百度发布PP-OCRv6：千万级参数媲美十亿级VLM，单模型支持50种语言

金色财经报道，百度飞桨团队发布新一代 OCR 系统 PP-OCRv6，提供 Tiny 1.5M、Small 7.7M 和 Medium 34.5M 三个版本，覆盖边缘设备、浏览器和云端部署场景。相比前代 PP-OCRv5，检测准确率提升 4.6%，识别准确率提升 5.1%，并将中文、英文、日文及 46 种拉丁语系语言整合进同一个统一模型。 PP-OCRv6 对检测与识别网络进行了重新设计，引入统一模块结构和结构重参数化（Structural Reparameterization）技术，在提升精度的同时降低计算开销。在 OpenVINO 优化下，Medium 版本端到端 CPU 推理速度最高提升 5.2 倍。 官方公布的测试结果显示，PP-OCRv6 在多项 OCR 基准上以千万级参数规模取得接近甚至超过部分十亿级视觉语言模型 VLM 的表现。团队还针对手写体、工业元器件标识、数码管、PCB 丝印和 CAD 图纸等场景进行了专项优化。目前相关代码已并入 PaddleOCR 项目并开源。