PaddleOCR MCP Server

<div align="center"> <p> <img width="100%" src="../docs/images/Banner_cn.png" alt="PaddleOCR 橫幅"> </p> <!-- language --> [English](../README.md) | [简体中文](./README_cn.md) | 繁體中文 | [日本語](./README_ja.md) | [한국어](./README_ko.md) | [Français](./README_fr.md) | [Русский](./README_ru.md) | [Español](./README_es.md) | [العربية](./README_ar.md) <!-- icon --> [](https://github.com/PaddlePaddle/PaddleOCR) [](https://pypi.org/project/PaddleOCR/)    [](https://huggingface.co/spaces/PaddlePaddle/PaddleOCR-VL_Online_Demo) [](https://aistudio.baidu.com/application/detail/98365) [](https://www.modelscope.cn/studios/PaddlePaddle/PaddleOCR-VL_Online_Demo) [](https://aistudio.baidu.com/community/app/91660/webUI) [](https://aistudio.baidu.com/community/app/518494/webUI) [](https://aistudio.baidu.com/community/app/518493/webUI) </div> ## 🚀 簡介 PaddleOCR 自發布以來，憑藉其學術前沿的演算法與產業落地實踐，深受產學研各界的喜愛，並廣泛應用於眾多知名開源專案，如 Umi-OCR、OmniParser、MinerU、RAGFlow 等，已成為廣大開發者心中開源 OCR 領域的首選工具。2025 年 5 月 20 日，飛槳團隊發布 **PaddleOCR 3.0**，全面適配**飛槳框架 3.0 正式版**，進一步**提升文字辨識精度**，支援**多種文字類型辨識**和**手寫體辨識**，滿足大型模型應用對**複雜文件高精度解析**的旺盛需求。結合**ERNIE 4.5**，顯著提升了關鍵資訊擷取的精度，並新增**對崑崙芯、昇騰等國產硬體**的支援。完整使用說明請參閱 [PaddleOCR 3.0 文檔](https://paddlepaddle.github.io/PaddleOCR/latest/)。 PaddleOCR 3.0 **新增**三大特色功能： - 全場景文字辨識模型 [PP-OCRv5](../docs/version3.x/algorithm/PP-OCRv5/PP-OCRv5.md)：單一模型支援五種文字類型和複雜手寫體辨識；整體辨識精度相較前一代**提升 13 個百分點**。[線上體驗](https://aistudio.baidu.com/community/app/91660/webUI) - 通用文件解析方案 [PP-StructureV3](../docs/version3.x/algorithm/PP-StructureV3/PP-StructureV3.md)：支援多場景、多版式的 PDF 高精度解析，在公開評測集中**領先眾多開源與閉源方案**。[線上體驗](https://aistudio.baidu.com/community/app/518494/webUI) - 智慧文件理解方案 [PP-ChatOCRv4](../docs/version3.x/algorithm/PP-ChatOCRv4/PP-ChatOCRv4.md)：原生支援ERNIE 4.5，精度相較前一代**提升 15 個百分點**。[線上體驗](https://aistudio.baidu.com/community/app/518493/webUI) 除了提供優秀的模型庫，PaddleOCR 3.0 還提供好學易用的工具，涵蓋模型訓練、推論及服務化部署，方便開發者快速將 AI 應用落地。 <div align="center"> <p> <img width="100%" src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/main/images/paddleocr/README/Arch_cn.jpg" alt="PaddleOCR Architecture"> </p> </div> **特別注意**：PaddleOCR 3.x 引入了多項重大的介面變更。**基於 PaddleOCR 2.x 撰寫的舊程式碼很可能與 PaddleOCR 3.x 不相容**。請確保您閱讀的文件與您實際使用的 PaddleOCR 版本相符。[本文件](https://paddlepaddle.github.io/PaddleOCR/latest/update/upgrade_notes.html) 說明了升級的原因以及從 PaddleOCR 2.x 到 3.x 的主要變更。 ## 📣 最新動態 ### 🔥🔥 2025.10.16：PaddleOCR 3.3.0 發布，包含： - 發佈 PaddleOCR-VL： - 模型介紹： - PaddleOCR-VL 是一款業界領先且資源高效的文件解析模型。其核心組件 PaddleOCR-VL-0.9B，是一個精巧而強大的視覺-語言模型（VLM），融合了 NaViT 風格的動態解析度視覺編碼器與 ERNIE-4.5-0.3B 語言模型，實現了精確的元素識別。這一創新模型高效支持 109 種語言，並在識別複雜元素（如文字、表格、公式和圖表）方面表現突出，同時保持極低的資源消耗。通過在主流公開基準和內部基準上的全面評測，PaddleOCR-VL 在頁面級文件解析和元素級識別兩方面均達到業界最先進（SOTA）表現。它大幅超越現有解決方案，對標頂級 VLM 展現出強大競爭力，並具備極快的推理速度。