PaddleOCR 版本更新全解析从 2.x 到 3.2.0 的能力演进与源码佐证【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR本文以仓库 docs/update/update.en.mdRecently Update 更新日志为骨架系统梳理 PaddleOCR 从早期 2.x 到 3.2.0 的每一次关键版本发布新增模型、流水线Pipeline、部署方案、基准测试与缺陷修复。文章同时结合仓库内paddleocr/、configs/、mcp_server/等目录下的真实源码与配置文件帮助读者理解每一项更新背后的实现位置并掌握在 3.x 架构下安装、调用、配置与部署的具体方法。一、总览PaddleOCR 版本演进的主线PaddleOCR 是百度开源的 OCR 工具集围绕「文本检测—文本方向分类—文本识别」的核心链路逐步演进为覆盖文档解析、表格识别、公式识别、印章识别、信息抽取与文档翻译的全场景工具箱。从更新日志可以提炼出三条清晰的主线模型能力持续增强从 PP-OCRv2/v3到 PP-OCRv5、PP-StructureV3、PP-ChatOCRv4再到多语言模型与 PP-DocTranslation 文档翻译部署形态全面升级Python API 与 CLI 统一、C 本地推理、服务化部署Docker SDK 原生 HTTP、高性能推理Paddle Inference / ONNX Runtime / CUDA 12、端侧部署Android/iOS生态工具逐渐完善PaddleX 低代码开发平台、MCP Server模型上下文协议服务、基准测试Benchmark与文档体系的重建。下文的每一节均以发布时间为序先复述官方更新要点再给出仓库中的源码或配置佐证。二、PaddleOCR 3.2.02025.08.21模型、部署与基准的全面升级3.2.0 是更新日志中最新、信息量最大的版本可拆解为五个方面。2.1 显著的新增模型PP-OCRv5 英文、泰文、希腊文识别模型正式开放训练、推理与部署。官方数据显示PP-OCRv5 英文模型相比主 PP-OCRv5 模型在英文场景提升11%泰文识别模型准确率82.68%希腊文识别模型准确率89.28%。在仓库中多语言识别模型的训练配置位于 configs/rec/PP-OCRv5/multi_language 目录例如en_PP-OCRv5_mobile_rec.yamlth_PP-OCRv5_mobile_rec.yamlel_PP-OCRv5_mobile_rec.yaml这些配置通过model_name指定模型如el_PP-OCRv5_mobile_rec并通过character_dict_path指向对应语种词典例如./ppocr/utils/dict/ppocrv5_el_dict.txt。可见多语言模型的落地依赖「独立词典 独立配置」的组合这与官方「按语言选择模型」的说明完全一致。2.2 部署能力升级完整支持 PaddlePaddle 框架 3.1.0 / 3.1.1PP-OCRv5 C 本地部署方案全面升级同时支持 Linux 与 Windows与 Python 实现功能对齐、精度一致高性能推理支持 CUDA 12推理后端可选Paddle Inference 或 ONNX Runtime高稳定性服务化部署方案完全开源用户可按需定制 Docker 镜像与 SDK并且支持通过手工构造 HTTP 请求调用意味着任意编程语言都可以编写客户端代码。仓库中 C 推理的完整实现位于 deploy/cpp_infer其入口为 cli.cc核心源码在 deploy/cpp_infer/src含 36 个.cc与 40 个.h文件。服务化部署的参考实现可查看 deploy/hubserving 下的ocr_system、structure_system、ocr_det、ocr_rec、ocr_cls等模块。2.3 基准测试支持所有产线Pipeline支持细粒度基准测试可测量端到端推理时间以及逐层、逐模块的延迟数据辅助性能分析文档补充了常用配置在主流硬件上的关键指标推理延迟、内存占用等为用户部署提供参考。仓库中的基准测试相关工作可参考 benchmark 目录如 run_det.sh、run_benchmark_det.sh、analysis.py以及 docs/version3.x 下的部署与使用文档。2.4 缺陷修复修复训练期间日志保存失败的问题升级公式模型的数据增强组件以兼容新版 albumentations并修复多进程场景下使用 tokenizers 包时的死锁告警修复 PP-StructureV3 配置文件中开关行为不一致的问题例如use_chart_parsing与其他产线不一致。2.5 其他增强核心依赖与可选依赖分离基础文本识别只需极少量核心依赖文档解析、信息抽取等附加能力按需安装Windows 下支持 NVIDIA RTX 50 系列显卡对应的 PaddlePaddle 框架版本可参考安装指南PP-OCR 系列模型支持返回单字坐标新增AIStudio、ModelScope等模型下载源用户可指定模型下载来源新增PP-Chart2Table模块支持图表转表格优化文档描述提升可读性。