首页 > AI教程资讯

百度发布新一代文字识别AI模型PP-OCRv5：仅0.07B，部分测试超GPT-4o

文章来源：08AI导航发布时间：2025-10-14 15:28:52

IT之家9月13日消息，百度于9月10日在HuggingFace发布新一代文字识别解决方案PP-OCRv5。

百度介绍称，PP-OCRv5是一个为缓解大型视觉语言模型（VLMs）局限性而设计的专用OCR模型，它提供了一种高效、准确且轻量级的解决方案。

PP-OCRv5通过保持模块化、两阶段的流程，专门针对高速、精确的文本检测和识别，解决了大型VLMs的精确文本定位和边界框精度局限性问题。

PP-OCRv5的亮点如下：

效率：该模型参数量仅为0.07B，能够在CPU和边缘设备上实现更高性能，其移动版本在英特尔XeonGold6271CCPU上每秒可处理超过370个字符。

性能：PP-OCRv5在OCR特定基准测试中优于通用型VLM模型，如Gemini2.5Pro、Qwen2.5-VL和GPT-4o，包括手写和印刷的中英文以及拼音文本。

定位：PP-OCRv5旨在提供精确的文本行边界框坐标，这对于结构化数据提取和内容分析是关键要求。

多语言支持：该模型支持五种文字类型——简体中文、繁体中文、英文、日文和拼音，并能识别超过40种语言。

PP-OCRv5由四个核心组件构成：

图像预处理：处理图像的旋转和畸变，以标准化输入。

文本检测：识别图像中文本行的精确位置。

文本行方向：分类检测到的文本方向，以确保其正确对齐以进行识别。

文本识别：将每行文本中的字符解码为文本字符串。

IT之家附PP-OCRv5下载地址如下：

https://huggingface.co/collections/PaddlePaddle/pp-ocrv5-684a5356aef5b4b1d7b85e4b

海尔AI多联机入驻上合组织天津峰会主场馆

上一篇: 海尔AI多联机入驻上合组织天津峰会主场馆

9月10日，作为2025中国国际服务贸易交易会框架下的重要活动，“中国国际糖果季”开幕式暨专题论坛在北京首钢园举行。活动伊始，首钢园大跳台北广场冷却塔旁迎来见证“甜蜜事业

AI伴侣翻车？美国对Meta、OpenAI等启动调查

下一篇: AI伴侣翻车？美国对Meta、OpenAI等启动调查

美国联邦贸易委员会向七家公司发出命令，要求提供信息以了解人工智能聊天机器人对儿童和青少年的负面影响。

相关攻略更多

热门AI工具更多

最新资讯更多

迅雷PC端

迅雷PC端

AI工具

更新时间：2026-09-15