這些優勢使其非常適合於實際應用部署。該模型已在 [HuggingFace](https://huggingface.co/PaddlePaddle/PaddleOCR-VL) 發佈，歡迎大家下載使用！ - 核心特性： - 精巧但強大的 VLM 架構：我們提出了一種新型視覺-語言模型，專為高效推理設計，在元素識別方面達到卓越表現。通過整合 NaViT 風格的動態高解析度視覺編碼器和輕量級的 ERNIE-4.5-0.3B 語言模型，顯著提升了模型的識別能力和解碼效率。在保持高準確率的同時，降低了計算需求，極適合高效且實用的文件處理應用場景。 - 文件解析的 SOTA 表現：PaddleOCR-VL 在頁面級文件解析和元素級識別兩方面都取得了業界最先進的表現，顯著超越現有的流水線式解決方案，並在文件解析中展現出與頂尖視覺-語言模型（VLM）相媲美的競爭力。此外，在複雜文件元素識別（如文字、表格、公式和圖表）方面表現尤為突出，能應對包括手寫文字和歷史文件在內的多樣化挑戰內容，極具靈活性，適用於各類文件和場景。 - 多語種支持：PaddleOCR-VL 支持 109 種語言，涵蓋全球主要語言，包括但不限於中文、英文、日文、拉丁文、韓文，以及結構和書寫體系不同的語言，如俄語（西里爾字母）、阿拉伯語、印地語（天城體）、泰語等。廣泛的語言覆蓋大幅提升了系統在多語種和全球化文件處理場景下的適用性。 - 發佈 PP-OCRv5 多語種識別模型： - 提升了拉丁文字的識別準確率和覆蓋面；新增支持西里爾字母、阿拉伯語、天城體、泰盧固語、泰米爾語等多種語言體系，覆蓋 109 種語言的識別。該模型僅有 2M 參數，部分模型的準確率相比上一代提升超過 40%。 <details> <summary><strong>2025.08.21: 發布 PaddleOCR 3.2.0</strong></summary> - **重要模型新增：** - 新增 PP-OCRv5 英文、泰文、希臘文識別模型的訓練、推理、部署。**其中 PP-OCRv5 英文模型在英文場景下較 PP-OCRv5 主模型提升 11%，泰文識別模型準確率達 82.68%，希臘文識別模型準確率達 89.28%。** - **部署能力升級：** - **全面支援飛槳（PaddlePaddle）框架 3.1.0 與 3.1.1 版本。** - **全面升級 PP-OCRv5 C++ 本地部署方案，支援 Linux、Windows，功能及精度與 Python 方案保持一致。** - **高效能推理支援 CUDA 12，可使用 Paddle Inference、ONNX Runtime 後端進行推理。** - **高穩定性服務化部署方案全面開源，支援用戶根據需求自訂 Docker 映像檔與 SDK。** - 高穩定性服務化部署方案支援通過手動構造 HTTP 請求的方式調用，允許客戶端程式可用任意程式語言編寫。 - **Benchmark 支援：** - **所有產線全面支援細粒度 benchmark，能測量產線端到端推理時間及逐層、逐模組耗時，用於協助產線效能分析。可以參考[文件](../docs/version3.x/pipeline_usage/instructions/benchmark.md)來進行效能測試。** - **文件中補充各產線常用配置於主流硬體上的關鍵指標，包括推理耗時、記憶體佔用等，為用戶部署提供參考。** - **Bug 修復：** - 修復模型訓練時訓練日誌無法儲存的問題。 - 對公式模型的資料增強部分進行版本相容性升級，以適應新版本 albumentations 依賴，並修復多進程使用 tokenizers 套件時出現的死鎖警告。 - 修復 PP-StructureV3 配置檔案中 `use_chart_parsing` 等開關行為與其他產線不一致的問題。 - **其他升級：** - **區分必要依賴與可選依賴，使用基礎文字識別功能時僅需安裝少量核心依賴；如需文檔解析、資訊抽取等功能，使用者可按需安裝額外依賴。** - **支援 Windows 用戶使用 NVIDIA 50 系顯示卡，可依照[安裝文件](../docs/version3.x/installation.md)安裝對應版本的 Paddle 框架。** - **PP-OCR 系列模型支援返回單字座標。** - 模型新增 AIStudio、ModelScope 等下載來源，可指定相關來源下載對應模型。 - 支援圖表轉表單一模組（PP-Chart2Table）推理能力。 - 優化部分使用文件中的描述，提升易用性。 </details> <details> <summary><strong>2025.08.15: 發布 PaddleOCR 3.1.1</strong></summary> - **Bug修復：** - 補充 `PP-ChatOCRv4` 類缺失的 `save_vector`、`save_visual_info_list`、`load_vector`、`load_visual_info_list` 方法。 - 補充 `PPDocTranslation` 類的 `translate` 方法缺失的 `glossary` 和 `llm_request_interval` 參數。 - **文件優化：** - 補充 MCP 文件中的 demo。 - 補充文件中測試性能指標所使用的飛槳框架與 PaddleOCR 版本。 - 修正文件翻譯產線文件中的錯漏。 - **其他：** - 修改 MCP 伺服器依賴，使用純 Python 函式庫 `puremagic` 取代 `python-magic`，以減少安裝問題。 - 使用 3.1.0 版本 PaddleOCR 重新測試 PP-OCRv5 性能指標，並更新文件。 </details> <details> <summary><strong>2025.06.29：發布 PaddleOCR 3.1.0</strong></summary> - **主要模型與流程：** - **新增 PP-OCRv5 多語言文字識別模型**，支援包括法語、西班牙語、葡萄牙語、俄語、韓語等在內的 37 種語言的文字識別模型訓練與推理。**平均準確率提升超過 30%。