PaddleOCR 文档智能解析实战指南：从 PaddleOCR-VL、PP-StructureV3 到 PP-OCRv6 的 PDF/图像转结构化数据全攻略

PaddleOCR 是当前开源生态中面向 AI 应用场景的 OCR 工具包与文档解析引擎，其核心目标是将 PDF 文档和图像高效转换为结构化、LLM 友好的数据格式（JSON / Markdown），为 RAG、Agentic 应用提供底层数据支撑。本文以仓库主文档 readme/README_cn.md 为骨架，结合仓库内的产线教程、核心源码与配置，系统讲解 PaddleOCR-VL 文档视觉语言模型、PP-StructureV3 版面解析产线、PP-OCRv6 通用文本识别，以及从环境安装、CLI/Python API 调用、结果保存到服务化部署的完整实战路径，读完即可在自己的项目中接入文档解析能力。

1. PaddleOCR 能做什么：三大能力体系

从 readme/README_cn.md 的「核心特性」章节可以看出，PaddleOCR 的能力可以划分为三条主线，分别面向不同的开发者场景：

能力体系	核心技术	输出形态	典型场景
智能文档解析（面向大模型）	PaddleOCR-VL 系列（含 PaddleOCR-VL-1.6）、PP-StructureV3	Markdown / JSON	论文、合同、报表、古籍等复杂文档转结构化数据，喂给 LLM
通用文本识别（场景 OCR）	PP-OCR 系列（v2/v3/v4/v5/v6）	文本行检测框 + 识别文本	证件、街景、书籍、工业零部件等自然场景文字提取
开发者生态与部署	Python API、CLI、服务化部署、C++/Android/iOS/JS 多端 SDK	API 结果	RAG 数据管线、Agent 工具链、边缘与云端部署

三者并非割裂：PP-StructureV3 产线内部就复用了通用 OCR 子产线（文本检测 + 文本识别），而 PaddleOCR-VL 则采用「版面分析 + VLM 识别」两阶段架构。下文分别展开。

2. PaddleOCR-VL：面向文档解析的轻量级视觉语言模型

2.1 模型定位与两阶段工作流程

PaddleOCR-VL 是 PaddleOCR 推出的先进文档解析模型，专为文档中的元素识别设计。以其初代版本为例，核心组件为 PaddleOCR-VL-0.9B：一个由 NaViT 风格动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型组成的紧凑视觉语言模型（VLM）。

根据 PaddleOCR-VL 使用教程，完整的 PaddleOCR-VL 流程由两个阶段组成：

1. 版面分析阶段：以整张图像作为输入，检测并定位图像中的各类版面元素（表格、公式、标题、文本、图像等），同时确定阅读顺序，并依据检测结果裁剪出对应的元素子图。以 v1 为例，版面分析模型为 PP-DocLayoutV2。
2. VLM 识别阶段：将每个元素子图独立输入 VLM，生成对应识别结果（如 Markdown 文本），再按照版面分析阶段给出的顺序合并各元素结果，得到整幅图像的完整解析结果。

这里有一个必须澄清的概念：PaddleOCR-VL 的完整能力依赖「版面分析 + VLM 识别」协同的完整流程，而非仅使用其中的 VLM 组件。例如直接通过 Transformers 本地执行 PaddleOCR-VL-0.9B 模型，或直接请求 vLLM / SGLang / FastDeploy 服务，都不等同于运行完整的 PaddleOCR-VL 流程。若出现无法复现官方精度、模型输出大量幻觉文本等问题，应首先确认是否走的是完整流程。这一点在 PaddleOCR-VL 教程 中被特别强调。

从源码结构看，完整流程在仓库中的实现入口位于 paddleocr/_pipelines/paddleocr_vl.py，其 PaddleOCRVL 类的 __init__ 与 predict 方法同时接收版面分析参数（layout_detection_model_name、layout_threshold、layout_nms、layout_merge_bboxes_mode 等）与 VLM 推理参数（vl_rec_model_name、temperature、top_p、min_pixels、max_pixels、max_new_tokens 等），从 API 层面印证了两阶段架构。该类的 restructure_pages 方法还支持 merge_tables（跨页表格合并）、relevel_titles（多级标题重建）、concatenate_pages（多页结果合并）等后处理能力。

