Was ist PP-OCRv6?
PP-OCRv6 ist die sechste Generation von Baidus Texterkennungspipeline PaddleOCR, veröffentlicht am 11. Juni 2026 mit PaddleOCR 3.7.0 und einem technischen Bericht auf arXiv. Es ist kein Vision-Language-Modell: Ein Detektor findet Textzeilen, und ein separater Erkenner liest jede davon. Es gibt drei Stufen, tiny mit 1,5 Millionen Parametern, small mit 7,7 Millionen und medium mit 34,5 Millionen, bestehend aus einem Detektor mit 15,5M und einem Erkenner mit 19M.
Alle drei teilen einen neuen Block im Stil von MetaFormer. Der Erkenner der Stufe medium kombiniert ein Backbone LCNetV4 mit einem leichten SVTR-Attention-Neck und Decoder-Heads für CTC und NRTR. Ein einziges Erkennungsmodell deckt Chinesisch, Englisch, Japanisch und Sprachen in lateinischer Schrift ab; die Release Notes nennen 50 Sprachen, die Übersicht der Model Card 48.
Es liefert Textzeilen mit Boxen und Konfidenzwerten, kein Markdown. Tabellen, Formeln und Lesereihenfolge brauchen die separaten Layout- und Strukturmodelle von PaddleOCR oder PaddleOCR-VL.
Lohnt sich PP-OCRv6?
PP-OCRv6 ist der am besten unterstützte Weg, einfache Textzeilen ohne GPU zu lesen, mit dem Vorbehalt, dass seine Genauigkeitswerte aus Baidus hausinternen Benchmarks stammen. Dort erreicht die Stufe medium 86,2% Hmean bei der Erkennung von Textbereichen und 83,2% Genauigkeit beim Lesen, 4,6 und 5,1 Punkte über PP-OCRv5_server. Laut Baidu läuft die Stufe tiny auf einem Intel Xeon bei ähnlicher Genauigkeit 3,9-mal schneller als PP-OCRv5_mobile, und die Release Notes nennen 0,13 Sekunden pro Bild auf einer A100.
Den Vergleich mit großen Modellen muss man genau lesen. Baidus Tabellen setzen GPT-5.5 beim Lesen auf 64,2, Gemini 3.1 Pro auf 71,4 und Qwen3-VL-235B auf 74,9, gegenüber 83,2 für die Stufe medium, und die allgemeinen Modelle schneiden bei der Erkennung von Textbereichen weit schlechter ab, weil sie nie dafür gebaut wurden, enge Boxen um Textzeilen zu liefern. Das zeigt, dass ein Spezialist beim OCR auf Zeilenebene gewinnt, nicht dass PP-OCRv6 Dokumente besser parst als ein VLM.
Der einzige externe Datenpunkt ist indirekt. Auf der unabhängigen BHL-Rangliste mit 2.165 Seiten historischer Bücher belegt krakens eigener Erkenner PP-OCRv6-medium, dieselbe Architektur auf einem anderen Korpus trainiert, Platz 9 von 26 mit einer Zeichenfehlerrate von 0,0338 und dem besten diplomatischen Wert der Rangliste, bei null Seiten mit Schleifen. Die Betreuer der Rangliste sagen, Baidus eigenes PP-OCRv6 werde aufgenommen, sobald sein Lauf ihre Anforderungen erfüllt.
Die Verbreitung ist breit. Innerhalb von fünf Monaten listet der Hugging Face Hub Feinabstimmungen der Community für Arabisch, Vietnamesisch, Kyrillisch, Hebräisch und Manga-Text sowie Portierungen auf MLX, LiteRT, ExecuTorch und Rust. Neben PaddleOCR-VL-1.6 oder MiniCPM-OCR 1.0 verzichtet es auf Tabellen, Formeln und Markdown und läuft dafür auf Hardware, auf der diese Modelle nicht laufen.
Wo es sich lohnt
Ein Mobile-Entwickler bei einer Spesen-App mit 12 Mitarbeitern
Kassenbons auf dem Handy lesen, ohne Bilder an einen Server zu schicken
Liefere die Stufe tiny oder small über eine Community-Portierung auf LiteRT oder ExecuTorch aus. Mit 1,5M bis 7,7M Parametern passen die Modelle in ein App-Paket, und Apache 2.0 erlaubt kommerzielle Nutzung ohne Gebühren.
Ein Fertigungsingenieur, der an einer Produktionslinie Seriennummern und Punktmatrix-Codes liest
Industrieetiketten per OCR auf Linien-PCs ohne GPU lesen
Betreibe die PaddleOCR-Pipeline mit Detektor und Erkenner der Stufe medium per OpenVINO auf der CPU. Baidu meldet 73,3% auf seinem industriellen Erkennungssatz für Textbereiche und 77,4% beim industriellen Lesen, prüfe also an deinen eigenen Etiketten, bevor du manuelle Kontrollen abschaltest.