** [詳情](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/algorithm/PP-OCRv5/PP-OCRv5_multi_languages.html) - 升級了 PP-StructureV3 的 **PP-Chart2Table 模型**，進一步提升圖表轉表格能力。在內部自訂評測集上，指標（RMS-F1）**提升了 9.36 個百分點（71.24% -> 80.60%）。** - 新增基於 PP-StructureV3 和 ERNIE 4.5 的**文件翻譯流程 PP-DocTranslation**，支援 Markdown 格式文件、各種複雜版面 PDF 文件及文件圖片翻譯，結果可儲存為 Markdown 格式文件。[詳情](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PP-DocTranslation.html) - **新增 MCP server：**[Details](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/deployment/mcp_server.html) - **支援 OCR 及 PP-StructureV3 流程。** - 支援三種工作模式：本地 Python 函式庫、AIStudio 社群雲端服務、自主託管服務。 - 支援通過 stdio 調用本地服務，通過 Streamable HTTP 調用遠端服務。 - **文件優化：** 優化了部分使用說明文件描述，提升閱讀體驗。 </details> <details> <summary><strong>歷史日誌</strong></summary> 2025.06.26: **PaddleOCR 3.0.3** 發布，包含： - 錯誤修復：修復`enable_mkldnn`參數不生效的問題，恢復CPU默認使用MKL-DNN推理的行為。 2025.06.19: **PaddleOCR 3.0.2** 發布，包含： - **功能新增：** - 模型預設下載來源從`BOS`改為`HuggingFace`，同時也支援使用者透過更改環境變數`PADDLE_PDX_MODEL_SOURCE`為`BOS`，將模型下載來源設定為百度雲端物件儲存 BOS。 - PP-OCRv5、PP-StructureV3、PP-ChatOCRv4 等 pipeline 新增 C++、Java、Go、C#、Node.js、PHP 6 種語言的服務呼叫範例。 - 優化 PP-StructureV3 產線中版面分區排序演算法，對複雜直書版面排序邏輯進行完善，進一步提升了複雜版面排序效果。 - 優化模型選擇邏輯，當指定語言、未指定模型版本時，自動選擇支援該語言的最新版本的模型。 - 為 MKL-DNN 快取大小設定預設上限，防止快取無限增長。同時，支援使用者設定快取容量。 - 更新高效能推論預設設定，支援 Paddle MKL-DNN 加速。優化高效能推論自動設定邏輯，支援更智慧的設定選擇。 - 調整預設裝置取得邏輯，考量環境中安裝的 Paddle 框架對運算裝置的實際支援情況，使程式行為更符合直覺。 - 新增 PP-OCRv5 的 Android 端範例，[詳情](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/deployment/on_device_deployment.html)。 - **錯誤修復：** - 修復 PP-StructureV3 部分 CLI 參數不生效的問題。 - 修復部分情況下 `export_paddlex_config_to_yaml` 無法正常運作的問題。 - 修復 save_path 實際行為與文件描述不符的問題。 - 修復基礎服務化部署在使用 MKL-DNN 時可能出現的多執行緒錯誤。 - 修復 Latex-OCR 模型的影像預處理通道順序錯誤。 - 修復文字辨識模組儲存視覺化影像的通道順序錯誤。 - 修復 PP-StructureV3 中表格視覺化結果通道順序錯誤。 - 修復 PP-StructureV3 產線中極特殊情況下，計算 overlap_ratio 時，變數溢位問題。 - **文件優化：** - 更新文件中對 `enable_mkldnn` 參數的說明，使其更準確地描述程式的實際行為。 - 修復文件中對 `lang` 和 `ocr_version` 參數描述的錯誤。 - 補充透過 CLI 匯出產線設定檔案的說明。 - 修復 PP-OCRv5 效能資料表格中的欄位缺失問題。 - 潤飾 PP-StructureV3 在不同設定下的 benchmark 指標。 - **其他：** - 放寬 numpy、pandas 等依賴項的版本限制，恢復對 Python 3.12 的支援。 🔥🔥2025.06.05: **PaddleOCR 3.0.1** 發布，包含： - **優化部分模型和模型設定：** - 更新 PP-OCRv5 預設模型設定，偵測和辨識模型均由 mobile 改為 server 模型。為改善多數場景下的預設效果，設定中的參數 `limit_side_len` 由 736 改為 64。 - 新增文字行方向分類模型 `PP-LCNet_x1_0_textline_ori`，精度達 99.42%。OCR、PP-StructureV3、PP-ChatOCRv4 流程的預設文字行方向分類器已更新為此模型。 - 優化文字行方向分類模型 `PP-LCNet_x0_25_textline_ori`，精度提升 3.3 個百分點，目前精度為 98.85%。 - **優化及修復 3.0.0 版本的部分問題，[詳情](https://paddlepaddle.github.io/PaddleOCR/latest/update/update.html)** 🔥🔥2025.05.20: **PaddleOCR 3.0** 正式發布，包含： - **PP-OCRv5**: 全場景高精度文字辨識 1. 🌐 單一模型支援**五種**文字類型（**簡體中文**、**繁體中文**、**中文拼音**、**英文**和**日文**）。 2. ✍️ 支援複雜**手寫體**辨識：顯著提升對複雜連筆、非標準字跡的辨識效能。 3. 