2.2 版本演进与关键指标

根据 readme/README_cn.md 的版本动态与 PaddleOCR-VL 教程 的说明，PaddleOCR-VL 系列的演进脉络如下：

版本	发布时间	核心指标	新增能力
PaddleOCR-VL (v1)	2025.10（随 3.3.0 发布）	页级文档解析与元素级识别达 SOTA，支持 109 种语言	NaViT 动态分辨率视觉编码器 + ERNIE-4.5-0.3B，低资源消耗
PaddleOCR-VL-1.5	2026.01（随 3.4.0 发布）	OmniDocBench v1.5 达 94.5%	引入 PP-DocLayoutV3 异形框定位，解决倾斜、弯曲、扫描、光线变化、屏幕拍照 5 类真实场景；新增印章识别、文本行检测/识别，扩展至 111 种语言
PaddleOCR-VL-1.6	2026.05（随 3.6.0 发布）	OmniDocBench v1.6 突破 96.3%	表格、古籍、生僻字识别大幅提升，印章、spotting、图表识别增强；模型结构与 1.5 完全一致，零成本迁移

说明：以上精度数字均为官方文档公示的基准测试结果，具体评测集与口径以 PaddleOCR-VL 教程 与主文档为准。

产线版本通过 pipeline_version 参数控制，可选值为 "v1"、"v1.5" 和 "v1.6"，默认 "v1.6"（见 PaddleOCR-VL 教程）。

2.3 环境准备：Docker 镜像与手动安装

根据 PaddleOCR-VL 教程 第 1 节，本地运行环境有两种准备方式，官方强烈推荐 Docker 方案以最小化环境问题。

方法一：官方 Docker 镜像（仅 NVIDIA GPU）

要求 Docker 版本 ≥ 19.03，机器装配有 GPU 且 NVIDIA 驱动支持 CUDA 12.6 或以上：

docker run \
    -it \
    --gpus all \
    --network host \
    --user root \
    ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-nvidia-gpu \
    /bin/bash
# 在容器中调用 PaddleOCR CLI 或 Python API

离线环境可使用后缀为 -offline 的镜像（约 10 GB），通过在联网机器上 docker pull、docker save 导出为 tar 文件，再在离线机器 docker load 后启动。镜像标签支持将 latest 替换为版本号（如 paddleocr3.3-nvidia-gpu-offline）以固定版本。

方法二：手动安装推理引擎与 PaddleOCR

文档验证的 Python 版本范围为 3.9–3.13，强烈建议在虚拟环境中安装：

# 创建并激活虚拟环境
python -m venv .venv_paddleocr
source .venv_paddleocr/bin/activate

# 安装飞桨（注意：不允许同时安装 CPU 和 GPU 版本）
# NVIDIA GPU（以 CUDA 12.6 为例）
python -m pip install paddlepaddle-gpu==3.2.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/
# x64 CPU
python -m pip install paddlepaddle==3.2.1 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

# 安装 PaddleOCR 文档解析依赖组
python -m pip install -U "paddleocr[doc-parser]"

如需使用 transformers 引擎，则按 Transformers 官方文档 安装后，在 CLI 中追加 --engine transformers，或在 Python API 初始化时传入 engine="transformers"。

PaddleOCR-VL 推理方式与硬件支持矩阵（节选自 PaddleOCR-VL 教程）：

推理方式	NVIDIA GPU	昆仑芯 XPU	海光 DCU	华为昇腾 NPU	x64 CPU	Apple Silicon	AMD GPU	Intel Arc GPU
PaddlePaddle	✅	✅	✅	🚧	✅	✅	✅	🚧
Transformers	✅	🚧	🚧	🚧	✅	🚧	🚧	🚧
PaddlePaddle + vLLM	✅	🚧	✅	✅	❌	❌	✅	✅
PaddlePaddle + FastDeploy	✅	✅	🚧	🚧	❌	❌	🚧	🚧
PaddlePaddle + MLX-VLM	❌	❌	❌	❌	❌	✅	❌	❌

