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
IT 之家 9 月 13 日消息，百度于 9 月 10 日在 Hugging Face 发布新一代文字识别解决方案 PP-OCRv5。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
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 Xeon Gold 6271C CPU 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 Gemini 2.5 Pro、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
热门专题
热门推荐
4月3日消息，今日，OPPO官微宣布，OPPO Find X9s Pro将首发新一代1nit明眸护眼屏，宣称全场景都护眼。据悉，这块屏幕来自新一代天马天工屏，搭载全新U9 Pro发光基材，从材料、器
Word行距异常增大可按五步解决：一、重置段前段后间距为0并设单倍行距；二、改用固定值行距（如小四号设18磅）；三、清除样式继承并修复Normal模板；四、禁用自动格式更正干扰项；
汽车4月3日消息，4月3日，“年轻人第一台GT”比亚迪2026款海豹06GT新车交付仪式在深圳举行，作为海洋网又一搭载第二代刀片电池和最新闪充技术的重磅车型，上市售价12 89万元-16 99万元，
汽车4月3日消息，广汽埃安宣布将于 4 月 16 日举办品牌焕新发布会，埃安 N60 汽车将同步开启预售。目前新车已开启盲订，支付 99 元定金可享价值 5088 元礼遇。该车由曾任职于宝马等品牌的
4月5日消息，一起教育科技(NASDAQ: YQ)日前发布截至2025年12月31日的财报。财报显示，一起教育科技2025年营收为1 06亿（约1520万美元），较上年同期的1 89亿元下降44%。