🎯 整體辨識精度提升：在多種應用場景達到 SOTA 精度，相較於上一版 PP-OCRv4，辨識精度**提升 13 個百分點**！ - **PP-StructureV3**: 通用文件解析方案 1. 🧮 支援多場景 PDF 高精度解析，在 OmniDocBench 基準測試中**領先眾多開源與閉源方案**。 2. 🧠 多項專業功能：**印章辨識**、**圖表轉表格**、**含嵌套公式/圖片的表格辨識**、**直書文字解析**及**複雜表格結構分析**等。 - **PP-ChatOCRv4**: 智慧文件理解方案 1. 🔥 文件影像（PDF/PNG/JPG）關鍵資訊擷取精度相較前一代**提升 15 個百分點**！ 2. 💻 原生支援**ERNIE 4.5**，並相容 PaddleNLP、Ollama、vLLM 等工具部署的大型模型。 3. 🤝 整合 [PP-DocBee2](https://github.com/PaddlePaddle/PaddleMIX/tree/develop/paddlemix/examples/ppdocbee2)，支援印刷體、手寫體、印章、表格、圖表等複雜文件元素的資訊擷取與理解。 [更多日誌](https://paddlepaddle.github.io/PaddleOCR/latest/update/update.html) </details> ## ⚡ 快速入門 ### 1. 線上體驗 [](https://aistudio.baidu.com/community/app/91660/webUI) [](https://aistudio.baidu.com/community/app/518494/webUI) [](https://aistudio.baidu.com/community/app/518493/webUI) ### 2. 本機安裝 請參考[安裝指南](https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/develop/install/pip/linux-pip.html)完成 **PaddlePaddle 3.0** 的安裝，然後安裝 paddleocr。 ```bash # 如果你只想使用基本的文字識別功能（返回文字的座標和內容，包括 PP-OCR 系列） python -m pip install paddleocr # 如果你想使用所有功能，如文檔解析、文檔理解、文檔翻譯、關鍵資訊提取等 # python -m pip install "paddleocr[all]" ``` 自 3.2.0 版本起，除了上述的 all 依賴組合外，PaddleOCR 也支持指定其他依賴組合來安裝部分附加功能。PaddleOCR 提供的所有依賴組合如下表所示： | 依賴組合名稱 | 對應功能 | | - | - | | `doc-parser` | 文檔解析：可以從文檔中抽取表格、公式、印章、圖片等版面元素，包括 PP-StructureV3、PaddleOCR-VL 等模型 | | `ie` | 資訊抽取：可以從文檔中抽取姓名、日期、地址、金額等關鍵資訊，包括 PP-ChatOCRv4 等模型 | | `trans` | 文檔翻譯：可以將文檔翻譯成其他語言，包括 PP-DocTranslation 等模型 | | `all` | 所有功能 | ### 3. 命令列推論 ```bash # 執行 PP-OCRv5 推論 paddleocr ocr -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --use_doc_orientation_classify False --use_doc_unwarping False --use_textline_orientation False # 執行 PP-StructureV3 推論 paddleocr pp_structurev3 -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png --use_doc_orientation_classify False --use_doc_unwarping False # 執行 PP-ChatOCRv4 推論前，需先取得千帆 API Key paddleocr pp_chatocrv4_doc -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png -k 駕駛室准乘人數 --qianfan_api_key your_api_key --use_doc_orientation_classify False --use_doc_unwarping False # 執行 PaddleOCR-VL 推論 paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png # 查看 "paddleocr ocr" 詳細參數 paddleocr ocr --help ``` ### 4. API 推論 **4.1 PP-OCRv5 範例** ```python from paddleocr import PaddleOCR # 初始化 PaddleOCR 執行個體 ocr = PaddleOCR( use_doc_orientation_classify=False, use_doc_unwarping=False, use_textline_orientation=False) # 對範例圖片執行 OCR 推論 result = ocr.predict( input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png") # 將結果視覺化並儲存為 JSON for res in result: res.print() res.save_to_img("output") res.save_to_json("output") ``` <details> <summary><strong>4.2 PP-StructureV3 範例</strong></summary> ```python from pathlib import Path from paddleocr