百度发布新一代文字识别解决方案：PP-OCRv5

百度发布了 OCR 模型 PP-OCRv5，旨在解决通用视觉语言模型（VLMs）在 OCR 领域的局限性。PP-OCRv5 作为 PP-OCR 新一代文字识别解决方案，该方案聚焦于多场景、多文字类型的文字识别。

在文字类型方面，PP-OCRv5 支持简体中文、中文拼音、繁体中文、英文、日文 5 大主流文字类型，在场景方面，PP-OCRv5 升级了中英复杂手写体、竖排文本、生僻字等多种挑战性场景的识别能力。在内部多场景复杂评估集上，PP-OCRv5 较 PP-OCRv4 端到端提升 13 个百分点。

PP-OCRv5 采用模块化两阶段流程，专为高速、精确的文本检测和识别设计。该模型更小、更高效，尤其适合资源受限硬件。

PP-OCRv5 模型架构为两阶段流水线，包含图像预处理、文本检测、文本行方向分类和文本识别四个核心组件。

该模型已在 Hugging Face 上线，用户可通过在线 Demo 测试其在处理多语言文档、手写文本和低质量扫描件时的实时精确结果。开发者可从 Hugging Face Models 下载模型，并通过安装 PaddlePaddle 和 PaddleOCR 库在本地部署使用。

https://huggingface.co/blog/baidu/ppocrv5