PP-OCRv6 亮相 Hugging Face：支持50种语言的文本识别模型，参数规模从1.5M到34.5M

PaddleOCR团队发布了PP-OCRv6——新一代通用OCR模型，用于真实场景下的文本检测与识别：文档、截图、多语言图像、数字显示屏、工业标签和街道文字。该系列包含三个级别——tiny（150万参数）、small（770万参数）和medium（3450万参数），其中medium和small支持50种语言，包括简体中文、繁体中文、英语、日语以及46种基于拉丁字母的语言。在PaddleOCR内部基准测试中，PP-OCRv6_medium模型达到了86.2%的检测Hmean和83.2%的识别准确率，分别比PP-OCRv5_server高出4.6和5.1个百分点。检测部分采用RepLKFPN——一种轻量级的大卷积核特征金字塔；识别部分则使用EncoderWithLightSVTR，将局部上下文建模与全局注意力相结合。开发者可以使用多种推理后端：Paddle Inference、Transformers（通过Hugging Face）和ONNX Runtime。提供的Python代码示例展示了如何在不同后端上运行OCR。模型以safetensors、Paddle和ONNX格式发布在Hugging Face Hub上，同时提供了在线演示。