PaddlePaddle/PaddleOCR

项目概览

提供了 0.9B 参数的 PaddleOCR-VL 视觉语言模型，可用于在文档解析中生成包含精细坐标的 Markdown 和 JSON 结构化输出。

项目类型

RAG 与知识库 · 文档处理 · 基础设施

应用场景

文档办公 · 知识问答

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要将复杂 PDF 和图像转化为结构化 Markdown/JSON 以支持 RAG 和智能体应用的开发者及数据团队。
• 需要解析包含表格等复杂元素并获取细粒度坐标信息的文档处理场景。

核心能力

• 采用 0.9B 参数的轻量级视觉语言模型进行文档解析，并输出 Markdown 和 JSON 格式的结构化结果。
• 将复杂的 PDF 和图像转换为 Markdown 或 JSON，并提供包括表格单元格和文本坐标在内的精细坐标信息。
• 将 Word、Excel 和 PowerPoint 等常见文档格式转换为 Markdown。
• 将解析结果导出为 DOCX 格式，便于在 Microsoft Word 中进行查看和编辑。
• 提供官方浏览器推理 SDK，支持直接在浏览器中运行 PP-OCRv5。
• 将模型转换为 ONNX 格式，以提供部署灵活性。
• 使用 OpenVINO、ONNX Runtime 和 TensorRT 等引擎来加速推理过程。
• 利用多 GPU 和多进程来加速推理。

限制与风险

• 实现完整功能依赖于 Paddle 或受支持的推理后端。

如何开始

• 需要配置 Python 环境，可通过 pip 安装，参考 PP-OCR 或 PP-Structure 文档，并在本地运行流水线。

核验依据

• GitHub 项目简介: Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs.
• README: SOTA Document VLM: Featuring PaddleOCR-VL-1.6 (0.9B), the industry's leading lightweight vision-language model for document parsing. It achieves 96.3% accuracy on OmniDocBench v1.…
• README: 100+ Languages Supported: Native recognition for a vast global library. PP-OCRv6 supports 50 languages with a single unified model (Chinese, English, Japanese, and 46 Latin-script…
• README: 
• README:  

内容核验时间：