Ein Data Engineer, der einen Suchindex über Millionen gescannter Seiten aufbaut
Rohtext günstig extrahieren, bevor schwierige Seiten an ein VLM gehen
Lass zuerst PP-OCRv6 laufen und leite nur Seiten mit niedriger Konfidenz oder vielen Tabellen an PaddleOCR-VL-1.6 weiter. Jede Zeile trägt einen Konfidenzwert, der eine natürliche Schwelle für die Weiterleitung bietet.
Bevor du dich festlegst
- Einrichtung
- PaddlePaddle installieren, dann pip install paddleocr (3.7+), und paddleocr ocr -i image.png mit den Namen von Detektor und Erkenner für PP-OCRv6 ausführen; ONNX-Builds kommen ohne die PaddlePaddle-Laufzeit aus.
- Integrationen
- PaddleOCR-CLI und Python-API mit optionalen Modulen für Ausrichtung und Entzerrung; ONNX und safetensors auf Hugging Face; OpenVINO auf der CPU; Community-Portierungen auf MLX, GGUF, LiteRT, ExecuTorch und Rust.
- Daten und Datenschutz
- Apache 2.0 für Gewichte und Code; alles läuft lokal, Bilder verlassen also nie deine Hardware.
- Kosten im großen Maßstab
- Die Gewichte sind kostenlos und winzig, CPU-Server sind also machbar; Baidu nennt für die Stufe tiny eine 5,2-mal schnellere CPU-Inferenz mit OpenVINO, 6,1-mal auf einem Apple M4 und 0,13 Sekunden auf einer A100.
- Grenzen
- Nur Ausgabe auf Zeilenebene; kein Layout, keine Tabellen oder Formeln ohne zusätzliche PaddleOCR-Module; Handschrift und künstlerischer Text bleiben in Baidus eigenen Tabellen die schwächsten Kategorien.
Was gut ist
- 1,5M bis 34,5M Parameter; läuft auf CPUs, Handys und Edge-Boards
- Stufe medium mit 83,2% beim Lesen, 5,1 Punkte über PP-OCRv5_server (hausintern)
- Gerät nie in Schleifen: krakens Version bewertete jede der 2.165 BHL-Seiten
- Apache 2.0, mit Builds in ONNX und safetensors für jede Stufe
Was nicht
- Nur Textzeilen und Boxen; keine Tabellen, Formeln oder Markdown
- Alle Hauptwerte stammen aus Baidus hausinternen Benchmarks
- Release Notes nennen 50 Sprachen, die Model Card 48
- Handschrift ist schwach: 62,1% auf Chinesisch und 67,8% auf Englisch für die Stufe medium
Am besten für
Entwickler, die schnelles, günstiges OCR auf Zeilenebene auf CPUs, Handys oder Edge-Geräten brauchen oder als erste Stufe ihrer eigenen Dokumentpipeline.
Alternativen zu PP-OCRv6
PP-OCRv6: häufige Fragen
- Lohnt sich PP-OCRv6?
- PP-OCRv6 liest Textzeilen auf einer CPU oder einem Handy zu einem Bruchteil der Kosten eines VLM, solange du nur die Wörter brauchst und nicht die Seitenstruktur. Wir bewerten es mit 4.1 von 5.
- Was kostet PP-OCRv6?
- Kostenlos unter Apache 2.0. Kein gehosteter Preis des Herstellers veröffentlicht.
- Welche Nachteile hat PP-OCRv6?
- Nur Textzeilen und Boxen; keine Tabellen, Formeln oder Markdown; Alle Hauptwerte stammen aus Baidus hausinternen Benchmarks; Release Notes nennen 50 Sprachen, die Model Card 48; Handschrift ist schwach: 62,1% auf Chinesisch und 67,8% auf Englisch für die Stufe medium.
- Für wen eignet sich PP-OCRv6?
- Entwickler, die schnelles, günstiges OCR auf Zeilenebene auf CPUs, Handys oder Edge-Geräten brauchen oder als erste Stufe ihrer eigenen Dokumentpipeline.
- Was kostet PP-OCRv6 für ein Team oder im Produktivbetrieb?
- Die Gewichte sind kostenlos und winzig, CPU-Server sind also machbar; Baidu nennt für die Stufe tiny eine 5,2-mal schnellere CPU-Inferenz mit OpenVINO, 6,1-mal auf einem Apple M4 und 0,13 Sekunden auf einer A100.
- Ist PP-OCRv6 sicher für Firmendaten?
- Apache 2.0 für Gewichte und Code; alles läuft lokal, Bilder verlassen also nie deine Hardware.
- Was sind die besten Alternativen zu PP-OCRv6?
- Die nächsten Alternativen, die wir getestet haben, sind Nemotron OCR v2, PaddleOCR-VL-1.6, Surya OCR 2.5 und MiniCPM-OCR 1.0.
Antworten geprüft am 2. Nov. 2026.
Du entwickelst PP-OCRv6? Zeig diese Bewertung auf deiner Website