三、3.1.x 系列多语言识别、文档翻译与 MCP Server3.1 PaddleOCR 3.1.12025.08.15API 补全与体验优化缺陷修复为PP-ChatOCRv4类补齐缺失方法save_vector、save_visual_info_list、load_vector、load_visual_info_list为PPDocTranslation类的translate方法补齐缺失参数glossary与llm_request_interval。这两个修复在仓库源码中均可直接验证paddleocr/_pipelines/pp_chatocrv4_doc.py 中定义了save_vector、load_vector、load_visual_info_list、save_visual_info_list四个方法约第 84–99 行paddleocr/_pipelines/pp_doctranslation.py 的translate/translate_iter方法签名中带有glossaryNone与llm_request_interval0.0参数。文档改进MCP 文档新增演示文档注明性能指标测试所用的 PaddlePaddle / PaddleOCR 版本修正产线文档翻译中的错误与遗漏。其他MCP Server 依赖由python-magic改为纯 Python 库puremagic降低安装问题基于 PaddleOCR 3.1.0 复测 PP-OCRv5 性能指标并更新文档。3.2 PaddleOCR 3.1.02025.06.29多语言模型、PP-Chart2Table 与 PP-DocTranslation新增 PP-OCRv5 多语种文本识别模型支持法语、西班牙语、葡萄牙语、俄语、韩语等37 种语言的识别模型训练与推理平均准确率提升超过 30%。升级 PP-StructureV3 中的 PP-Chart2Table 模型图表转表格能力进一步增强在内部定制评测集上 RMS-F1 指标提升 9.36 个百分点71.24% → 80.60%。全新推出文档翻译产线 PP-DocTranslation基于 PP-StructureV3 与 ERNIE 4.5支持 Markdown 格式文档、各类复杂版式 PDF 文档及文档图片的翻译结果保存为 Markdown 格式文档。PP-DocTranslation 的完整实现位于 paddleocr/_pipelines/pp_doctranslation.py其核心方法包括visual_predict_iter对输入执行版面分析、文本检测/识别、表格识别、公式识别、图表识别、印章识别等视觉理解translate_iter将解析出的 Markdown 片段按目标语言翻译target_language默认zh支持chunk_size默认 5000、task_description、glossary术语表、llm_request_interval请求间隔默认 0.0等参数load_from_markdown/concatenate_markdown_pages支持从 Markdown 加载与多页拼接。CLI 用法通过PPDocTranslationCLISubcommandExecutor暴露例如-i/--input指定输入路径--save_path指定输出目录--target_language指定目标语言另有大量--use_*开关与各子模型参数。新增 MCP Server同时支持 OCR 与 PP-StructureV3 产线支持三种工作模式本地 Python 库、AIStudio 社区云端服务、自托管服务支持通过stdio调用本地服务、通过Streamable HTTP调用远程服务。MCP Server 的实现在 mcp_server/paddleocr_mcp 目录入口为main.py--http参数开启 Streamable HTTP 模式默认绑定127.0.0.1:8000不加该参数则走 stdio 模式推理实现位于 mcp_server/paddleocr_mcp/inference任务封装位于 mcp_server/paddleocr_mcp/tasks。四、3.0.x 系列从 3.0.0 到 3.0.3 的修复与打磨4.1 PaddleOCR 3.0.32025.06.26修复enable_mkldnn参数不生效的问题恢复 CPU 推理默认使用 MKL-DNN 的行为。4.2 PaddleOCR v3.0.22025.06.19新特性默认模型下载源由BOS切换为HuggingFace可通过环境变量PADDLE_PDX_MODEL_SOURCE改回BOS为 PP-OCRv5、PP-StructureV3、PP-ChatOCRv4 等产线新增C、Java、Go、C#、Node.js、PHP六种语言的服务调用示例仓库中可参考 api_sdk 目录下的 Go、TypeScript SDK 及示例改进 PP-StructureV3 产线的版面分区排序算法优化复杂竖排版式的排序逻辑增强模型选择逻辑指定语言但不指定模型版本时自动选择支持该语言的最新模型版本为 MKL-DNN 缓存大小设置默认上限避免无限增长同时允许用户配置缓存容量更新高性能推理默认配置以支持 Paddle MKL-DNN 加速并优化自动配置选择逻辑调整默认设备获取逻辑考虑已安装 Paddle 框架对计算设备的实际支持情况新增 PP-OCRv5 的 Android 示例。