O que é PP-OCRv6?
O PP-OCRv6 é a sexta geração do pipeline de reconhecimento de texto PaddleOCR da Baidu, lançado em 11 de junho de 2026 com o PaddleOCR 3.7.0 e um relatório técnico no arXiv. Ele não é um modelo de visão e linguagem: um detector encontra as linhas de texto e um reconhecedor separado lê cada uma. Ele vem em três níveis, tiny com 1,5 milhão de parâmetros, small com 7,7 milhões e medium com 34,5 milhões, formado por um detector de 15,5M e um reconhecedor de 19M.
Os três compartilham um novo bloco no estilo MetaFormer. O reconhecedor medium combina um backbone LCNetV4 com um neck leve de atenção SVTR e cabeças decodificadoras CTC e NRTR. Um único modelo de reconhecimento cobre chinês, inglês, japonês e idiomas de escrita latina; as notas de versão falam em 50 idiomas, a visão geral do card do modelo fala em 48.
Ele devolve linhas de texto com caixas e pontuações de confiança, não Markdown. Tabelas, fórmulas e ordem de leitura exigem os modelos separados de layout e estrutura do PaddleOCR ou o PaddleOCR-VL.
PP-OCRv6 vale a pena?
O PP-OCRv6 é a forma mais bem suportada de ler linhas de texto simples sem GPU, com a ressalva de que os números de precisão vêm dos benchmarks internos da Baidu. Neles, o nível medium marca 86,2% de Hmean de detecção e 83,2% de precisão de reconhecimento, 4,6 e 5,1 pontos acima do PP-OCRv5_server. A Baidu diz que o nível tiny roda 3,9 vezes mais rápido que o PP-OCRv5_mobile em um Intel Xeon com precisão semelhante, e as notas de versão citam 0,13 segundo por imagem em uma A100.
A comparação com modelos grandes pede leitura cuidadosa. As tabelas da Baidu põem o GPT-5.5 em 64,2, o Gemini 3.1 Pro em 71,4 e o Qwen3-VL-235B em 74,9 no reconhecimento, contra 83,2 do nível medium, e os modelos gerais pontuam bem menos na detecção porque nunca foram feitos para devolver caixas justas de linhas de texto. Isso mostra que um especialista vence no OCR por linha, não que o PP-OCRv6 processe documentos melhor que um VLM.
O único dado externo é indireto. No ranking independente BHL, com 2.165 páginas de livros históricos, o reconhecedor PP-OCRv6-medium do próprio kraken, a mesma arquitetura treinada em outro corpus, fica em 9º de 26 com taxa de erro de caracteres de 0,0338 e a melhor pontuação diplomática do ranking, sem nenhuma página em loop. Os mantenedores do ranking dizem que o PP-OCRv6 da própria Baidu será adicionado quando a execução dele atingir o padrão exigido.
A adoção é ampla. Em cinco meses, o hub do Hugging Face lista fine-tunes comunitários para árabe, vietnamita, cirílico, hebraico e texto de mangá, e ports para MLX, LiteRT, ExecuTorch e Rust. Ao lado do PaddleOCR-VL-1.6 ou do MiniCPM-OCR 1.0, ele abre mão de tabelas, fórmulas e Markdown e, em troca, roda em hardware onde esses modelos não rodam.
Onde ele se destaca
Uma desenvolvedora mobile em um app de controle de despesas com 12 pessoas
Ler recibos no celular sem enviar imagens a um servidor
Distribua o nível tiny ou small por um port comunitário em LiteRT ou ExecuTorch. Com 1,5M a 7,7M de parâmetros, os modelos cabem no pacote do app, e a Apache 2.0 permite uso comercial sem taxas.
Um engenheiro de manufatura lendo números de série e códigos matriciais em uma linha de produção
Fazer OCR de etiquetas industriais em PCs de linha só com CPU
Rode o pipeline do PaddleOCR com o detector e o reconhecedor medium na CPU via OpenVINO. A Baidu informa 73,3% no seu conjunto de detecção industrial e 77,4% em reconhecimento industrial, então valide com as suas próprias etiquetas antes de desligar as verificações manuais.
