PP-OCRv6 是一款轻量级 OCR 系统，融合了架构创新与数据驱动优化。它围绕统一的 MetaFormer 风格构建块并结合结构重参数化技术，重新设计了骨干网络、检测 neck 和识别 neck。三个模型层级（medium、small、tiny）共享相同的块原语，覆盖从服务器到边缘设备的部署场景。
统一且可扩展的模型家族：三级 OCR 模型家族，参数规模从 150 万到 3450 万不等。PP-OCRv6_medium 实现了 86.2% 的检测 Hmean 和 83.2% 的识别准确率，相比 PP-OCRv5_server 分别提升了 +4.6% 和 +5.1%。
轻量化架构创新：(i) LCNetV4，采用结构重参数化的 MetaFormer 风格轻量级骨干网络；(ii) RepLKFPN，带有扩张可重参数化深度卷积的检测 neck；(iii) EncoderWithLightSVTR，具备局部-全局注意力和 additive 跳跃连接的识别 neck。
多语言与场景支持：支持 50 种语言及多样化工业场景（数字显示屏、点阵字符、轮胎印记等），在参数规模小几个数量级的情况下，性能超越 Qwen3-VL-235B、GPT-5.5 和 Gemini-3.1-Pro。
PP-OCRv6 文本识别架构 overview
PP-OCRv6_medium_rec 是 PP-OCRv6 系列中最大的识别模型。它采用 LCNetV4 作为骨干网络，EncoderWithLightSVTR 作为识别 neck，并配备 CTC+NRTR 多头解码器。该模型支持 50 种语言，包含 1900 万参数。关键准确率指标如下：
| 模型 | W-Avg | 手写中文 | 手写英文 | 印刷中文 | 印刷英文 | TC | 古文 | 日文 | 易混淆字符 | 特殊字符 | 通用场景 | 拼音 | 艺术字 | 工业场景 | 屏幕文字 | 证件文字 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 64.2 | 19.2 | 56.9 | 75.7 | 82.2 | 57.5 | 63.7 | 58.6 | 49.1 | 48.3 | 67.7 | 50.4 | 53.0 | 62.4 | 67.7 | 71.1 |
| Qwen3-VL-235B | 74.9 | 49.7 | 73.2 | 82.3 | 86.2 | 76.4 | 33.6 | 66.2 | 56.1 | 49.0 | 82.5 | 76.5 | 69.6 | 74.7 | 73.8 | 78.7 |
| Kimi-K2.6 | 62.9 | 31.0 | 58.4 | 76.8 | 80.9 | 62.7 | 16.5 | 54.1 | 43.5 | 38.0 | 68.0 | 45.2 | 59.9 | 57.1 | 58.4 | 68.4 |
| MiniMax-M3 | 54.1 | 15.5 | 60.3 | 63.5 | 81.5 | 53.2 | 2.2 | 43.7 | 42.2 | 42.8 | 53.8 | 50.3 | 44.3 | 44.1 | 56.6 | 67.0 |
| Gemini-3.1-Pro | 71.4 | 46.4 | 73.0 | 80.0 | 90.5 | 69.5 | 18.0 | 67.2 | 54.4 | 50.3 | 74.6 | 75.9 | 63.1 | 69.1 | 73.2 | 75.9 |
| PP-OCRv5_server | 78.1 | 58.0 | 59.6 | 90.1 | 85.1 | 74.7 | 60.4 | 73.7 | 59.4 | 56.8 | 86.5 | 74.4 | 64.0 | 70.2 | 68.1 | 87.6 |
| PP-OCRv5_mobile | 73.7 | 41.7 | 50.9 | 86.0 | 86.0 | 72.0 | 57.8 | 75.8 | 55.7 | 54.8 | 80.7 | 72.5 | 54.0 | 59.3 | 57.6 | 81.7 |
| PP-OCRv6_medium | 83.2 | 62.1 | 67.8 | 91.5 | 94.1 | 78.6 | 72.4 | 90.5 | 64.9 | 61.7 | 87.5 | 78.1 | 71.2 | 77.4 | 82.5 | 88.1 |
| PP-OCRv6_small | 81.3 | 57.6 | 61.1 | 90.5 | 93.3 | 77.0 | 71.1 | 88.2 | 64.1 | 60.2 | 85.7 | 75.9 | 68.4 | 76.4 | 79.7 | 86.9 |
| PP-OCRv6_tiny | 73.5 | 40.1 | 39.3 | 86.7 | 88.4 | 65.0 | 68.4 | 89.8 | 52.3 | 57.1 | 78.0 | 65.4 | 54.7 | 62.1 | 71.2 | 80.5 |
# Install the basic version
pip install paddleocr
# Install the full version (includes all features)
pip install "paddleocr[all]"pip install transformers torch您可以通过以下单条命令快速体验功能：
paddleocr text_recognition \
--model_name PP-OCRv6_medium_rec \
--engine transformers \
-i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/2PZfbirjfxA88695lRmgk.jpeg您也可以将文本识别模块的模型推理集成到您的项目中。在运行以下代码之前，请将示例图像下载到本地机器。
from paddleocr import TextRecognition
model = TextRecognition(model_name="PP-OCRv6_medium_rec", engine="transformers")
output = model.predict(input="2PZfbirjfxA88695lRmgk.jpeg", batch_size=1)
for res in output:
res.print()
res.save_to_json(save_path="./output/res.json")运行后，得到的结果如下：
{'res': {'input_path': '2PZfbirjfxA88695lRmgk.jpeg', 'page_index': None, 'rec_text': 'day as a reminder of the', 'rec_score': 0.9857}}可视化图像如下：
有关使用命令的详情和参数说明，请参阅文档。
通用 OCR pipeline 用于解决文本识别任务，通过从图像中提取文本信息来实现。该 pipeline 包含以下几个模块：
运行单个命令即可快速体验 OCR pipeline：
paddleocr ocr -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/3ul2Rq4Sk5Cn-l69D695U.png \
--text_detection_model_name PP-OCRv6_medium_det \
--text_recognition_model_name PP-OCRv6_medium_rec \
--engine transformers \
--use_doc_orientation_classify False \
--use_doc_unwarping False \
--use_textline_orientation True \
--save_path ./output \
--device gpu:0如果指定了 save_path，可视化结果将保存到 save_path 目录下。可视化输出如下所示：
项目集成方面：
from paddleocr import PaddleOCR
ocr = PaddleOCR(
text_detection_model_name="PP-OCRv6_medium_det",
text_recognition_model_name="PP-OCRv6_medium_rec",
engine="transformers",
use_doc_orientation_classify=False,
use_doc_unwarping=False,
use_textline_orientation=True,
)
result = ocr.predict("./3ul2Rq4Sk5Cn-l69D695U.png")
for res in result:
res.print()
res.save_to_img("output")
res.save_to_json("output")有关使用命令的详细说明和参数解释，请参考文档。
@misc{zhang2026ppocrv6,
title={PP-OCRv6: From 1.5M to 34.5M Parameters, Surpassing Billion-Scale VLMs on OCR Tasks},
author={Yubo Zhang and Xueqing Wang and Manhui Lin and Yue Zhang and Penglongyi Deng and Ting Sun and Tingquan Gao and Zelun Zhang and Jiaxuan Liu and Changda Zhou and Hongen Liu and Suyin Liang and Cheng Cui and Yi Liu and Dianhai Yu and Yanjun Ma},
year={2026},
eprint={2606.13108},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2606.13108},
}