百度PaddleOCR 3.5 重磅更新：原生支持 Hugging Face Transformers 后端，无缝集成 RAG 与文档 AI 工作流，PP-OCRv5 性能再升级

在构建 RAG（检索增强生成）、文档 AI 及智能代理应用时，高质量的文档结构化数据是基石。然而，传统 OCR 工具往往独立于主流深度学习生态，导致集成复杂、维护成本高。PaddleOCR 3.5 是百度飞桨推出的最新版本，首次引入 Hugging Face Transformers 作为官方支持的推理后端。

• 文档: https://www.paddleocr.ai
• GitHub: https://github.com/PaddlePaddle/PaddleOCR
• 模型: https://huggingface.co/PaddlePaddle
• Demo: https://huggingface.co/spaces/PaddlePaddle/paddleocr-3.5-transformers-demo

通过简单的 engine="transformers" 配置，开发者即可将业界领先的 PP-OCRv5 OCR 模型与 PaddleOCR-VL 1.5 文档解析模型无缝融入 PyTorch/HF 技术栈。这不仅降低了集成门槛，更让文档预处理成为 LLM 工作流中自然、高效的一环。

核心亮点：HF 生态集成、灵活后端、强力模型

1. 原生集成 Hugging Face Transformers

• 无缝对接：支持通过 engine="transformers" 参数直接调用 HF Transformers 库进行推理，无需额外转换或中间件。
• 统一体验：对于已熟悉 HF 生态的开发者，可享受一致的模型加载、实验管理及部署流程。
• Hub 分发支持：支持的 PaddleOCR 模型可通过 Hugging Face Hub 发现、下载与版本管理，简化依赖处理。

2. 灵活的双后端架构

• 按需选择：
  • Transformers 后端：适合追求开发体验统一、易于与现有 PyTorch 服务集成的场景。
  • Paddle Static 后端：适合追求极致吞吐量与生产级性能的场景，仍是默认推荐的高性能选项。
• 透明配置：通过 engine_config 字典透传后端特定参数（如 dtype, device, attn_implementation），实现细粒度控制。
• 管道管理：无论选择何种后端，PaddleOCR 仍统一管理复杂的 OCR/文档解析管道（检测、识别、版面分析等），开发者无需手动编排组件。

3. 顶尖模型加持：PP-OCRv5 & PaddleOCR-VL

• PP-OCRv5 系列：新一代通用 OCR 模型，在精度与速度上达到新平衡，支持多语言、复杂背景及低分辨率文本。
• PaddleOCR-VL 1.5：强大的文档解析模型，能够精准提取表格、公式、图表及复杂版面结构，输出高质量结构化数据（Markdown/JSON）。
• 解决“输入瓶颈”：为 LLM 提供清晰、准确的文档上下文，显著降低幻觉率，提升 RAG 系统的回答质量。

4. 极简 API，开箱即用

• 命令行一键运行：

  paddleocr ocr -i image.png --device gpu:0 --engine transformers
  

• Python API 灵活配置：

  from paddleocr import PaddleOCR
  
  pipeline = PaddleOCR(
      device="gpu:0",
      engine="transformers",
      engine_config={"dtype": "bfloat16", "attn_implementation": "sdpa"},
  )
  results = pipeline.predict("document.pdf")
  

快速开始

1. 环境准备

确保安装 Python 3.8+，并安装以下库：

pip install paddleocr paddlex transformers torch torchvision torchaudio
# 根据硬件选择适合的 PyTorch 版本

2. Python API 使用示例

from paddleocr import PaddleOCR

# 初始化 Pipeline，指定 Transformers 后端
pipeline = PaddleOCR(
    device="gpu:0",  # 或 "cpu"
    engine="transformers",
    use_doc_orientation_classify=False,  # 可选：禁用方向分类以加速
    use_doc_unwarping=False,             # 可选：禁用文档矫正
    engine_config={
        "dtype": "float16",              # 使用半精度加速
        "attn_implementation": "sdpa",   # 使用缩放点积注意力加速
    },
)

# 执行预测
image_path = "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png"
results = pipeline.predict(image_path)

# 处理结果
for result in results:
    print(result['rec_texts'])  # 识别文本
    print(result['rec_scores']) # 置信度

3. 命令行使用

# 单张图片 OCR
paddleocr ocr \
  -i demo_image.png \
  --device gpu:0 \
  --engine transformers

# 文档解析（需指定 doc 任务）
paddleocr doc \
  -i demo_pdf.pdf \
  --device gpu:0 \
  --engine transformers

何时选择 Transformers 后端？