PP-OCRv6とは？
PP-OCRv6は、BaiduのPaddleOCRの文字認識パイプラインの第6世代で、2026年6月11日にPaddleOCR 3.7.0とarXivの技術レポートとともに公開されました。視覚言語モデルではありません。検出器がテキストの行を見つけ、別の認識器がそれぞれを読みます。3つの段階があり、tinyは150万（1.5 million）パラメータ、smallは770万（7.7 million）、mediumは3,450万（34.5 million）で、mediumは15.5Mの検出器と19Mの認識器から成ります。
3つとも新しいMetaFormer風のブロックを共有しています。mediumの認識器は、LCNetV4の基幹部分に、軽量なSVTRの注意のネックとCTCとNRTRのデコーダーのヘッドを組み合わせています。1つの認識モデルで、中国語、英語、日本語、ラテン文字の言語をまかないます。リリースノートでは50言語、モデルカードの概要では48言語とされています。
返すのはボックスと信頼度のスコア付きのテキストの行で、Markdownではありません。表、数式、読み順には、PaddleOCRの別のレイアウトと構造のモデル、またはPaddleOCR-VLが必要です。
PP-OCRv6は使う価値があるか？
PP-OCRv6は、GPUなしにプレーンなテキストの行を読むための、最もサポートの手厚い方法です。ただし精度の数字はBaidu社内のベンチマーク によるものだという但し書きが付きます。それによると、mediumの段階は検出のHmeanで86.2%、認識の精度で83.2%で、PP-OCRv5_serverをそれぞれ4.6ポイント、5.1ポイント上回ります。Baiduによると、tinyの段階はIntel Xeonで同程度の精度のPP-OCRv5_mobileより3.9倍速く、リリースノートではA100で1枚あたり0.13秒としています。
大規模なモデルとの比較は注意して読む必要があります。Baiduの表では、認識でGPT-5.5が64.2、Gemini 3.1 Proが71.4、Qwen3-VL-235Bが74.9で、mediumの段階は83.2です。汎用のモデルは検出ではずっと低いスコアですが、それはテキストの行のぴったりしたボックスを返すようには作られていないからです。これが示しているのは、行単位のOCRでは専門のモデルが勝つということで、PP-OCRv6がVLMより文書をうまく解析するということではありません。
外部のデータは間接的なものが1つだけです。歴史的な本の2,165ページによる独立したBHLのランキングでは、krakenが独自に作ったPP-OCRv6-mediumの認識器、つまり同じアーキテクチャを別のコーパスで学習したものが、文字誤り率0.0338で26モデル中9位となり、翻刻（diplomatic）のスコアではランキングで最高で、ループしたページは0でした。ランキングの管理者は、Baidu自身のPP-OCRv6も、その実行が基準を満たし次第追加するとしています。
採用は広がっています。5か月のうちに、Hugging Faceのハブにはアラビア語、ベトナム語、キリル文字、ヘブライ語、漫画のテキスト向けのコミュニティによるファインチューニング版と、MLX、LiteRT、ExecuTorch、Rustへの移植版が並びました。PaddleOCR-VL-1.6やMiniCPM-OCR 1.0と比べると、表、数式、Markdownをあきらめる代わりに、それらのモデルで は動かないハードウェアで動きます。
真価を発揮する場面
12人の経費記録アプリのモバイル開発者
画像をサーバーに送らずに、スマートフォン上でレシートを読む
コミュニティによるLiteRTかExecuTorchの移植版を通じて、tinyかsmallの段階を組み込みます。1.5Mから7.7Mパラメータなのでアプリのバンドルに収まり、Apache 2.0は料金なしに商用利用を認めています。
生産ラインでシリアル番号やドットマトリクスのコードを読む製造エンジニア
CPUだけのライン用PCで工業用のラベルをOCRする
OpenVINOを使い、CPUでmediumの検出器と認識器によるPaddleOCRのパイプラインを動かします。Baiduは工業用の検出のセットで73.3%、工業用の認識で77.4%と報告しているので、手による確認をやめる前に自分のラベルで検証してください。
数百万ページのスキャンを対象に検索のインデックスを作るデータエンジニア
難しいページをVLMに送る前に、生のテキストを安く抽出する
