数字中国 人工智能 汽车智驾 手机数码 智慧家电 酷玩配件 科技创投 产业+ 更多
实时
当前位置：数智频道首页 > 人工智能 > 正文

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

2025-09-14 08:19:19 来源：IT之家 A+A-

9月10日，百度在Hugging Face平台发布了新一代文字识别解决方案PP-OCRv5。这款模型旨在解决大型视觉语言模型（VLMs）在精确文本定位和边界框精度上的局限性，提供了一种高效、准确且轻量级的解决方案。

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

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。该模型参数量仅为0.07B，在CPU和边缘设备上表现出色，移动版本在英特尔Xeon Gold 6271C CPU上每秒可处理超过370个字符。在OCR特定基准测试中，PP-OCRv5的表现优于Gemini 2.5 Pro、Qwen2.5-VL和GPT-4o等通用型VLM模型，支持手写和印刷的中英文及拼音文本。

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

此外，PP-OCRv5能够提供精确的文本行边界框坐标，这对结构化数据提取和内容分析至关重要。它还支持五种文字类型——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。

该模型由四个核心组件构成：图像预处理、文本检测、文本行方向分类和文本识别。图像预处理部分负责处理图像的旋转和畸变，以标准化输入；文本检测则识别图像中文本行的精确位置；文本行方向分类确保检测到的文本正确对齐以进行识别；最后，文本识别将每行文本中的字符解码为文本字符串。

热点推送

本周关注

MORE
    关于中华网 广告服务 联系我们 招聘信息 版权声明 豁免条款 友情链接 中华网动态
    网上不良信息举报电话：010-56177181执行主编：张蕾
    京ICP备18035944号@版权所有 中华网