PaddleOCR 3.7 实测指南：从 PDF 到结构化数据的完整链路
将任何 PDF 或图像文档转换为 AI 的结构化数据。一款功能强大、轻量级的 OCR 工具包，可弥合图像/PDF 和法学硕士之间的差距。支持 100 多种语言。
秒懂
- 它是什么？
- 本文基于官方文档与发布说明，梳理 PaddleOCR 3.7 的模型分层、推理后端、部署方式与已知边界，帮助工程师判断它是否适合接入你的 RAG 或 Agent 流水线。
- 适合谁用？
- 适合需要把 PDF、扫描件或复杂版面转成 Markdown/JSON 的团队，尤其是已经使用 Dify、RAGFlow 或自建 RAG 管线的开发者。PP-OCRv6 的 50 语言单模型和 5.2 倍 CPU 加速对多语言场景有明显价值，但你要先确认自己的硬件是否在支持列表内（NVIDIA GPU、Intel CPU、昆仑芯 XPU 等），并验证 PaddleOCR-VL-1.6 在 OmniDocBench 上的 96.3% 准确率是否在你的文档类型上成立。
- 能商用吗？
- 可以。Apache-2.0 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 55 天前。
- 用什么语言写的？
- 主要是 Python（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
从 OCR 工具到文档解析引擎的定位变化
PaddleOCR 不再只是文字识别库。3.7 版本把能力分成两条主线：一条是 PP-OCRv6 的场景文字检测与识别，面向身份证、街景、工业铭牌这类非版面文本；另一条是 PaddleOCR-VL 和 PP-StructureV3 的文档解析，输出 Markdown 或 JSON，直接喂给大模型。这种分层意味着你可以只引入识别部分，也可以把整个版面解析接进 RAG 流水线。对工程师来说，选择不再是「用不用 OCR」，而是「用哪一层」。
PP-OCRv6：单模型覆盖 50 种语言的取舍
PP-OCRv6 是 3.7 的核心更新。它用一个统一模型覆盖中文、英文、日文和 46 种拉丁语系语言，省去了多模型切换的麻烦。官方给出的精度提升是检测 +4.6%、识别 +5.1%，对比的是 PP-OCRv5_server。模型分三档：tiny 1.5M 参数、small 7.7M、medium 34.5M。tiny 适合移动端，medium 适合服务器。但要注意，官方宣称的 5.2 倍 CPU 加速是基于 OpenVINO 后端，不是默认的 Paddle 推理。如果直接用 pip 安装后跑 CPU，未必能复现这个数字。
PaddleOCR-VL-1.6：0.9B 参数的文档大模型
PaddleOCR-VL-1.6 是一个 0.9B 参数的视觉语言模型，专门做文档解析。它在 OmniDocBench v1.6 上达到 96.3% 准确率，覆盖文本、公式、表格、印章、古籍和生僻字。架构与 1.5 完全一致，官方说可以零成本替换权重。这意味着你如果已经部署了 1.5，升级只是换模型文件。但 96.3% 是基准测试数字，实际效果取决于你的文档类型。比如发票、手写体、低分辨率扫描件，基准未必代表真实表现。另外，这个模型输出的是 Markdown 和 JSON，但坐标信息不如 PP-StructureV3 细。需要表格单元格坐标的场景，得用 PP-StructureV3。
PP-StructureV3 与 HPD-Parsing 的定位差异
PP-StructureV3 走的是传统版面分析路线，输出带坐标的结构化结果，包括表格单元格坐标和文本坐标。PaddleOCR-VL 系列则直接生成 Markdown，不提供细粒度坐标。这两者不是替代关系，而是互补。如果你要的是「能编辑的 DOCX」或精确的表格坐标，选 PP-StructureV3。如果你要的是「快速转成 LLM 友好的文本」，PaddleOCR-VL 更直接。HPD-Parsing 是 2026 年 7 月新增的高吞吐模型，采用分层并行解码和渐进式多 token 预测，峰值吞吐 4752 tokens/s。它支持 OpenAI 兼容的 serving 和本地推理，但需要定制 vLLM 运行时。这个方案适合批量解析场景，但部署复杂度明显高于前两者。
安装与推理后端：静态图、动态图与 Transformers
3.5 版本开始支持三种推理后端：Paddle 静态图、Paddle 动态图、Transformers。官方说 20 个主要模型可以用 Transformers 作为后端，这意味着可以复用 Hugging Face 生态的推理栈。安装方式仍然是 pip install paddleocr，但具体命令在 README 中没有给出完整示例，需要查官方文档。如果你是第一次用，建议先跑通默认的 Paddle 静态图路径，再考虑切换后端。切换后端不是改一个参数那么简单，模型权重格式和预处理逻辑可能不同。另外，3.5 还支持把 Word、Excel、PowerPoint 转成 Markdown，以及把解析结果导出为 DOCX。这些功能在 README 里只提了一句，没有细节，实际能力边界需要自己验证。
浏览器端推理与硬件加速的边界
PaddleOCR.js 是官方浏览器推理 SDK，支持在浏览器里跑 PP-OCRv5。注意是 v5，不是最新的 v6。如果你需要在浏览器端做实时识别，这个 SDK 可用，但模型版本落后一个代际。硬件加速方面，官方列出 NVIDIA GPU、Intel CPU、昆仑芯 XPU 和「多种 AI 加速器」。但具体支持列表和性能数据在 README 里没有展开。对边缘设备，tiny 模型只有 1.5M 参数，适合部署。但文档没有给出 tiny 在具体设备上的帧率或内存占用，这些数据需要自己实测。如果你的部署目标是苹果 M4，官方提到 6.1 倍加速，但那是针对 tiny 模型，且基于特定后端。
许可证与升级路径的注意事项
项目采用 Apache-2.0 许可证，商用相对宽松，但你不应该只凭这一句话做法律判断。具体条款，尤其是关于专利授权和免责声明，需要法务确认。升级方面，3.5 到 3.6 再到 3.7，节奏大约是每两个月一个版本。PaddleOCR-VL 系列从 1.5 到 1.6 架构不变，升级成本低。但 PP-OCRv5 到 v6 是模型换代，如果你的代码里硬编码了模型名称或预处理参数，升级会需要改动。另外，3.4 引入的 PaddleOCR-VL-1.5 在 3.6 被 1.6 取代，意味着旧模型可能逐渐失去官方维护。如果你在生产环境使用，要提前规划模型版本锁定策略，避免上游更新破坏现有流程。
编辑结论
适合需要把 PDF、扫描件或复杂版面转成 Markdown/JSON 的团队，尤其是已经使用 Dify、RAGFlow 或自建 RAG 管线的开发者。PP-OCRv6 的 50 语言单模型和 5.2 倍 CPU 加速对多语言场景有明显价值，但你要先确认自己的硬件是否在支持列表内（NVIDIA GPU、Intel CPU、昆仑芯 XPU 等），并验证 PaddleOCR-VL-1.6 在 OmniDocBench 上的 96.3% 准确率是否在你的文档类型上成立。若你的场景是纯英文扫描件且对延迟极敏感，可对比 Tesseract 或开源 VLM；若需要高吞吐解析，HPD-Parsing 的 4752 tokens/s 值得单独测试。在接入前，务必检查 Apache-2.0 许可对商用闭源项目的约束，并留意 Paddle 静态图与 Transformers 后端之间的切换成本。
社区笔记