【GOOGLE】PP-OCRv6：轻量多语OCR家族

PaddlePaddle 在 Hugging Face 发布 PP-OCRv6，提供从 1.5M 到 34.5M 参数的三档轻量 OCR 模型，medium/small 支持 50 种语言。该系列在检测与识别上相较 PP-OCRv5_server 有明显提升，并支持 Paddle、Transformers 与 ONNX 等多种推理后端，便于边缘与服务端部署。

概览
– 名称：PP-OCRv6（PaddleOCR 系列新一代）
– 目标：在保持小模型体量的同时提升检测与识别精度，适配真实场景的多语种 OCR

三档模型（参数 / 典型应用）
– tiny：1.5M，检测 Hmean 80.6%，识别 73.5%，适合极低算力边缘设备与延迟敏感场景
– small：7.7M，检测 84.1%，识别 81.3%，适合移动/桌面与多语种轻量化服务
– medium：34.5M，检测 86.2%，识别 83.2%，适合服务器端、文档批处理与工业级 OCR

架构与技术改进
– 统一骨干：PPLCNetV4 作为检测与识别的统一 backbone，提高家族一致性与迁移便利
– 检测：引入 RepLKFPN（大核轻量化 FPN）改善多尺度、密集与复杂背景下的文本检测
– 识别：使用 EncoderWithLightSVTR，结合局部上下文与全局注意力，提升多语与噪声场景识别
– 多语支持：small/medium 一体化支持 50 种语言（含简繁中、英文、日文及 46 种拉丁文字）

部署与生态
– 推理后端：支持 Paddle Inference、Transformers（Hugging Face / PyTorch）与 ONNX Runtime，统一接口由 PaddleOCR 3.7 提供
– 模型格式：在 Hugging Face Hub 提供 safetensors、Paddle 模型与 ONNX 变体
– 快速上手：PaddleOCR 提供示例代码，可导出可视化图片与结构化 JSON，方便下游解析、搜索与 RAG 流程

结论
– PP-OCRv6 是面向工程化的轻量多语 OCR 方案，兼顾边缘部署与服务端精度，便于在不同运行时整合相同模型家族。

对需要低延迟或多语支持的工程项目，PP-OCRv6 是实用且易部署的选择。

原文链接