我要投稿

PaddleOCR 3.0重磅发布！OCR精度跃升13%，多场景文档解析全面升级

发布日期：2025-06-27 07:08:47 浏览次数： 1523

作者：小兵的AI视界

微信搜一搜，关注“小兵的AI视界”

PaddleOCR 作为百度开源的OCR（光学字符识别）工具包，自2020年发布以来，凭借其强大的多语言识别能力、高精度的文本解析能力以及良好的扩展性，迅速在全球范围内获得广泛认可。2025年5月20日，PaddlePaddle团队正式发布了PaddleOCR 3.0版本，标志着其在OCR技术领域的又一次重大突破。

PaddleOCR 3.0不仅在模型性能上实现了显著提升，还新增了对多种文本类型、手写体识别的支持，并引入了ERNIE 4.5 Turbo等大模型技术，进一步增强了智能文档理解能力。

一、项目概述

PaddleOCR 3.0是基于PaddlePaddle 3.0框架推出的全新一代OCR工具包，旨在为开发者提供高效、准确、易用的文本识别与文档解析能力。该版本支持五种语言的文本识别，包括简体中文、繁体中文、简体中文拼音、英文和日文，并且能够处理复杂的手写体文本。此外，PaddleOCR 3.0还引入了PP-StructureV3和PP-ChatOCRv4等新模型，实现了对PDF、图片等多格式文档的高精度解析与智能理解。

二、技术特点

1. 多场景支持

PaddleOCR 3.0支持多种文本类型和场景，包括：

通用文本识别：支持五种语言（简体中文、繁体中文、简体中文拼音、英文、日文）的文本识别。
手写体识别：显著提升了对复杂草书和非标准手写体的识别能力。
文档解析：PP-StructureV3模型支持多布局、多场景PDF的高精度解析，优于许多开源和闭源解决方案。
智能文档理解：PP-ChatOCRv4模型支持关键信息提取，准确率较上一代提升15个百分点。

2. 高精度模型

PaddleOCR 3.0引入了多个高性能模型，包括：

PP-OCRv5：支持五种语言的通用文本识别，准确率较上一代提升13个百分点。
PP-StructureV3：支持多布局PDF解析，准确率在多个基准测试中领先。
PP-ChatOCRv4：基于ERNIE 4.5 Turbo，支持大模型部署，实现智能文档理解。

3. 多语言支持

PaddleOCR 3.0支持多种编程语言的调用，包括C++、Java、Go、C#、Node.js和PHP，方便开发者根据项目需求选择合适的语言进行开发。

4. 易用性与部署灵活性

PaddleOCR 3.0提供了丰富的工具和接口，支持从模型训练、推理到服务部署的全流程开发。此外，还支持Android平台的PP-OCRv5模型，进一步拓展了应用场景。

三、主要功能

1. 文本识别

PaddleOCR 3.0支持多种文本识别任务，包括：

通用文本识别：支持五种语言的文本识别。
手写体识别：支持复杂草书和非标准手写体的识别。
多语言支持：支持简体中文、繁体中文、简体中文拼音、英文和日文。

2. 文档解析

PP-StructureV3模型支持多布局、多场景PDF的高精度解析，包括：

表格识别：支持嵌套公式和图片的表格识别。
图表识别：支持图表转表格。
垂直文本识别：支持从PDF中提取垂直方向的文本。
复杂文档结构分析：支持对复杂文档结构进行解析。

3. 智能文档理解

PP-ChatOCRv4模型支持关键信息提取，包括：

文本识别：支持从PDF、PNG、JPG等格式中提取文本。
关键信息提取：支持从文档中提取关键信息，如车辆准乘人数等。
多模态支持：支持与大模型（如ERNIE 4.5 Turbo）集成，实现更智能的文档理解。

