97毫秒！百度 PP-OCRv6 把 OCR 帶進毫秒時代
重點摘要
近日，百度文心正式發佈新一代OCR模型PP-OCRv6，一次性推出Tiny、Small、Medium三檔模型，支持 50 多種語言，覆蓋瀏覽器端、嵌入式設備到服務器等主流場景。公開結果顯示，PP-OCRv6再次刷新OCR領域評測紀錄，綜合性能位居全球第一。其中，PP-OCRv6 Tiny的尺寸僅1.5MB，可直接部署於本地瀏覽器環境，單圖預測最快僅需 97 毫秒。用戶數據無需上傳雲端即可完成OCR處理，在保障隱私安全的同時，大幅降低部署門檻。有開發者評價，PP-OCRv6可能是全球唯一可在瀏覽器環境運行的高精度OCR模型，為 Agent 裝上一雙眼睛，能夠在智能辦公、教育、工業等場景提供更加輕量、高效的視覺感知能力。 在性能方面，PP-OCRv6在保持輕量化優勢的同時進一步提升識別精度和推理速度，綜合性能顯著增強。PP-OCRv6在文本檢測和文本識別任務中分別取得86.2和83.2的成績，雙雙刷新此前由PP-OCRv5保持的OCR領域最佳水平，整體表現領先於Qwen3-VL-235B、GPT-5.5、Gemini-3.1-Pro等國內外主流多模態大模型，在OCR專業任務上展現出更強競爭力。 作為文心大模型多模態能力的重要組成部分，PP-OCR系列近年來持續推進文本檢測與識別技術升級，先後推出PP-OCRv1至PP-OCRv6等多個版本。目前，PP-OCR系列所在的PaddleOCR項目已支持超110種語言識別，服務覆蓋全球170多個國家和地區。憑藉輕量化、高精度等特點，PP-OCR系列已被廣泛集成至UmiOCR、MinerU、TurboOCR等業界OCR工具鏈中，並應用於文檔解析、數據處理、知識庫構建等場景，成為開發者和企業常用的開源OCR解決方案之一；同時，PP-OCR系列也成為各大模型團隊開展數據預處理、文檔解析和知識提取的重要工具，為模型訓練與應用落地提供支持。在Gi
近日，百度文心正式發佈新一代OCR模型PP-OCRv6，一次性推出Tiny、Small、Medium三檔模型，支持 50 多種語言，覆蓋瀏覽器端、嵌入式設備到服務器等主流場景。公開結果顯示，PP-OCRv6再次刷新OCR領域評測紀錄，綜合性能位居全球第一。其中，PP-OCRv6 Tiny的尺寸僅1.5MB，可直接部署於本地瀏覽器環境，單圖預測最快僅需 97 毫秒。用戶數據無需上傳雲端即可完成OCR處理，在保障隱私安全的同時，大幅降低部署門檻。有開發者評價，PP-OCRv6可能是全球唯一可在瀏覽器環境運行的高精度OCR模型，為 Agent 裝上一雙眼睛，能夠在智能辦公、教育、工業等場景提供更加輕量、高效的視覺感知能力。 在性能方面，PP-OCRv6在保持輕量化優勢的同時進一步提升識別精度和推理速度，綜合性能顯著增強。PP-OCRv6在文本檢測和文本識別任務中分別取得86.2和83.2的成績，雙雙刷新此前由PP-OCRv5保持的OCR領域最佳水平，整體表現領先於Qwen3-VL-235B、GPT-5.5、Gemini-3.1-Pro等國內外主流多模態大模型，在OCR專業任務上展現出更強競爭力。 作為文心大模型多模態能力的重要組成部分，PP-OCR系列近年來持續推進文本檢測與識別技術升級，先後推出PP-OCRv1至PP-OCRv6等多個版本。目前，PP-OCR系列所在的PaddleOCR項目已支持超110種語言識別，服務覆蓋全球170多個國家和地區。憑藉輕量化、高精度等特點，PP-OCR系列已被廣泛集成至UmiOCR、MinerU、TurboOCR等業界OCR工具鏈中，並應用於文檔解析、數據處理、知識庫構建等場景，成為開發者和企業常用的開源OCR解決方案之一；同時，PP-OCR系列也成為各大模型團隊開展數據預處理、文檔解析和知識提取的重要工具，為模型訓練與應用落地提供支持。在GitHub上，PaddleOCR的Star數量已突破8.22萬，超過谷歌旗下開源OCR標杆產品Tesseract OCR，成為全球最受關注的開源OCR項目之一。目前，PP-OCRv6 已上線 PaddleOCR 官網，用戶可通過網頁或API方式快速使用，代碼和模型權重也已開源至Github 和 HuggingFace，服務廣大用戶下載和使用。PaddleOCR官網：paddleocr.comGithub：github.com/PaddlePaddle/PaddleOCRHuggingFace：https://huggingface.co/collections/PaddlePaddle/pp-ocrv6
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。