近日，百度在海外官方賬號(hào)介紹了最新輕量級(jí)文字識(shí)別模型 PP-OCRv5。該模型僅0.07B參數(shù)，以千分之一參數(shù)量實(shí)現(xiàn)與700億參數(shù)大模型相媲美的OCR精度。在多項(xiàng) OCR 場(chǎng)景測(cè)試中，PP-OCRv5 的表現(xiàn)超越GPT-4o、Qwen2.5-VL-72B等通用視覺(jué)大模型。最新信息顯示，飛槳團(tuán)隊(duì)發(fā)布的技術(shù)Blog已連續(xù)一周登頂Hugging Face博客熱度榜首，受到開(kāi)發(fā)者社區(qū)的廣泛關(guān)注。

?

據(jù)了解，2025年5月，飛槳團(tuán)隊(duì)推出PaddleOCR 3.0版本，文字識(shí)別方案PP-OCRv5與通用文檔解析方案PP-StructureV3，以及原生支持文心大模型4.5的智能文檔理解方案PP-ChatOCRv4共同構(gòu)成其三大特色能力。自2020年開(kāi)源以來(lái)，PaddleOCR累計(jì)下載量突破900萬(wàn)，被超過(guò)5.9k開(kāi)源項(xiàng)目直接或間接使用，是GitHub 社區(qū)中唯一一個(gè) Star數(shù)超過(guò)50k的中國(guó)OCR項(xiàng)目。

9月18日晚，Paddle OCR項(xiàng)目登上了GitHub全球總榜 trending榜， 位于python榜第5，總榜第13。

Blog指出，在OCR場(chǎng)景中，通用視覺(jué)大模型（VLM）在精確文本定位和邊框精度上仍面臨挑戰(zhàn)，同時(shí)容易帶來(lái)高計(jì)算開(kāi)銷(xiāo)和“幻覺(jué)”輸出。相較于VLM，PP-OCRv5采用了模塊化雙階段檢測(cè)與識(shí)別方案，能夠?qū)崿F(xiàn)輕量高效推理與更精準(zhǔn)的文本邊界框輸出。

Benchmark數(shù)據(jù)顯示，PP-OCRv5在 Printed Chinese、Printed English、Handwritten English 等核心任務(wù)上與百億級(jí)大模型 Qwen2.5-VL-72B 精度持平甚至更優(yōu)；在Handwritten Chinese、Chinese Pinyin等復(fù)雜場(chǎng)景中，仍穩(wěn)居前列，表現(xiàn)出強(qiáng)泛化能力。

?

?作為百度飛槳團(tuán)隊(duì)推出的全場(chǎng)景文字識(shí)別模型，PP-OCRv5是業(yè)界首個(gè)單模型支持5 種文字類(lèi)型的超輕量級(jí)（<100M）開(kāi)源模型，且支持復(fù)雜手寫(xiě)體識(shí)別，可廣泛應(yīng)用于教育行業(yè)的試卷作業(yè)批改、醫(yī)療行業(yè)的病歷數(shù)字化、法律行業(yè)的合同筆錄數(shù)字化等多場(chǎng)景業(yè)務(wù)需求。

?

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。