まずPP-OCRv6を実行し、信頼度の低いページや表の多い ページだけをPaddleOCR-VL-1.6に回します。各行には信頼度のスコアが付いており、回すかどうかの自然なしきい値になります。
導入前に確認すること
- 導入
- PaddlePaddleをインストールしてから、pip install paddleocr（3.7以降）を実行し、PP-OCRv6の検出器と認識器の名前を指定してpaddleocr ocr -i image.pngを実行します。ONNXのビルドを使えばPaddlePaddleのランタイムは不要です。
- 連携
- 向きの補正と歪みの補正のモジュールを任意で使えるPaddleOCRのCLIとPythonのAPI。Hugging Face上のONNXとsafetensors。CPUでのOpenVINO。コミュニティによるMLX、GGUF、LiteRT、ExecuTorch、Rustへの移植版。
- データとプライバシー
- 重みとコードはApache 2.0です。すべてローカルで動くので、画像が自分のハードウェアの外に出ることはありません。
- 大規模利用時のコスト
- 重みは無料でとても小さいので、CPUのサーバーで十分に実用になります。Baiduは、tinyの段階でOpenVINOによりCPUでの推論が5.2倍、Apple M4で6.1倍速くなり、A100では0.13秒だとしています。
- 制限
- 出力は行単位のみです。PaddleOCRの追加のモジュールなしには、レイアウト、表、数式はありません。Baidu自身の表でも、手書きと装飾的な文字は最も弱いカテゴリのままです。
良い点
- 1.5Mから34.5Mパラメータで、CPU、スマートフォン、エッジのボードで動く
- mediumの段階は認識で83.2%、PP-OCRv5_serverを5.1ポイント上回る（社内）
- ループしない。krakenの版はBHLの2,165ページすべてを採点できた
- Apache 2.0で、すべての段階にONNXとsafetensorsのビルドがある
気になる点
- 出力はテキストの行とボックスだけで、表、数式、Markdownはない
- 見出しのスコアはすべてBaidu社内のベンチマークによるもの
- リリースノートでは50言語、モデルカードでは48言語
- 手書きは弱く、mediumの段階で中国語62.1%、英語67.8%
おすすめの人
CPU、スマートフォン、エッジのデバイスで、あるいは自前の文書パイプラインの最初の段階として、速く安いテキストの行のOCRを必要とするエンジニア。
PP-OCRv6の代替
PP-OCRv6：よくある質問
- PP-OCRv6は使う価値があるか？
- PP-OCRv6は、VLMのごく一部の費用で、CPUやスマートフォンの上でテキストの行を読みます。ただし必要なのが言葉だけで、ページの構造ではない場合に限ります。 評価は5点満点中4.1点です。
- PP-OCRv6の料金は？
- Apache 2.0で無料。開発元によるホスト版の価格は公開されていません。
- PP-OCRv6の欠点は？
- 出力はテキストの行とボックスだけで、表、数式、Markdownはない; 見出しのスコアはすべてBaidu社内のベンチマークによるもの; リリースノートでは50言語、モデルカードでは48言語; 手書きは弱く、mediumの段階で中国語62.1%、英語67.8%.
- PP-OCRv6は誰に向いているか？
- CPU、スマートフォン、エッジのデバイスで、あるいは自前の文書パイプラインの最初の段階として、速く安いテキストの行のOCRを必要とするエンジニア。
- チームや本番環境でPP-OCRv6を使うと費用はいくらか？
- 重みは無料でとても小さいので、CPUのサーバーで十分に実用になります。Baiduは、tinyの段階でOpenVINOによりCPUでの推論が5.2倍、Apple M4で6.1倍速くなり、A100では0.13秒だとしています。
- PP-OCRv6は企業データを扱っても安全か？
- 重みとコードはApache 2.0です。すべてローカルで動くので、画像が自分のハードウェアの外に出ることはありません。
- PP-OCRv6の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はNemotron OCR v2, PaddleOCR-VL-1.6, Surya OCR 2.5 、 MiniCPM-OCR 1.0です。
回答確認日：2026年11月2日
PP-OCRv6の開発元の方へ：この評価をサイトに掲載できます