四、应用场景

1. 企业文档管理

PDF解析：支持从PDF中提取文本、表格、图表等信息。
文档分类：支持对文档进行分类和标签化。
自动化处理：支持批量处理文档，提高工作效率。

2. 金融行业

发票识别：支持从发票中提取关键信息，如金额、日期、供应商等。
合同解析：支持对合同文本的自动识别和结构化处理。
报表分析：支持对财务报表的自动识别和分析。

3. 医疗行业

病历识别：支持从病历中提取关键信息，如患者姓名、诊断结果等。
处方识别：支持对处方文本的自动识别和结构化处理。
医疗记录管理：支持对医疗记录的自动识别和分类。

4. 教育行业

试卷识别：支持从试卷中提取题目和答案。
作业批改：支持对作业文本的自动识别和批改。
学习资料管理：支持对学习资料的自动识别和分类。

5. 政务与法律行业

公文识别：支持从公文、法律文件中提取关键信息。
合同管理：支持对合同文本的自动识别和结构化处理。
政策解读：支持对政策文件的自动识别和解读。

五、快速使用

1. 安装与依赖

首先，确保已安装PaddlePaddle 3.0框架，然后通过以下命令安装PaddleOCR：

pip install paddleocr

2. PP-OCRv5 示例

from paddleocr import PaddleOCRocr = PaddleOCR(    use_doc_orientation_classify=False,    use_doc_unwarping=False,    use_textline_orientation=False)result = ocr.predict(    input="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")

3. PP-StructureV3 示例

from pathlib import Pathfrom paddleocr import PPStructureV3pipeline = PPStructureV3(    use_doc_orientation_classify=False,    use_doc_unwarping=False)output = pipeline.predict(    input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png")for res in output:    res.print()    res.save_to_json(save_path="output")    res.save_to_markdown(save_path="output")

4. PP-ChatOCRv4 示例

from paddleocr import PPChatOCRv4Doc
chat_bot_config = {    "module_name": "chat_bot",    "model_name": "ernie-3.5-8k",    "base_url": "https://qianfan.baidubce.com/v2",    "api_type": "openai",    "api_key": "api_key",  # your api_key}
retriever_config = {    "module_name": "retriever",    "model_name": "embedding-v1",    "base_url": "https://qianfan.baidubce.com/v2",    "api_type": "qianfan",    "api_key": "api_key",  # your api_key}
pipeline = PPChatOCRv4Doc(    use_doc_orientation_classify=False,    use_doc_unwarping=False)
visual_predict_res = pipeline.visual_predict(    input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",    use_common_ocr=True,    use_seal_recognition=True,    use_table_recognition=True,)
mllm_predict_info = Noneuse_mllm = False# If a multimodal large model is used, the local mllm service needs to be started. You can refer to the documentation: https://github.com/PaddlePaddle/PaddleX/blob/release/3.0/docs/pipeline_usage/tutorials/vlm_pipelines/doc_understanding.en.md performs deployment and updates the mllm_chat_bot_config configuration.if use_mllm:    mllm_chat_bot_config = {        "module_name": "chat_bot",        "model_name": "PP-DocBee",        "base_url": "http://127.0.0.1:8080/",  # your local mllm service url        "api_type": "openai",        "api_key": "api_key",  # your api_key    }
    mllm_predict_res = pipeline.mllm_pred(        input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",        key_list=["驾驶室准乘人数"],        mllm_chat_bot_config=mllm_chat_bot_config,    )    mllm_predict_info = mllm_predict_res["mllm_res"]
visual_info_list = []for res in visual_predict_res:    visual_info_list.append(res["visual_info"])    layout_parsing_result = res["layout_parsing_result"]
vector_info = pipeline.build_vector(    visual_info_list, flag_save_bytes_vector=True, retriever_config=retriever_config)chat_result = pipeline.chat(    key_list=["驾驶室准乘人数"],    visual_info=visual_info_list,    vector_info=vector_info,    mllm_predict_info=mllm_predict_info,    chat_bot_config=chat_bot_config,    retriever_config=retriever_config,)print(chat_result)