返回
原文
Hugging Face：Blog（RSS）
精选
69AI 编辑部评分，满分 100

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

2026-06-22 21:18· 45天前
AI 导读

PP-OCRv6 是 PaddleOCR 最新一代通用 OCR 模型族，提供 tiny（1.5M）、small（7.7M）和 medium（34.5M）三级。medium 和 small 支持 50 种语言（简体/繁体中文、英文、日文及 46 种拉丁语系）。在官方多场景基准上，medium 检测 Hmean 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 统一骨干、RepLKFPN 检测模块和 EncoderWithLightSVTR 识别模块，可通过 PaddleOCR、Transformers、ONNX Runtime 等后端灵活部署。

推荐理由

OCR模型并没有因为VLM的兴起而消失，PP-OCRv6用1.5M到34.5M参数覆盖50种语言，对需要轻量、准确OCR的产品来说，这是一个务实的选择。

正文 · AI 翻译

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 功能。

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等真实场景中的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 不等，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 在线演示。

在 PaddleOCR 官方内部的多场景 OCR 基准测试中，PP-OCRv6_medium 的检测 Hmean 达到 86.2%，识别准确率达到 83.2%。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：通过小型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，更深入的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。主要设计目标是在提升 OCR 准确率的同时，保持模型大小适用于不同的部署场景。

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、服务端流水线、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。

对开发者而言，主要好处是整个模型系列的一致性。tiny、small 和 medium 版本并非互不相关的模型；它们同属一个 OCR 系列，共享相同的架构方向。

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图像裁剪区域，而质量不佳的裁剪区域往往会导致识别效果变差。

PP-OCRv6 使用 RepLKFPN 升级了检测模块，这是一种轻量级的大核特征金字塔网络，专为多尺度文本检测设计，同时保持推理高效。

这对于真实世界的 OCR 输入场景非常重要，因为文本可能尺寸小、排列密集、有旋转、分辨率低，或嵌入在复杂背景中。

用于识别的 EncoderWithLightSVTR

在文本识别方面，PP-OCRv6 使用了 EncoderWithLightSVTR。它将局部上下文建模与全局注意力相结合，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、密集文本以及噪声图像区域尤其重要。

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，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 场景中为不同语言分别部署独立 OCR 模型的需求。

使用 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的 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、信息提取、RAG、分析或智能体工作流。

可用的推理后端

PP-OCRv6 可以通过 PaddleOCR 使用多种推理后端。PaddleOCR 3.7 提供了统一的推理引擎接口，其中引擎负责选择底层运行时，相关配置可通过流水线或模块 API 传递。

后端 描述
Transformers 面向 Hugging Face / PyTorch 的推理路径，适用于受支持的 PaddleOCR 模型
ONNX Runtime 面向基于 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 支持通过 Transformers 后端运行选定的 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 中如何工作的更多详情，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")

PP-OCRv6 模型集合中也提供了 ONNX 变体，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 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，用于实际场景中的文本检测与识别。

此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 提升了检测和识别精度，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 以及可用的 PaddleOCR 推理后端，PP-OCRv6 为评估和集成提供了多种入口：

  • 在线演示：PP-OCRv6 在线演示

  • 模型集合：PP-OCRv6 模型集合

  • 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

您可以通过在线演示评估 PP-OCRv6，探索模型集合中的可用模型资产，并使用与您自身 OCR 工作流相匹配的推理后端。

Hugging Face多模态模型发布部署/工程

来源：Hugging Face：Blog（RSS） · huggingface.co

导出 Markdown
返回
精选69打开原文
导出 Markdown

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

Hugging Face：Blog（RSS）·2026-06-22 21:18·45天前
AI 导读

PP-OCRv6 是 PaddleOCR 最新一代通用 OCR 模型族，提供 tiny（1.5M）、small（7.7M）和 medium（34.5M）三级。medium 和 small 支持 50 种语言（简体/繁体中文、英文、日文及 46 种拉丁语系）。在官方多场景基准上，medium 检测 Hmean 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 统一骨干、RepLKFPN 检测模块和 EncoderWithLightSVTR 识别模块，可通过 PaddleOCR、Transformers、ONNX Runtime 等后端灵活部署。

正文 · AI 翻译

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 功能。

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等真实场景中的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 不等，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 在线演示。

在 PaddleOCR 官方内部的多场景 OCR 基准测试中，PP-OCRv6_medium 的检测 Hmean 达到 86.2%，识别准确率达到 83.2%。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：通过小型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，更深入的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。主要设计目标是在提升 OCR 准确率的同时，保持模型大小适用于不同的部署场景。

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、服务端流水线、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。

对开发者而言，主要好处是整个模型系列的一致性。tiny、small 和 medium 版本并非互不相关的模型；它们同属一个 OCR 系列，共享相同的架构方向。

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图像裁剪区域，而质量不佳的裁剪区域往往会导致识别效果变差。

PP-OCRv6 使用 RepLKFPN 升级了检测模块，这是一种轻量级的大核特征金字塔网络，专为多尺度文本检测设计，同时保持推理高效。

这对于真实世界的 OCR 输入场景非常重要，因为文本可能尺寸小、排列密集、有旋转、分辨率低，或嵌入在复杂背景中。

用于识别的 EncoderWithLightSVTR

在文本识别方面，PP-OCRv6 使用了 EncoderWithLightSVTR。它将局部上下文建模与全局注意力相结合，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、密集文本以及噪声图像区域尤其重要。

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，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 场景中为不同语言分别部署独立 OCR 模型的需求。

使用 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的 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、信息提取、RAG、分析或智能体工作流。

可用的推理后端

PP-OCRv6 可以通过 PaddleOCR 使用多种推理后端。PaddleOCR 3.7 提供了统一的推理引擎接口，其中引擎负责选择底层运行时，相关配置可通过流水线或模块 API 传递。

后端 描述
Transformers 面向 Hugging Face / PyTorch 的推理路径，适用于受支持的 PaddleOCR 模型
ONNX Runtime 面向基于 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 支持通过 Transformers 后端运行选定的 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 中如何工作的更多详情，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")

PP-OCRv6 模型集合中也提供了 ONNX 变体，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 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，用于实际场景中的文本检测与识别。

此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 提升了检测和识别精度，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 以及可用的 PaddleOCR 推理后端，PP-OCRv6 为评估和集成提供了多种入口：

  • 在线演示：PP-OCRv6 在线演示

  • 模型集合：PP-OCRv6 模型集合

  • 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

您可以通过在线演示评估 PP-OCRv6，探索模型集合中的可用模型资产，并使用与您自身 OCR 工作流相匹配的推理后端。

来源：Hugging Face：Blog（RSS）· huggingface.co