Um engenheiro de dados construindo um índice de busca sobre milhões de páginas digitalizadas
Extrair o texto bruto a baixo custo antes de enviar as páginas difíceis a um VLM
Rode o PP-OCRv6 primeiro e encaminhe só as páginas de baixa confiança ou cheias de tabelas para o PaddleOCR-VL-1.6. Cada linha traz uma pontuação de confiança, o que dá um limite natural para o encaminhamento.
Antes de decidir
- Configuração
- Instale o PaddlePaddle, depois pip install paddleocr (3.7+), e rode paddleocr ocr -i image.png com os nomes do detector e do reconhecedor do PP-OCRv6; os builds em ONNX dispensam o runtime do PaddlePaddle.
- Integrações
- CLI e API Python do PaddleOCR com módulos opcionais de orientação e correção de distorção; ONNX e safetensors no Hugging Face; OpenVINO na CPU; ports comunitários em MLX, GGUF, LiteRT, ExecuTorch e Rust.
- Dados e privacidade
- Apache 2.0 para pesos e código; tudo roda localmente, então as imagens nunca saem do seu hardware.
- Custo em escala
- Os pesos são gratuitos e minúsculos, então servidores de CPU são viáveis; a Baidu cita inferência em CPU 5,2 vezes mais rápida com OpenVINO, 6,1 vezes em um Apple M4 para o nível tiny, e 0,13 segundo em uma A100.
- Limites
- Só saída por linha; sem layout, tabelas ou fórmulas sem módulos extras do PaddleOCR; manuscritos e texto artístico continuam sendo as categorias mais fracas nas próprias tabelas da Baidu.
O que é bom
- De 1,5M a 34,5M de parâmetros; roda em CPUs, celulares e placas de borda
- Nível medium com 83,2% de reconhecimento, 5,1 pontos acima do PP-OCRv5_server (interno)
- Nunca entra em loop: a versão do kraken pontuou todas as 2.165 páginas do BHL
- Apache 2.0, com builds em ONNX e safetensors para todos os níveis
O que não é
- Só linhas de texto e caixas; sem tabelas, fórmulas ou Markdown
- Todas as pontuações de destaque vêm dos benchmarks internos da Baidu
- As notas de versão falam em 50 idiomas, o card do modelo em 48
- Manuscritos são fracos: 62,1% em chinês e 67,8% em inglês no nível medium
Ideal para
Engenheiros que precisam de OCR de linhas de texto rápido e barato em CPUs, celulares ou dispositivos de borda, ou como primeira etapa do próprio pipeline de documentos.
Alternativas ao PP-OCRv6
PP-OCRv6: perguntas frequentes
- PP-OCRv6 vale a pena?
- O PP-OCRv6 lê linhas de texto em uma CPU ou em um celular por uma fração do custo de um VLM, desde que você só precise das palavras e não da estrutura da página. Damos nota 4.1 de 5.
- Quanto custa PP-OCRv6?
- Gratuito sob Apache 2.0. Nenhum preço hospedado próprio publicado.
- Quais são as desvantagens de PP-OCRv6?
- Só linhas de texto e caixas; sem tabelas, fórmulas ou Markdown; todas as pontuações de destaque vêm dos benchmarks internos da Baidu; as notas de versão falam em 50 idiomas, o card do modelo em 48; manuscritos são fracos: 62,1% em chinês e 67,8% em inglês no nível medium.
- Para quem PP-OCRv6 é indicado?
- Engenheiros que precisam de OCR de linhas de texto rápido e barato em CPUs, celulares ou dispositivos de borda, ou como primeira etapa do próprio pipeline de documentos.
- Quanto custa PP-OCRv6 para uma equipe ou em produção?
- Os pesos são gratuitos e minúsculos, então servidores de CPU são viáveis; a Baidu cita inferência em CPU 5,2 vezes mais rápida com OpenVINO, 6,1 vezes em um Apple M4 para o nível tiny, e 0,13 segundo em uma A100.
- PP-OCRv6 é seguro para dados da empresa?
- Apache 2.0 para pesos e código; tudo roda localmente, então as imagens nunca saem do seu hardware.
- Quais são as melhores alternativas ao PP-OCRv6?
- As alternativas mais próximas que analisamos são Nemotron OCR v2, PaddleOCR-VL-1.6, Surya OCR 2.5 e MiniCPM-OCR 1.0.
Respostas verificadas em 2 de nov. de 2026.
Você faz o PP-OCRv6? Mostre esta nota no seu site