缺陷修复修复 PP-StructureV3 部分 CLI 参数不生效的问题修复export_paddlex_config_to_yaml在特定情况下无法正常工作的问题修正save_path实际行为与文档描述不一致的问题修复基础服务部署中使用 MKL-DNN 时可能出现的多线程错误修复 Latex-OCR 模型图像预处理中的通道顺序错误修复文本识别模块保存可视化图像时的通道顺序错误修复 PP-StructureV3 产线表格可视化结果的通道顺序错误修复 PP-StructureV3 产线在极端特殊情况下overlap_ratio计算溢出的问题。文档改进更新enable_mkldnn参数说明修正lang与ocr_version参数的文档错误补充通过 CLI 导出产线配置文件的说明修正 PP-OCRv5 性能数据表缺失列细化 PP-StructureV3 产线不同配置下的基准指标。其他放宽 numpy、pandas 等依赖的版本限制恢复对Python 3.12的支持。4.3 PaddleOCR v3.0.12025.06.05模型与配置优化更新 PP-OCRv5 默认模型配置检测与识别均由 mobile 模型改为 server 模型为使多数场景默认效果更佳将配置中的limit_side_len由 736 改为 64新增文本行方向分类模型PP-LCNet_x1_0_textline_ori准确率 99.42%并作为 OCR、PP-StructureV3、PP-ChatOCRv4 产线的默认文本行方向分类器优化文本行方向分类模型PP-LCNet_x0_25_textline_ori准确率提升 3.3 个百分点至 98.85%。limit_side_len参数在源码中贯穿各产线例如 paddleocr/_pipelines/ocr.py 中text_det_limit_side_len通过SubModules.TextDetection.limit_side_len映射到子模块配置paddleocr/_models/_text_detection.py 中limit_side_len作为文本检测模型构造参数直接传递。3.0.0 遗留问题修复CLI 体验PaddleOCR CLI 不传任何参数时输出使用提示新参数PP-ChatOCRv3 与 PP-StructureV3 支持use_textline_orientationCPU 推理加速所有产线 CPU 推理默认启用 MKL-DNNC 推理PP-OCRv5 检测与识别串联部分支持 C 推理修复 PP-StructureV3 因公式、表格识别模型无法使用 MKL-DNN 导致的 CPU 推理报错修复 GPU 环境下推理出现FatalError: Process abort signal is detected by the operating system的问题修复部分 Python 3.8 环境的类型提示问题修复PPStructureV3.concatenate_markdown_pages方法缺失的问题修复同时指定lang与model_name时model_name不生效的问题。五、PaddleOCR 3.0 正式版2025.05.20架构级重建3.0 是一次架构级发布官方总结为五个方面PP-OCRv5全场景文本识别模型——单个模型支持五种文本类型与复杂手写相比上一代准确率提升 13%PP-StructureV3通用文档解析方案——面向多场景、多版式 PDF 提供高精度解析在公开基准上优于众多开源与闭源方案PP-ChatOCRv4智能文档理解方案——原生支持 ERNIE 4.5相比上一版本准确率提升 15%重建部署能力统一推理接口——集成 PaddleX 3.0 核心能力全面升级推理与部署模块在 2.x 设计基础上优化统一 Python API 与 CLI支持高性能推理、服务化与端侧部署三类场景基于 PaddlePaddle 框架 3.0 优化训练——兼容 CINN 编译器推理模型文件由xxx.pdmodel改为xxx.json统一模型命名规范便于维护。从 2.x 升级到 3.x 的完整说明见升级指南。在仓库中3.x 的统一 Python 入口位于 paddleocr/init.pyCLI 入口位于 paddleocr/main.py 与 _cli.py各产线封装统一位于 paddleocr/_pipelines含ocr.py、pp_structurev3.py、pp_chatocrv4_doc.py、pp_doctranslation.py、table_recognition_v2.py、doc_preprocessor.py等各单模型模块位于 paddleocr/_models。