¿Qué es PP-OCRv6?
PP-OCRv6 es la sexta generación de la canalización de reconocimiento de texto PaddleOCR de Baidu, publicada el 11 de junio de 2026 con PaddleOCR 3.7.0 y un informe técnico en arXiv. No es un modelo de visión y lenguaje: un detector encuentra las líneas de texto y un reconocedor aparte lee cada una. Viene en tres niveles, tiny con 1,5 millones de parámetros, small con 7,7 millones y medium con 34,5 millones, formado por un detector de 15,5M y un reconocedor de 19M.
Los tres comparten un nuevo bloque al estilo MetaFormer. El reconocedor medium combina una red troncal LCNetV4 con un cuello de atención SVTR ligero y cabezas decodificadoras CTC y NRTR. Un solo modelo de reconocimiento cubre chino, inglés, japonés e idiomas de escritura latina; las notas de versión hablan de 50 idiomas, el resumen de la ficha del modelo de 48.
Devuelve líneas de texto con cuadros y puntuaciones de confianza, no Markdown. Las tablas, las fórmulas y el orden de lectura requieren los modelos aparte de maquetación y estructura de PaddleOCR o PaddleOCR-VL.
¿Merece la pena PP-OCRv6?
PP-OCRv6 es la forma mejor soportada de leer líneas de texto simples sin GPU, con la salvedad de que sus cifras de precisión vienen de benchmarks internos de Baidu. En ellos, el nivel medium obtiene un 86,2% de Hmean de detección y un 83,2% de precisión de reconocimiento, 4,6 y 5,1 puntos por encima de PP-OCRv5_server. Baidu dice que el nivel tiny funciona 3,9 veces más rápido que PP-OCRv5_mobile en un Intel Xeon con una precisión similar, y las notas de versión citan 0,13 segundos por imagen en una A100.
La comparación con modelos grandes hay que leerla con cuidado. Las tablas de Baidu dan a GPT-5.5 un 64,2, a Gemini 3.1 Pro un 71,4 y a Qwen3-VL-235B un 74,9 en reconocimiento, frente al 83,2 del nivel medium, y los modelos generales puntúan mucho más bajo en detección porque nunca se hicieron para devolver cuadros ajustados de líneas de texto. Eso muestra que un especialista gana en OCR a nivel de línea, no que PP-OCRv6 analice documentos mejor que un VLM.
El único dato externo es indirecto. En la clasificación independiente BHL de 2.165 páginas de libros históricos, el reconocedor PP-OCRv6-medium propio de kraken, la misma arquitectura entrenada con otro corpus, ocupa el 9.º puesto de 26 con una tasa de error de caracteres de 0,0338 y la mejor puntuación diplomática de la tabla, sin ninguna página en bucle. Los responsables de la clasificación dicen que añadirán el PP-OCRv6 de Baidu cuando su ejecución cumpla sus requisitos.
La adopción es amplia. En cinco meses, el hub de Hugging Face recoge ajustes finos de la comunidad para árabe, vietnamita, cirílico, hebreo y texto de manga, y adaptaciones a MLX, LiteRT, ExecuTorch y Rust. Al lado de PaddleOCR-VL-1.6 o MiniCPM-OCR 1.0 renuncia a tablas, fórmulas y Markdown, y a cambio funciona en hardware en el que esos modelos no pueden.
Dónde se gana su sitio
Un desarrollador móvil en una aplicación de control de gastos de 12 personas
Leer tickets en el móvil sin enviar imágenes a un servidor
Incluye el nivel tiny o small mediante una adaptación de la comunidad a LiteRT o ExecuTorch. Con 1,5M a 7,7M de parámetros los modelos caben en el paquete de la aplicación, y Apache 2.0 permite el uso comercial sin tarifas.
Una ingeniera de fabricación que lee números de serie y códigos matriciales en una línea de producción
Hacer OCR de etiquetas industriales en PC de línea sin GPU
Ejecuta la canalización de PaddleOCR con el detector y el reconocedor medium en CPU mediante OpenVINO. Baidu comunica un 73,3% en su conjunto de detección industrial y un 77,4% en reconocimiento industrial, así que valídalo con tus propias etiquetas antes de quitar las revisiones manuales.
