Repolode
提交项目
PaddlePaddle

PaddlePaddle/PaddleOCR

开源 OCR 与文档 AI 工具包，可将 PDF 和图片转换为结构化的 Markdown 或 JSON，供 LLM 和 RAG 使用。

可替代:Adobe AcrobatABBYY FineReader

在 GitHub 查看官网
Star
92,370
Fork
11,626
未关闭 Issue
252
最近提交
2个月前

这是什么？

PaddleOCR 是飞桨（PaddlePaddle）推出的 OCR 工具包，可将 PDF 文档和图片转换为 Markdown、JSON 等结构化数据，便于输入大语言模型和检索增强生成（RAG）流程。它既支持保留版面、表格、公式和图表的文档解析，也支持对照片、街景等场景中的多语言文字进行识别。

项目提供多类模型：PP-OCR 系列支持 100 多种语言的文字检测与识别，PaddleOCR-VL 是一个 0.9B 参数的视觉语言模型，专用于文档解析。PP-StructureV3 能提供更细粒度的坐标信息，包括表格单元格和文本位置。模型可运行在 CPU、NVIDIA GPU、Intel、昆仑芯 XPU 等多种硬件上，也可导出为 ONNX，或借助 OpenVINO、ONNX Runtime、TensorRT 加速推理。

使用方式上，项目提供在线体验中心和 API，也支持本地 Python 安装，并可通过服务化部署从 C++、C#、Java 等语言集成。

核心功能

  • 01将 PDF 和图片转换为 Markdown 或 JSON 输出。
  • 02提供 0.9B 参数的 PaddleOCR-VL 视觉语言模型用于文档解析。
  • 03通过统一模型支持 100 多种语言的文字检测与识别。
  • 04提供包括表格单元格、文本位置在内的版面坐标信息。
  • 05支持 CPU、NVIDIA GPU、Intel、昆仑芯 XPU 等多种硬件。
  • 06可导出 ONNX，并借助 OpenVINO、ONNX Runtime、TensorRT 加速推理。

适用场景

  • 将扫描版 PDF 和报告转换为干净的 Markdown，用于 RAG 知识库。
  • 提取表格和文本及其坐标，用于发票或表单处理。
  • 识别照片、标牌或工业部件上的多语言文字。
  • 通过服务化部署将 OCR 集成到 C++、C# 或 Java 应用中。

收录于专题

PDF、OCR 与文档处理工具计算机视觉工具与库

标签

#ocr#document-parsing#pdf-parser#rag#computer-vision#vision-language-model#multilingual#deep-learning#ai4science#chineseocr

常见问题

PaddleOCR 是什么？
开源 OCR 与文档 AI 工具包，可将 PDF 和图片转换为结构化的 Markdown 或 JSON，供 LLM 和 RAG 使用。 PaddleOCR 是飞桨（PaddlePaddle）推出的 OCR 工具包，可将 PDF 文档和图片转换为 Markdown、JSON 等结构化数据，便于输入大语言模型和检索增强生成（RAG）流程。它既支持保留版面、表格、公式和图表的文档解析，也支持对照片、街景等场景中的多语言文字进行识别。
PaddleOCR 可以免费使用吗？用的什么许可证？
PaddleOCR 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
PaddleOCR 还在维护吗？
半年内有更新。PaddleOCR 最近一次提交是在 2026年9月16日。
PaddleOCR 适合用来做什么？
将扫描版 PDF 和报告转换为干净的 Markdown，用于 RAG 知识库。 提取表格和文本及其坐标，用于发票或表单处理。 识别照片、标牌或工业部件上的多语言文字。 通过服务化部署将 OCR 集成到 C++、C# 或 Java 应用中。
在哪里获取 PaddleOCR？
源代码和安装说明在 GitHub 上：https://github.com/PaddlePaddle/PaddleOCR

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目