六、v2.102025.03.07单模型与组合方案集中发布6.1 12 个新自研单模型版面检测系列3 个PP-DocLayout-L / M / S支持论文、报告、试卷、书籍、杂志、合同、报纸等中英文文档的 23 种常见版面类别预测mAP0.5 最高可达 90.4%轻量模型每秒可端到端处理 100 页文档图像公式识别系列2 个PP-FormulaNet-L / S支持 5 万常见 LaTeX 词汇可识别复杂印刷与手写公式PP-FormulaNet-L 准确率较同级模型高 6 个百分点PP-FormulaNet-S 相比精度相近模型快 16 倍表格结构识别系列2 个SLANeXt_wired / SLANeXt_wireless支持有线/无线表格的结构化预测相比 SLANet_plus 在内部高难度表格识别评测集上准确率提升 6 个百分点表格分类系列1 个PP-LCNet_x1_0_table_cls超轻量有线/无线表格分类模型表格单元格检测系列2 个RT-DETR-L_wired_table_cell_det / RT-DETR-L_wireless_table_cell_det可结合 SLANeXt、文本检测与文本识别模块实现端到端表格预测对应 Table Recognition v2 产线文本识别系列1 个PP-OCRv4_server_rec_doc支持 15000 字符内部数据集上准确率比 PP-OCRv4_server_rec 高 3 个百分点以上文本行方向分类系列1 个PP-LCNet_x0_25_textline_ori存储仅 0.3M 的超轻量模型。6.2 4 个高价值多模型组合方案文档图像预处理产线Doc Preprocessor通过超轻量模型组合实现文档图像扭曲矫正与方向矫正版面解析 v2 产线Layout Parsing v2组合多种自研 OCR 模型优化复杂版式阅读顺序实现各类复杂 PDF 到 Markdown/JSON 的端到端转换可为大模型训练与应用提供高质量数据生产表格识别 v2 产线Table Recognition v2组合表格分类、单元格检测、结构识别、文本检测与识别等模块支持多风格表格预测各模块均可定制微调以提升垂直领域表格效果PP-ChatOCRv4-doc 产线在 PP-ChatOCRv3-doc 基础上融合多模态大模型优化 Prompt 与多模型组合后处理逻辑解决版面分析、生僻字、多页 PDF、表格、印章识别等复杂文档信息抽取难题准确率较 PP-ChatOCRv3-doc 提升 15 个百分点大模型升级本地部署能力提供标准 OpenAI 接口支持调用 DeepSeek-R1 等本地部署大模型。仓库中对应源码表格识别 v2 产线位于 paddleocr/_pipelines/table_recognition_v2.pyPP-ChatOCRv4-doc 位于 paddleocr/_pipelines/pp_chatocrv4_doc.py文档预处理位于 paddleocr/_pipelines/doc_preprocessor.py表格相关配置见 configs/tableSLANet、SLANeXt_wired、SLANeXt_wireless、SLANet_plus 等。七、v2.92024.10.18PaddleX 全流程开发工具v2.9 的核心是推出PaddleX——基于 PaddleOCR 先进技术的一站式开发工具支持 OCR 领域低代码全流程开发丰富模型一键调用将文本图像智能分析、通用 OCR、通用版面解析、表格识别、公式识别、印章识别相关的 17 个模型集成为 6 条产线通过简单 Python API 一键调用同一套 API 还支持图像分类、目标检测、图像分割、时序预测共 200 模型形成 20 单功能模块方便开发者自由组合模型高效低门槛提供基于统一命令与 GUI 两种方式实现模型简单、高效的使用、组合与定制支持高性能推理、服务化部署、端侧部署等多种部署方式在 NVIDIA GPU、昆仑芯 XPU、昇腾 NPU、寒武纪 MLU、海光 DCU 等主流硬件上可无缝切换开发同时支持 PP-ChatOCRv3-doc、基于 RT-DETR 的高精度版面检测、基于 PicoDet 的高效版面区域检测、高精度表格结构识别、文本图像矫正模型 UVDoc、公式识别模型 LatexOCR、基于 PP-LCNet 的文档图像方向分类模型等。仓库中对应的部署与使用文档见 docs/version3.x/paddlex模型清单可参考 model_list.md。八、2.5 及更早版本关键时间线回顾更新日志中还保留了 2020–2022 年的关键里程碑构成 PaddleOCR 的完整历史v2.52022.05.09PP-OCRv3 在速度相近前提下中文场景效果较 PP-OCRv2 进一步提升 5%英文场景提升 11%80 语种多语言模型平均识别准确率提升超过 5%PPOCRLabelv2 新增表格识别、关键信息抽取与不规则文本图像标注功能v2.x 总览。2022.05.07训练期间支持向 Weights Biases 记录指标与模型日志。