PP-OCRv6 (ppocr-v6)

以 Markdown 查看在 Playground 中试用即将推出

ppocr-v6（PP-OCRv6 small）识别截图和裁剪区域中的文字。每一行返回文字、置信度、外接框和四边形，默认还返回字级框。每次调用处理一张图片，与行数无关。


模型 ID	`ppocr-v6`（接口的默认模型）
模型	PP-OCRv6 small（PaddlePaddle）
权重	PaddleOCR 官方 PP-OCRv6 small 检测与识别模型
用例	文字识别（OCR）
接口	`POST /v1/ocr`
模型池	公共池：所有已注册账户可用，每个 UTC 日包含 100 次调用
计费单位	`image`。单位与价格：计费
许可证	Apache-2.0

工作原理

一次调用在图片上依次运行两个阶段：文字检测和文字行识别。计费对应的是图片，而不是这两个阶段。

检测。 检测模型找出图片中含有文字的区域。每个区域是一个四角形状，因此倾斜的文字行和水平的文字行一样能被定位。结果以该行的 quad 和与坐标轴对齐的 bbox 返回。

文字行识别。 识别模型把每个检测到的区域作为一行读取，返回文字和置信度。低于 options.minConfidence（默认 0.5）的行在构建响应前被丢弃。

字级框。 options.words（默认 true）开启时，识别器还会定位每一行的各个片段，每一行都带有字级框。模型不为单个字单独打分，因此每个字携带其所在行的置信度。options.words 为 false 时不返回字级框，响应更小。

该模型不做版面分析：文字行按识别结果原样返回，归并为段落或分栏由调用方自行处理。需要版面时请使用 paddleocr-vl。两个阶段每次调用各运行一次，且不依赖缓存，因此无论找到多少行或多少个字，一次调用都计为一次 image。

ppocr-v6 是 POST /v1/ocr 的默认模型，是截图、界面截屏、小票、代码窗口和裁剪区域，以及需要原样复制文字的场景的低成本选择。

每次调用一张图片。找到的每一行文字都返回 text、confidence、bbox 和 quad；对倾斜文字，quad 比 bbox 更贴合。
字级框默认开启，用于定位行内的单个词元，例如高亮搜索命中，或确定点击位置。空白字符可能单独作为一个字出现。
options.minConfidence（0 至 1，默认 0.5）用于丢弃置信度低的行。
不返回版面、阅读顺序、表格和公式。
坐标为摆正后的原图的像素：见限制与说明。

用例说明与调用示例：文字识别（OCR）。

ppocr-v6 不提供：它返回纯文字行，没有区块、阅读顺序、表格和公式。需要结构的页面请使用 paddleocr-vl。