PP-OCRv6がHugging Faceに登場:150万~3450万パラメータで50言語対応のOCRモデル
PP-OCRv6 on Hugging Face: 50-Language OCR from 1.5M to 34.5M Parameters
PaddleOCRは、最新世代の汎用OCRモデルファミリーであるPP-OCRv6をリリースしました。このモデルファミリーは、150万から3450万パラメータの範囲で、tiny、small、mediumの3つのティアを提供します。smallとmediumティアは、中国語(簡体字・繁体字)、英語、日本語を含む50言語をサポートします。PP-OCRv6_mediumは、ベンチマークで検出精度Hmean 86.2%、認識精度83.2%を達成し、PP-OCRv5_serverと比較して検出精度が+4.6%、認識精度が+5.1%向上しました。PP-OCRv6は、RepLKFPNによる検出モジュールのアップグレードと、EncoderWithLightSVTRによる認識モジュールの改善により、精度向上とモデルサイズの最適化を実現しています。Hugging Face Hubでは、safetensors、Paddle推論モデル、ONNXモデル形式で提供され、Transformers、ONNX Runtime、Paddle Inferenceといった複数の推論バックエンドに対応しています。
- PaddleOCRがPP-OCRv6をリリース(150万〜3450万パラメータ、tiny/small/mediumの3ティア)
- small/mediumティアは中国語・英語・日本語を含む50言語に対応
- PP-OCRv6_mediumは検出精度Hmean 86.2%、認識精度83.2%を達成し、v5_server比で検出+4.6%、認識+5.1%向上
- Hugging Face Hubでsafetensors / Paddle / ONNX形式を提供、Transformers・ONNX Runtime・Paddle Inferenceに対応
PP-OCRv6は軽量でありながら50言語対応かつ高い精度を実現しており、Hugging FaceやONNX Runtimeなど複数の推論バックエンドをサポートする点で導入障壁が低い。多言語OCR需要が高まる越境EC・文書管理・翻訳サービスなどにおいて、低コストで高精度な選択肢が登場したことは、関連スタートアップの競争力やOSSエコシステムの活性化に寄与するため注目に値する。