0
| 本文作者： Nemo | 2025-09-19 17:55 |
近日，百度在海外官方賬號介紹了最新輕量級文字識別模型 PP-OCRv5。該模型僅0.07B參數(shù)，以千分之一參數(shù)量實現(xiàn)與700億參數(shù)大模型相媲美的OCR精度。在多項 OCR 場景測試中，PP-OCRv5 的表現(xiàn)超越GPT-4o、Qwen2.5-VL-72B等通用視覺大模型。最新信息顯示，飛槳團隊發(fā)布的技術(shù)Blog已連續(xù)一周登頂Hugging Face博客熱度榜首，受到開發(fā)者社區(qū)的廣泛關(guān)注。
?
據(jù)了解，2025年5月，飛槳團隊推出PaddleOCR 3.0版本，文字識別方案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年開源以來，PaddleOCR累計下載量突破900萬，被超過5.9k開源項目直接或間接使用，是GitHub 社區(qū)中唯一一個 Star數(shù)超過50k的中國OCR項目。
9月18日晚，Paddle OCR項目登上了GitHub全球總榜 trending榜， 位于python榜第5，總榜第13。
Blog指出，在OCR場景中，通用視覺大模型（VLM）在精確文本定位和邊框精度上仍面臨挑戰(zhàn)，同時容易帶來高計算開銷和“幻覺”輸出。相較于VLM，PP-OCRv5采用了模塊化雙階段檢測與識別方案，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)雜場景中，仍穩(wěn)居前列，表現(xiàn)出強泛化能力。
?
?作為百度飛槳團隊推出的全場景文字識別模型，PP-OCRv5是業(yè)界首個單模型支持5 種文字類型的超輕量級（<100M）開源模型，且支持復(fù)雜手寫體識別，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)字化等多場景業(yè)務(wù)需求。
?
