PaddleOCR

项目简介

PaddleOCR 是一款 OCR 工具包与文档 AI 引擎，可将 PDF 和图像转换为结构化、可供 LLM 使用的数据。它提供高精度文本识别、文档解析和多语言支持，用于构建智能 RAG 和 Agentic 应用。

核心功能

• 智能文档解析可将复杂 PDF 和图像转换为 Markdown 或 JSON，具备结构感知转换和细粒度坐标；PaddleOCR-VL 和 PP-StructureV3 支持文本、公式、表格、图表、印章和古籍识别；通用文本识别支持 100 多种语言，PP-OCRv6 以单一模型覆盖 50 种语言，无需切换模型；PP-OCRv6 相比 PP-OCRv5 检测提升 4.6%，识别提升 5.1%，端到端 CPU 推理加速 5.2 倍；开发者生态集成 Dify、RAGFlow、Pathway 和 Cherry Studio，并支持构建 LLM

适用场景

• 构建需要准确解析 PDF、图像和复杂文档以供 LLM 摄入的 RAG 管道；将扫描文档、表格、公式和图表转换为 Markdown 或 JSON，用于结构化数据工作流；跨 100 多种语言处理多语言文档，包括中文、英文、日文、韩文、阿拉伯文及其他文字；通过 Python、C++、C#、Java 或基于浏览器的推理将 OCR 嵌入应用。

快速开始

• 在官网试用在线体验中心和 API，无需设置。本地部署时，根据需要参阅 PP-OCR、PaddleOCR-VL 或 PP-StructureV3 文档。

部署与要求

• Python 3.8–3.12；操作系统支持 Linux、Windows 和 macOS；硬件支持 CPU、GPU、XPU 和 NPU。一键部署支持 NVIDIA GPU、Intel CPU、昆仑芯 XPU 及多种 AI 加速器。高性能推理支持 CUDA 12，可使用 Paddle Inference 或 ONNX Runtime 后端。

采用前须知

• 许可证：Apache-2.0。在使用、修改或分发项目前，请确认其具体条款。