Un ingeniero de datos que construye un índice de búsqueda sobre millones de páginas escaneadas
Extraer el texto en bruto a bajo coste antes de enviar las páginas difíciles a un VLM
Ejecuta primero PP-OCRv6 y envía a PaddleOCR-VL-1.6 solo las páginas con poca confianza o con muchas tablas. Cada línea lleva una puntuación de confianza, que da un umbral natural para escalar.
Antes de decidirte
- Puesta en marcha
- Instala PaddlePaddle, después pip install paddleocr (3.7+), y ejecuta paddleocr ocr -i image.png con los nombres del detector y el reconocedor de PP-OCRv6; las versiones ONNX evitan el runtime de PaddlePaddle.
- Integraciones
- CLI y API de Python de PaddleOCR con módulos opcionales de orientación y corrección de deformaciones; ONNX y safetensors en Hugging Face; OpenVINO en CPU; adaptaciones de la comunidad a MLX, GGUF, LiteRT, ExecuTorch y Rust.
- Datos y privacidad
- Apache 2.0 para pesos y código; todo funciona en local, así que las imágenes nunca salen de tu hardware.
- Coste a escala
- Los pesos son gratuitos y diminutos, así que los servidores con CPU son viables; Baidu cita una inferencia en CPU 5,2 veces más rápida con OpenVINO, 6,1 veces en un Apple M4 para el nivel tiny, y 0,13 segundos en una A100.
- Límites
- Solo salida a nivel de línea; sin maquetación, tablas ni fórmulas sin módulos adicionales de PaddleOCR; la escritura a mano y el texto artístico siguen siendo las categorías más débiles en las propias tablas de Baidu.
Lo bueno
- De 1,5M a 34,5M de parámetros; funciona en CPU, móviles y placas edge
- Nivel medium con un 83,2% de reconocimiento, 5,1 puntos por encima de PP-OCRv5_server (interno)
- Nunca entra en bucle: la versión de kraken puntuó las 2.165 páginas de BHL
- Apache 2.0, con versiones ONNX y safetensors de todos los niveles
Lo malo
- Solo líneas de texto y cuadros; sin tablas, fórmulas ni Markdown
- Todas las cifras principales vienen de benchmarks internos de Baidu
- Las notas de versión dicen 50 idiomas, la ficha del modelo 48
- La escritura a mano es débil: 62,1% en chino y 67,8% en inglés en el nivel medium
Ideal para
Ingenieros que necesitan OCR de líneas de texto rápido y barato en CPU, móviles o dispositivos edge, o como primera fase de su propia canalización de documentos.
Alternativas a PP-OCRv6
PP-OCRv6: preguntas frecuentes
- ¿Merece la pena PP-OCRv6?
- PP-OCRv6 lee líneas de texto en una CPU o un móvil por una fracción del coste de un VLM, siempre que solo necesites las palabras y no la estructura de la página. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta PP-OCRv6?
- Gratuito con licencia Apache 2.0. No se publica precio alojado propio.
- ¿Qué inconvenientes tiene PP-OCRv6?
- Solo líneas de texto y cuadros; sin tablas, fórmulas ni Markdown; todas las cifras principales vienen de benchmarks internos de Baidu; las notas de versión dicen 50 idiomas, la ficha del modelo 48; la escritura a mano es débil: 62,1% en chino y 67,8% en inglés en el nivel medium.
- ¿Para quién es PP-OCRv6?
- Ingenieros que necesitan OCR de líneas de texto rápido y barato en CPU, móviles o dispositivos edge, o como primera fase de su propia canalización de documentos.
- ¿Cuánto cuesta PP-OCRv6 para un equipo o en producción?
- Los pesos son gratuitos y diminutos, así que los servidores con CPU son viables; Baidu cita una inferencia en CPU 5,2 veces más rápida con OpenVINO, 6,1 veces en un Apple M4 para el nivel tiny, y 0,13 segundos en una A100.
- ¿Es PP-OCRv6 seguro para los datos de la empresa?
- Apache 2.0 para pesos y código; todo funciona en local, así que las imágenes nunca salen de tu hardware.
- ¿Cuáles son las mejores alternativas a PP-OCRv6?
- Las alternativas más cercanas que hemos analizado son Nemotron OCR v2, PaddleOCR-VL-1.6, Surya OCR 2.5 y MiniCPM-OCR 1.0.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas PP-OCRv6? Muestra esta nota en tu web
