1. 写在前面

前三篇探索OCR方案的文章，主要是发表在去年的四月份。时光飞逝，一年后的今天，科技的飞速发展让人目不暇接，OCR领域也是成果满满，让人叹为观止。
PaddleOCR的发展依然不错，截至2026年初，PaddleOCR在GitHub上已获得超过7.33万星标，问鼎全球OCR项目榜首。同时，凭借 70,000+ Stars的成绩，PaddleOCR 已获得 Dify、RAGFlow、Cherry Studio 等顶级项目的广泛信赖，是构建智能 RAG 和 Agentic 应用的核心基础组件。

2. PP-OCRv5强在哪里

一句话重点：在内部多场景复杂评估集上，PP-OCRv5较PP-OCRv4端到端提升13个百分点。同时，PP-OCRv5在手写体、竖排文本、生僻字等复杂场景下的表现也有质的飞跃。
一句话总结：你的OCR工具箱中，可以把PP-OCRv5放入其中，并作为默认的OCR工具了。
如果你正在做OCR技术选型，那么恭喜你，这篇文章最适合你了。

3. 快速上手：5分钟搭建OCR识别环境

3.0 python创建虚拟环境

为了不陷入版本地狱，还是用虚拟环境做项目隔离。可以使用自己喜欢的方式，conda也好，venv也好。

# 创建并激活虚拟环境
python -m venv ocr_env
source ocr_env/bin/activate   # Linux/Mac
ocr_env\Scripts\activate      # Windows

3.1 先安装paddlepaddle

5060Ti的PC要确认CUDA的版本，才能安装对应的paddlepaddle。

nvidia-smi
Wed May  6 10:58:12 2026
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 576.88                 Driver Version: 576.88         CUDA Version: 12.9     |
|-----------------------------------------+------------------------+----------------------+

官网找到对应的命令：

 pip install paddlepaddle-gpu==3.3.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu129/

考验网速的时候到了，我这边安装完毕花了1分钟：

Installing collected packages: typing-extensions, setuptools, safetensors, protobuf, Pillow, nvidia-nvjitlink-cu12, nvidia-curand-cu12, nvidia-cuda-runtime-cu12, nvidia-cublas-cu12, numpy, networkx, idna, h11, certifi, opt-einsum, nvidia-cusparse-cu12, nvidia-cufft-cu12, nvidia-cudnn-cu12, httpcore, anyio, nvidia-cusolver-cu12, httpx, paddlepaddle-gpu
Successfully installed Pillow-12.1.0 anyio-4.12.1 certifi-2026.1.4 h11-0.16.0 httpcore-1.0.9 httpx-0.28.1 idna-3.11 networkx-3.6.1 numpy-2.4.1 nvidia-cublas-cu12-12.9.0.13 nvidia-cuda-runtime-cu12-12.9.37 
nvidia-cudnn-cu12-9.9.0.52 nvidia-cufft-cu12-11.4.0.6 nvidia-curand-cu12-10.3.10.19 nvidia-cusolver-cu12-11.7.4.40 nvidia-cusparse-cu12-12.5.9.5 nvidia-nvjitlink-cu12-12.9.86 opt-einsum-3.3.0 paddlepaddle-gpu-3.3.1 protobuf-6.33.4 safetensors-0.7.0 setuptools-80.9.0 typing-extensions-4.15.0

3.2 再安装PaddleOCR

pip install "paddleocr[all]"

4、验证安装与首次识别

from paddleocr import PaddleOCR

# 初始化OCR引擎，使用PP-OCRv5模型
ocr = PaddleOCR(use_angle_cls=True, lang='ch', ocr_version='PP-OCRv5')

# 图片路径
img_path = '../pic002.png'

# v4中的ocr方法变成了predict，这与yolo等库的使用更相似了
result = ocr.predict(img_path)

if result and len(result) > 0:
    # result[0] 就是一个字典（或可当字典用的对象）
    ocr_data = result[0]

    # 直接通过键名获取数据
    rec_texts = ocr_data['rec_texts']
    rec_scores = ocr_data['rec_scores']
    dt_polys = ocr_data['dt_polys']

    # 打印识别结果
    print("\n=== 识别结果 ===")
    for i, (text, score) in enumerate(zip(rec_texts, rec_scores)):
        print(f"{i + 1}. 文字: {text}, 置信度: {score:.4f}")

    try:
        ocr_data.save_to_img(save_path='result.jpg')
        print("\n可视化结果已保存为 result.jpg")
    except:
        print("保存可视化失败，可以手动绘制")
else:
    print("未识别到任何内容")

程序执行后会自动下载server v5版本的模型：

C:\Users\Administrator\.paddlex\official_models\PP-OCRv5_server_rec
C:\Users\Administrator\.paddlex\official_models\PP-OCRv5_server_det

PP-OCRv5_server_det目录是文本检测模型 (Detection Model)，它的任务是分析整个输入图像，定位出所有包含文字的区域，并用多边形（通常是四边形）的坐标框将它们标记出来。
PP-OCRv5_server_rec目录是文本识别模型 (Recognition Model)，它接收检测模型切出来的文字行图片，识别图片中的具体字符序列，并输出对应的文本内容。
两个模型都是80多MB大小，使用GPU推理速度还可以。

结果打印：

=== 识别结果 ===
1. 文字: 中文识别, 置信度: 0.9997
2. 文字: 高级应用场景, 置信度: 0.9994
3. 文字: 结构化数据提取, 置信度: 0.9997

我们解析结果，将文本内容和置信度打印出来，并将识别结果保存到图片中，如下图：

5、最后

时隔一年，有了v4的使用经历再次安装v5，在API的使用上也有了些许改变，识别的能力也更加强大了。很多场景比如技术选型、科研、学术，直接用PaddleOCR原生推理是最省事的选择。如果要脱离Paddle框架，可以选择使用onnx模型，这在用C++、C#做开发的场景就更加适合。后面我会找时间使用纯onnx方式做识别的部署。
下期再见！

参考

1. https://www.paddleocr.ai/latest/version3.x/pipeline_usage/OCR.html#21
2. https://www.paddleocr.ai
3. https://github.com/PaddlePaddle/PaddleOCR.ai/latest/version3.x/pipeline_usage/OCR.html#21
4. https://www.paddleocr.ai
5. https://github.com/PaddlePaddle/PaddleOCR