PaddleOCR
將任何 PDF 或圖像文件轉換為結構化數據，供您的 AI 使用。一個強大、輕量的 OCR 工具包，橋接圖像/PDF 與 LLMs 之間的差距。支援
PaddleOCR 是什麼？
將任何 PDF 或圖像文件轉換為結構化數據，供您的 AI 使用。一個強大、輕量的 OCR 工具包，橋接圖像/PDF 與 LLMs 之間的差距。支援 100 多種語言。
PaddleOCR 概覽
這是什麼
PaddleOCR 是一個開源的 OCR 工具包與文件 AI 引擎，能將 PDF 文件與圖片轉換為結構化、可供 LLM 使用的 JSON 或 Markdown 格式資料。該專案在 GitHub 上擁有超過 70,000 顆星，並被 Dify、RAGFlow 與 Cherry Studio 等專案採用。
主要功能
- 智慧文件解析：包含 PaddleOCR-VL-1.6（0.9B），這是一個輕量級視覺語言模型，在 OmniDocBench v1.6 上達到 96.3% 準確率。PP-StructureV3 可將複雜的 PDF 與圖片轉換為 Markdown 或 JSON，並提供精細的座標資訊。
- 通用文字辨識：PP-OCRv6 以單一統一模型支援 50 種語言（中文、英文、日文及 46 種拉丁字母語言）。相較於 PP-OCRv5，檢測準確率提升 +4.6%，辨識準確率提升 +5.1%，端到端 CPU 推論速度提升 5.2 倍。
- 開發者生態系統：可無縫整合 Dify、RAGFlow、Pathway 與 Cherry Studio。支援多種硬體後端，包括 NVIDIA GPU、Intel CPU 與崑崙芯 XPU。
使用情境
PaddleOCR 專為建構智慧型 RAG 與 Agent 應用而設計。可用於從掃描文件、發票、收據、表格、表單及自然場景文字中提取結構化資料。支援超過 100 種語言，並能處理表格、公式、印章與圖表等複雜元素。
快速開始
請參閱儲存庫的 README 以取得安裝與快速開始說明。
授權與價格
本專案採用 Apache-2.0 授權，為開放原始碼軟體。
內容整理自該專案公開的 README 與儲存庫資訊。
