跳转到内容
主站 新闻 控制台

PaddleOCR 3.5:使用 Transformers 后端运行 OCR 和文档解析任务

· Hugging Face
教程模型卡

PaddleOCR 3.5:使用 Transformers 后端运行 OCR 和文档解析任务

2026 年 5 月 18 日发布

PaddleOCR 3.5 将 OCR 和文档解析任务更紧密地带入 Hugging Face 生态。借助此次发布,支持的 PaddleOCR 模型可以通过设置以下参数,使用 Hugging Face Transformers 作为推理后端 运行:

engine="transformers"

PaddleOCR 仍然提供 PP-OCRv5 等 OCR 模型系列,以及 PaddleOCR-VL 1.5 等文档解析模型系列,而 Transformers 现在成为运行这些模型的受支持后端之一。

在 Hugging Face Spaces 上试用在线演示: https://huggingface.co/spaces/PaddlePaddle/paddleocr-3.5-transformers-demo

有哪些变化?

PaddleOCR 3.5 引入了更灵活的推理引擎接口。开发者可以通过 engine 参数选择后端,并通过 engine_config 传入特定于后端的选项。

在实践中,这意味着:

  • 这些任务背后的流水线由 PaddleOCR 管理,因此开发者无需手动调用每个内部组件。
  • Transformers 成为支持的推理后端之一,可用于运行受支持的 PaddleOCR 模型。
  • 开发者可以通过 engine_config 配置后端相关选项,例如 dtype、设备放置以及注意力实现方式。

可将整体技术栈简单理解为:

层级含义示例
应用层使用 OCR 和文档解析输出的应用RAG、智能体、Document AI…
模型层OCR 和文档解析能力PP-OCRv5、PaddleOCR-VL 1.5…
推理后端层用于运行受支持模型的运行时Paddle 静态图、Paddle 动态图、Transformers

此次发布主要影响的是推理后端层:PaddleOCR 继续提供 OCR 和文档解析能力,而 Transformers 则为受支持的 PaddleOCR 模型提供了另一个后端选项,并且与以 Hugging Face 为中心的环境自然契合。更广义的 Document AI 工作流仍由开发者和应用构建者掌控。

为什么这很重要

对于 RAG、Document AI 和文档智能体应用来说,难点往往从 LLM 之前就已经开始了。

开发者首先需要把 PDF、扫描文档、截图、表格、图表、公式以及复杂页面布局转换为可靠的结构化数据。如果这一步摄取(ingestion)质量不高,后续的文档 to be continued