飞桨团队发布 PaddleOCR 3.0 并对外开源，全面适配飞桨框架3.0正式版，进一步提升文字识别精度。
PaddleOCR 3.0 支持多文字类型识别和手写体识别，满足大模型应用对复杂文档高精度解析的旺盛需求。
PaddleOCR 3.0 结合文心大模型4.5 Turbo显著提升关键信息抽取精度，并新增对昆仑芯、昇腾等国产硬件的支持。
01
全场景文字识别模型PP-OCRv5
单模型支持 5 种文字类型和复杂手写体识别
整体识别精度相比上一代提升 13 个百分点
PP-OCRv5是面向大模型时代多模态需求、聚焦多语言多场景识别的轻量级端到端文字识别方案。
该方案实现以单一模型高效、精准地支持简体中文、繁体中文、中文拼音、英文、日文五种文字类型，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。
① 支持复杂手写体识别：
手写体混合印刷体的识别是多个应用场景的刚需，例如：教育行业的试卷作业批改场景、医疗行业的病历数字化场景、法律行业的合同笔录数字化场景等。
PP-OCRv5支持中英日手写体识别，对复杂连笔、非规范字迹识别精度有显著提升。
② 整体识别达到SOTA精度：
在业务多场景高难度文字识别评估集上，PP-OCRv5 的识别精度达到当前最优，比上一版本 PP-OCRv4，识别精度提升13个百分点！
欢迎开发者到飞桨星河社区体验PP-OCRv5的能力：
https://aistudio.baidu.com/community/app/91660/webUI02
通用文档解析方案PP-StructureV3
支持多场景、多版式PDF高精度解析
在公开评测集中领先众多开源和闭源方案
文档解析是一种从文档图像中提取结构化信息的技术，主要用于将复杂的文档版面转换为结构化数据，这项技术在AI大模型文档处理领域有广泛的应用。
通用文档解析方案 PP-StructureV3 在上一代的基础上，强化了版面区域检测、表格识别、公式识别的能力，增加了图表理解和多栏阅读顺序的恢复能力，并可以将结果转换 Markdown和JSON格式。
PP-StructureV3的主要优势有：
① 精度高：支持多场景、多版式PDF高精度解析，在OmniDocBench基准测试中领先众多开源和闭源方案。
注：以上精度信息除PP-StructureV3和MinerU-1.3.11为自测精度外，均来自OmniDocBench
② 多项专精能力: 除了在OmniDocBench上的精度指标更高之外，PP-StructureV3还有多项专精能力，如：印章识别、图表转表格、嵌套公式/图片的表格识别、竖排文本解析及复杂表格结构分析等——这些能力是很多重要场景AI应用落地的刚需。
欢迎开发者到飞桨星河社区体验PP-StructureV3的能力：
https://aistudio.baidu.com/community/app/518494/webUI03
智能文档理解方案PP-ChatOCRv4
原生支持文心大模型4.5 Turbo
关键信息抽取精度相比上一代提升15个百分点
PP-ChatOCR系列是飞桨特色智能文档理解类解决方案，融合大模型和小模型的优势能力，达到通用场景下的文档图像关键信息抽取效果，支持身份证、银行卡、企业合同等多种场景的关键信息提取。
PP-ChatOCRv4在上一代基础上，结合文心大模型4.5 Turbo强大的理解优势，并支持离线使用多模态文档理解模型PP-DocBee2，实现了更高效的文本图像信息抽取，一站式解决版面分析、生僻字、多页pdf、表格、印章识别等常见的复杂文档信息抽取难点问题。
PP-ChatOCRv4的主要优势有：
① 关键信息抽取精度相比上一代提升15个百分点，效果业界领先。在内部业务中文场景评估集（覆盖印刷文字、表格、印章、图表等）中的准确率如下表所示：
② 原生支持文心大模型4.5 Turbo，还兼容PaddleNLP、Ollama等工具部署离线大模型。
③ 集成 PP-DocBee2，支持印刷文字、手写体文字、印章信息、表格、图表等常见的复杂文档信息抽取和理解的能力。
欢迎开发者到飞桨星河社区体验PP-ChatOCRv4的能力：
https://aistudio.baidu.com/community/app/518493/webUI04
实际测试
① PP-OCRv5：官方说单模型可以解决5种文本类型，而且支持手写，那我们干脆直接测试五种文本的手写好了，确实没毛病，精准度非常棒，而且响应速度很快！
日文手写：
英文手写：
简体中文手写：
繁体中文手写：
拼音手写
结论：确实如官方所言，能力比上一代强大太多，准确率也高不少。
② PP-StructureV3，文档解析能力，其实我一直比较关注复杂版面的解析问题，毕竟常规版面的解析，现在大模型处理也不错，并且也有一些开源方案可以满足，试了几张，一个字，绝！
原图：
结果：
这张图中可以明确看到，不仅所有内容都识别对，关键是阅读顺序也都没啥问题，右侧下边的内容，其他方案基本上都会排序错误。
为了验证 PP-StructureV3 是否能处理更复杂的文档，我们直接上了报纸，以人民日报的两张报纸为例，这个阅读顺序大家跟我一起震惊下吧：
尤其是 79-80 的那块，简直是神之一笔，我想当前商业方案也无法搞定。
这张图效果过于炸裂，简直可以封神，大家可以关注下从88到89的那个跳跃，现在的商业版也搞不定吧？
几张demo图测试下来，大受震撼，大家可以在官方demo中体验下，不能光我一个人震撼。PP-StructureV3简直是大模型应用的神器，我不能让关注我公众号的朋友们还不知道这个事情，大家都给我用起来！能白嫖的绝对不花钱！！
开源地址：https://github.com/PaddlePaddle/PaddleOCR技术交流：扫描下方二维码，加入 PaddleOCR 开源技术交流群，探索更多技术课程。
没有评论:
发表评论