百度飛槳團隊近期推出了PaddleOCR的最新版本——3.0版，并將其面向公眾開源。此次更新標(biāo)志著PaddleOCR在文字識別技術(shù)上的又一次重大飛躍，特別是在識別精度、多語言支持、手寫體辨識以及復(fù)雜文檔解析方面，均實現(xiàn)了顯著提升。
自誕生以來，PaddleOCR憑借其前沿的學(xué)術(shù)算法與實際產(chǎn)業(yè)應(yīng)用的緊密結(jié)合，贏得了學(xué)術(shù)界、產(chǎn)業(yè)界及研究機構(gòu)的廣泛青睞，并已成功融入眾多知名開源項目中。新版本PaddleOCR3.0與飛槳框架3.0正式版完美兼容，不僅大幅提升了文字識別的準(zhǔn)確性，還新增了對多種文字類型及手寫體的識別能力，完美契合了大模型應(yīng)用對高精度文檔解析的嚴苛需求。
尤為PaddleOCR3.0引入了全場景文字識別模型PP-OCRv5，該模型能夠在一套體系下精準(zhǔn)識別簡體中文、繁體中文、中文拼音、英文、日文五種文字，以及手寫體、豎排文本、拼音標(biāo)注、生僻字等特殊文本場景。與上一代模型相比，PP-OCRv5的整體識別精度躍升了13個百分點，引領(lǐng)行業(yè)潮流。通過統(tǒng)一模型架構(gòu)，PP-OCRv5簡化了部署流程，實現(xiàn)了識別速度與精度的雙重提升。
在文檔解析領(lǐng)域，PaddleOCR3.0推出了升級版的通用文檔解析方案PP-StructureV3。該方案在版面區(qū)域檢測、表格識別、公式識別等方面能力顯著增強，同時新增了圖表理解功能，并能恢復(fù)多欄閱讀的原始順序，輸出格式包括Markdown和JSON。在OmniDocBench基準(zhǔn)測試中，PP-StructureV3力壓眾多開源及閉源方案，展現(xiàn)了其在多場景、多版式PDF文檔高精度解析方面的卓越實力。
PaddleOCR3.0還帶來了智能文檔理解方案PP-ChatOCRv4，該方案與文心大模型4.5Turbo深度融合，關(guān)鍵信息抽取精度較上一代提高了15個百分點。PP-ChatOCRv4巧妙融合了大模型與小模型的優(yōu)勢，支持離線使用多模態(tài)文檔理解模型PP-DocBee2，能夠一站式解決版面分析、生僻字識別、多頁PDF處理、表格解析、印章識別等復(fù)雜文檔信息抽取難題。
PaddleOCR3.0的發(fā)布，彰顯了百度在OCR技術(shù)領(lǐng)域的持續(xù)創(chuàng)新能力，同時也為廣大開發(fā)者提供了功能更為強大、操作更為便捷的工具，助力他們加速推進AI應(yīng)用的落地實施。感興趣的開發(fā)者可以訪問PaddleOCR的開源地址，獲取更多詳細信息。
開源地址：https://github.com/PaddlePaddle/PaddleOCR