import PPStructureV3 pipeline = PPStructureV3( use_doc_orientation_classify=False, use_doc_unwarping=False ) # 針對圖片 output = pipeline.predict( input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png", ) # 將結果視覺化並儲存為 JSON for res in output: res.print() res.save_to_json(save_path="output") res.save_to_markdown(save_path="output") ``` </details> <details> <summary><strong>4.3 PP-ChatOCRv4 範例</strong></summary> ```python from paddleocr import PPChatOCRv4Doc chat_bot_config = { "module_name": "chat_bot", "model_name": "ernie-3.5-8k", "base_url": "https://qianfan.baidubce.com/v2", "api_type": "openai", "api_key": "api_key", # your api_key } retriever_config = { "module_name": "retriever", "model_name": "embedding-v1", "base_url": "https://qianfan.baidubce.com/v2", "api_type": "qianfan", "api_key": "api_key", # your api_key } pipeline = PPChatOCRv4Doc( use_doc_orientation_classify=False, use_doc_unwarping=False ) visual_predict_res = pipeline.visual_predict( input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png", use_common_ocr=True, use_seal_recognition=True, use_table_recognition=True, ) mllm_predict_info = None use_mllm = False # 若使用多模態大型模型，需啟動本機 mllm 服務，可參考文件：https://github.com/PaddlePaddle/PaddleX/blob/release/3.0/docs/pipeline_usage/tutorials/vlm_pipelines/doc_understanding.md 進行部署，並更新 mllm_chat_bot_config 設定。 if use_mllm: mllm_chat_bot_config = { "module_name": "chat_bot", "model_name": "PP-DocBee", "base_url": "http://127.0.0.1:8080/", # your local mllm service url "api_type": "openai", "api_key": "api_key", # your api_key } mllm_predict_res = pipeline.mllm_pred( input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png", key_list=["驾驶室准乘人数"], mllm_chat_bot_config=mllm_chat_bot_config, ) mllm_predict_info = mllm_predict_res["mllm_res"] visual_info_list = [] for res in visual_predict_res: visual_info_list.append(res["visual_info"]) layout_parsing_result = res["layout_parsing_result"] vector_info = pipeline.build_vector( visual_info_list, flag_save_bytes_vector=True, retriever_config=retriever_config ) chat_result = pipeline.chat( key_list=["驾驶室准乘人数"], visual_info=visual_info_list, vector_info=vector_info, mllm_predict_info=mllm_predict_info, chat_bot_config=chat_bot_config, retriever_config=retriever_config, ) print(chat_result) ``` </details> <details> <summary><strong>4.4 PaddleOCR-VL 範例</strong></summary> ```python from paddleocr import PaddleOCRVL pipeline = PaddleOCRVL() output = pipeline.predict("https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png") for res in output: res.print() res.save_to_json(save_path="output") res.save_to_markdown(save_path="output") ``` </details> ### 