PP-OCRv6 en Hugging Face: Reconocimiento de texto en 50 idiomas con modelos de 1,5M a 34,5M de parámetros

El equipo de PaddleOCR presentó PP-OCRv6, una nueva generación de modelos OCR (Optical Character Recognition, es decir, reconocimiento óptico de caracteres) universales para la detección y el reconocimiento de texto en entornos reales: documentos, capturas de pantalla, imágenes multilingües, pantallas digitales, etiquetas industriales y texto callejero. La familia incluye tres niveles: tiny (1,5 millones de parámetros), small (7,7 millones) y medium (34,5 millones). Las versiones medium y small admiten 50 idiomas, incluyendo chino simplificado y tradicional, inglés, japonés y 46 idiomas basados en alfabeto latino. En los puntos de referencia internos de PaddleOCR, el modelo PP-OCRv6_medium alcanza un 86,2% de Hmean en detección y un 83,2% de precisión en reconocimiento, lo que supone una mejora de 4,6 y 5,1 puntos porcentuales respectivamente respecto a PP-OCRv5_server. En la detección se utiliza RepLKFPN, una pirámide de características ligera con grandes núcleos de convolución, y en el reconocimiento se emplea EncoderWithLightSVTR, que combina modelado local del contexto con atención global. Los desarrolladores tienen a su disposición varios backends de inferencia: Paddle Inference, Transformers (a través de Hugging Face) y ONNX Runtime. Ejemplos de código en Python muestran cómo ejecutar OCR con diferentes backends. Los modelos se han publicado en Hugging Face Hub en formatos safetensors, Paddle y ONNX, y también está disponible una demostración en línea.