v2.42021.12.21发布文本检测算法 PSENet、文本识别算法 NRTR / SEED / SAR、关键信息抽取算法 SDMGR、DocVQA 算法 LayoutLM / LayoutLMv2 / LayoutXLM。v2.32021.09.07提出 PP-OCRv2CPU 推理速度较 PP-OCR server 提升 220%F-score 较 PP-OCR mobile 提升 7%。v2.22021.08.03新增结构化文档分析工具包 PP-Structure支持版面分析与表格识别一键将图表导出为 Excel。2021.04.08发布端到端文本识别算法 PGNetAAAI 2021发布多语言识别模型支持 80 语言。2021.01.21更新 25 多语言识别模型涵盖英文、中文、德文、法文、日文、西班牙文、葡萄牙文、俄文、阿拉伯文等v2.x 模型列表。2020.12.15更新数据合成工具 Style-Text可合成大量与目标场景图像相似的图片。2020.11.25更新数据标注工具 PPOCRLabel标注结果可直接用于 PP-OCR 系统训练。2020.09.22发布 PP-OCR 技术论文。2020.09.19开源超轻量压缩版 ppocr_mobile_slim 系列模型整体模型大小 3.5M适合移动端部署。2020.08.24支持通过 whl 包安装使用 PaddleOCR。2020.08.16发布文本检测算法 SAST 与文本识别算法 SRN。2020.07.15新增移动端 App DemoiOS/Android基于 EasyEdge 与 Paddle Lite提升部署能力新增 C 推理与 Serving 部署并提供超轻量中文 OCR 模型基准。2020.06.05支持将 attention 模型导出为 inference_model支持检测与识别分离预测并输出结果分数。2020.05.30提供轻量中文 OCR 在线体验模型预测与训练支持 Windows开源通用中文 OCR 模型开源 8.6M 轻量中文 OCR 模型。数据集相关资料可参考 docs/datasets/datasets.en.md。九、如何在本仓库中验证与上手 3.x 能力基于上述版本脉络读者可以按以下路径在本仓库中快速定位对应能力安装与框架版本参见安装指南与 paddlepaddle_installation.en.md确认与 RTX 50 系列等硬件的 PaddlePaddle 版本匹配关系。产线源码进入 paddleocr/_pipelines按需阅读ocr.py通用 OCR、pp_structurev3.py文档解析、pp_chatocrv4_doc.py文档理解、pp_doctranslation.py文档翻译、table_recognition_v2.py表格识别 v2、doc_preprocessor.py文档预处理。模型配置进入 configs 查看检测det/、识别rec/含 PP-OCRv5 多语言子目录、表格table/、分类cls/等真实 YAML 配置重点关注model_name、character_dict_path、limit_side_len等字段。部署代码C 推理见 deploy/cpp_infer服务化见 deploy/hubserving多语言 SDK 示例见 api_sdkGo、TypeScript端侧见 deploy/android_demo、deploy/ios_demo 与 deploy/ppocr-android。MCP Server在 mcp_server/paddleocr_mcp 下查看 stdio / Streamable HTTP 两种调用方式--http参数可切换到 HTTP 模式默认127.0.0.1:8000。升级迁移从 2.x 迁移到 3.x 时重点阅读升级指南关注模型命名规范、推理模型文件格式xxx.json与 Python API/CLI 的统一变化。十、结语版本演进的启示纵观这份更新日志PaddleOCR 的演进呈现出三个鲜明特征从「单点 OCR」到「文档智能」2.x 时代聚焦检测/识别精度与速度3.x 时代则围绕 PP-StructureV3、PP-ChatOCRv4、PP-DocTranslation 构建完整的文档解析、理解与翻译链路并新增图表转表格PP-Chart2Table等细分能力从「Python 独占」到「全栈部署」C 推理补齐、六语言 SDK 示例、服务化 Docker 与原生 HTTP 调用、MCP Server 集成使 PaddleOCR 可以被任意语言、任意架构的业务系统调用从「版本碎片」到「统一架构」3.0 起统一 Python API 与 CLI、统一模型命名、统一配置导出配合核心/可选依赖分离显著降低了使用与维护成本。对于开发者而言理解这份版本更新的意义在于当你在仓库中看到某个模型、某个参数或某个方法时能够依据本文梳理的版本脉络快速判断其引入时机、设计动机与所在源码位置从而更高效地完成选型、配置、迁移与二次开发。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考