5. **國產硬體支援** - [崑崙芯安裝指南](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/other_devices_support/paddlepaddle_install_XPU.html) - [昇騰安裝指南](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/other_devices_support/paddlepaddle_install_NPU.html) ## 🧩 更多特性 - 將模型轉換為 ONNX 格式：[取得 ONNX 模型](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/deployment/obtaining_onnx_models.html) - 使用 OpenVINO、ONNX Runtime、TensorRT 等引擎加速推論，或使用 ONNX 格式模型執行推論：[高效能推論](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/deployment/high_performance_inference.html) - 使用多卡、多進程加速推論：[產線平行推論](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/instructions/parallel_inference.html) - 在 C++、C#、Java 等語言編寫的應用中整合 PaddleOCR：[服務化部署](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/deployment/serving.html)。 ## ⛰️ 進階指南 - [PP-OCRv5 使用教學](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/OCR.html) - [PP-StructureV3 使用教學](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PP-StructureV3.html) - [PP-ChatOCRv4 使用教學](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PP-ChatOCRv4.html) - [PaddleOCR-VL 使用教學](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PaddleOCR-VL.html) ## 🔄 效果展示 <div align="center"> <p> <img width="100%" src="../docs/images/demo.gif" alt="PP-OCRv5 Demo"> </p> </div> <div align="center"> <p> <img width="100%" src="../docs/images/blue_v3.gif" alt="PP-StructureV3 Demo"> </p> </div> ## 🌟 不要錯過最新資訊 ⭐ **請給這個倉庫加星，以便第一時間獲取包含強大 OCR 及文件分析功能的精彩更新和新版本發布！** ⭐ <div align="center"> <p> <img width="1200" src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/main/images/paddleocr/README/star_paddleocr.en.gif" alt="Star-Project"> </p> </div> ## 👩‍👩‍👧‍👦 開發者社群 | 掃描 QR Code 關注飛槳官方帳號 | 掃描 QR Code 加入技術交流群組 | | :---: | :---: | | <img src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/refs/heads/main/images/paddleocr/README/qrcode_for_paddlepaddle_official_account.jpg" width="150"> | <img src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/refs/heads/main/images/paddleocr/README/qr_code_for_the_questionnaire.jpg" width="150"> | ## 🏆 採用 PaddleOCR 的優秀專案 PaddleOCR 的發展離不開社群的貢獻！💗 衷心感謝所有的開發者、合作夥伴與貢獻者！ | 專案名稱 | 簡介 | | ------------ | ----------- | | [RAGFlow](https://github.com/infiniflow/ragflow) <a href="https://github.com/infiniflow/ragflow"><img src="https://img.shields.io/github/stars/infiniflow/ragflow"></a>|基於 RAG 的 AI 工作流引擎| | [pathway](https://github.com/pathwaycom/pathway) <a href="https://github.com/pathwaycom/pathway"><img src="https://img.shields.io/github/stars/pathwaycom/pathway"></a>|用於串流處理、即時分析、LLM流水線和RAG的 Python ETL 框架| | [MinerU](https://github.com/opendatalab/MinerU) <a href="https://github.com/opendatalab/MinerU"><img src="https://img.shields.io/github/stars/opendatalab/MinerU"></a>|多類型文件轉 