百度新开源了 OCR 模型 PaddleOCR-VL-1.5，连这种手机随手拍、纸张有折痕的图都识别的一清二楚。 整体测下来，在复杂场景（尤其是变形）的情况下， 表现很不错： 1️⃣ 纸张发皱、变形： 特意揉了好几下，手机随手拍的，个别肉眼都需要仔细看的字，也都识别出来了。 2️⃣ 拍屏幕（带倾斜） 表格结构完全还原，文字没跑偏，复选框也识别出来了，这点好评。 3️⃣ 数学试卷、手写笔记 题号、问题和答案的排版格式都是对的。有个别生僻公式没认出来，但整体结构没乱，可用性很高。还测了一些手写文字、公式，仅个别潦草字识别不准。 4️⃣ 合同、论文 合同里的红章没有干扰文字识别，而且被单独提取出来了，论文里的复杂图表也是被单独识别。 👉 说实话，能跑出这个效果倒没太意外。 PaddleOCR-VL 系列底子一直很厚，在 1.0 版本发布时，就拿过权威文档解析评测榜单 OmniBenchDoc V1.5的全球第一。 这次的 1.5 版本主要提升在： 1️⃣ 全球首个“异形框定位”能力： 能够精准识别「歪」文档，包括不规则、变形、屏幕。 2️⃣ 小参数高精度： 0.9B 的参数，精度达到 94.5%，超过Gemini 3 Pro、DeepSeekOCR等模型。 3️⃣ 文档理解：从识别字符进化到了理解文档，新增了跨页表格合并、印章分离等能力。 百度在 OCR 这块有点东西的 👍 ！ PaddleOCR 这个项目在 GitHub 上已经有 69k Star 了。这种能低成本部署、且能处理非结构化数据的开源工具，是开发者工具箱里值得保留的一个选项。 #OCR #文字识别 #大模型 #文心 #百度 #PaddleOCR #人工智能 #AI #开源