Markdown 工具| | [Umi-OCR](https://github.com/hiroi-sora/Umi-OCR) <a href="https://github.com/hiroi-sora/Umi-OCR"><img src="https://img.shields.io/github/stars/hiroi-sora/Umi-OCR"></a>|開源批次離線 OCR 軟體| | [cherry-studio](https://github.com/CherryHQ/cherry-studio) <a href="https://github.com/CherryHQ/cherry-studio"><img src="https://img.shields.io/github/stars/CherryHQ/cherry-studio"></a>|一個支援多個LLM提供商的桌面用戶端| | [OmniParser](https://github.com/microsoft/OmniParser)<a href="https://github.com/microsoft/OmniParser"><img src="https://img.shields.io/github/stars/microsoft/OmniParser"></a> |基於純視覺的 GUI Agent 螢幕解析工具| | [QAnything](https://github.com/netease-youdao/QAnything)<a href="https://github.com/netease-youdao/QAnything"><img src="https://img.shields.io/github/stars/netease-youdao/QAnything"></a> |基於任意內容的問答系統| | [PDF-Extract-Kit](https://github.com/opendatalab/PDF-Extract-Kit) <a href="https://github.com/opendatalab/PDF-Extract-Kit"><img src="https://img.shields.io/github/stars/opendatalab/PDF-Extract-Kit"></a>|高效複雜 PDF 文件擷取工具套件| | [Dango-Translator](https://github.com/PantsuDango/Dango-Translator)<a href="https://github.com/PantsuDango/Dango-Translator"><img src="https://img.shields.io/github/stars/PantsuDango/Dango-Translator"></a> |螢幕即時翻譯工具| | [更多專案](../awesome_projects.md) | [更多基於PaddleOCR的項目](../awesome_projects.md) | ## 👩‍👩‍👧‍👦 貢獻者 <a href="https://github.com/PaddlePaddle/PaddleOCR/graphs/contributors"> <img src="https://contrib.rocks/image?repo=PaddlePaddle/PaddleOCR&max=400&columns=20" width="800"/> </a> ## 🌟 Star [](https://star-history.com/#PaddlePaddle/PaddleOCR&Date) ## 📄 授權條款 本專案的發布受 [Apache 2.0 license](LICENSE) 授權條款認證。 ## 🎓 學術引用 ```bibtex @misc{cui2025paddleocr30technicalreport, title={PaddleOCR 3.0 Technical Report}, author={Cheng Cui and Ting Sun and Manhui Lin and Tingquan Gao and Yubo Zhang and Jiaxuan Liu and Xueqing Wang and Zelun Zhang and Changda Zhou and Hongen Liu and Yue Zhang and Wenyu Lv and Kui Huang and Yichao Zhang and Jing Zhang and Jun Zhang and Yi Liu and Dianhai Yu and Yanjun Ma}, year={2025}, eprint={2507.05595}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2507.05595}, } @misc{cui2025paddleocrvlboostingmultilingualdocument, title={PaddleOCR-VL: Boosting Multilingual Document Parsing via a 0.9B Ultra-Compact Vision-Language Model}, author={Cheng Cui and Ting Sun and Suyin Liang and Tingquan Gao and Zelun Zhang and Jiaxuan Liu and Xueqing Wang and Changda Zhou and Hongen Liu and Manhui Lin and Yue Zhang and Yubo Zhang and Handong Zheng and Jing Zhang and Jun Zhang and Yi Liu and Dianhai Yu and Yanjun Ma}, year={2025}, eprint={2510.14528}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2510.14528}, } ```