其中 ✅ 表示支持，🚧 表示适配中或待进一步验证，❌ 表示当前不支持。PaddlePaddle + vLLM 这类格式表示「版面分析模型在客户端本地用飞桨推理 + VLM 由独立推理服务承担」。需要注意的是，vLLM、SGLang 和 FastDeploy 无法在 Windows 上原生运行，需要使用官方 Docker 镜像；不同推理引擎间存在依赖冲突时，通常需要将版面分析模型与 VLM 服务部署在不同环境。

2.4 CLI 快速开始

首次运行时 PaddleOCR-VL 会自动下载官方模型，需保证联网并预留下载与初始化时间。建议附加 --save_path ./output 保存结果：

# NVIDIA GPU
paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png --save_path ./output

# 昆仑芯 XPU / 海光 DCU / 沐曦 GPU / Apple Silicon
# paddleocr doc_parser -i <图片URL或路径> --device xpu --save_path ./output
# paddleocr doc_parser -i <图片URL或路径> --device dcu --save_path ./output
# paddleocr doc_parser -i <图片URL或路径> --device metax_gpu --save_path ./output
# paddleocr doc_parser -i <图片URL或路径> --device cpu --save_path ./output

# 按需开关子模块
paddleocr doc_parser -i <图片> --use_doc_orientation_classify True --save_path ./output
paddleocr doc_parser -i <图片> --use_doc_unwarping True --save_path ./output
paddleocr doc_parser -i <图片> --use_layout_detection False --save_path ./output

# 切换到 transformers 引擎
paddleocr doc_parser -i <图片> --engine transformers --save_path ./output

常用 CLI 参数（详见 PaddleOCR-VL 教程 参数表）：

参数	说明	类型	默认值
input（必填）	待预测数据，支持本地图像/PDF 路径、URL 链接、本地目录（目录模式不支持 PDF）	str	无
save_path	推理结果保存路径，不设置则不落盘	str	无
pipeline_version	产线版本，可选 "v1"/"v1.5"/"v1.6"	str	"v1.6"
layout_detection_model_name / layout_detection_model_dir	版面分析模型名称 / 本地模型目录，不设置则使用默认模型或自动下载	str	无
layout_threshold	版面模型得分阈值，0-1 浮点数	float	初始化默认值
layout_nms	版面分析是否使用后处理 NMS	bool	初始化默认值
use_doc_orientation_classify	是否使用文档方向分类模块	bool	False
use_doc_unwarping	是否使用文本图像矫正模块	bool	False
use_layout_detection	是否使用版面分析模块（关闭即退化为纯 VLM 直出）	bool	True

执行成功后终端会打印结构化结果，设置了 --save_path 时结果文件同步保存到本地 output 目录。

2.5 Python API 集成

几行代码即可完成 PaddleOCR-VL 的快速推理（示例取自 PaddleOCR-VL 教程）：

from pathlib import Path

from paddleocr import PaddleOCRVL

output_dir = Path("./output")
output_dir.mkdir(parents=True, exist_ok=True)

# NVIDIA GPU（默认）
pipeline = PaddleOCRVL()
# pipeline = PaddleOCRVL(device="xpu")       # 昆仑芯 XPU
# pipeline = PaddleOCRVL(device="dcu")       # 海光 DCU
# pipeline = PaddleOCRVL(device="metax_gpu") # 沐曦 GPU
# pipeline = PaddleOCRVL(device="cpu")       # Apple Silicon

# 按需开关子模块
# pipeline = PaddleOCRVL(use_doc_orientation_classify=True)
# pipeline = PaddleOCRVL(use_doc_unwarping=True)
# pipeline = PaddleOCRVL(use_layout_detection=False)

output = pipeline.predict(
    "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png"
)
for res in output:
    res.print()                      ## 打印预测的结构化输出
    res.save_to_json(save_path=output_dir)     ## 保存 JSON 结果
    res.save_to_markdown(save_path=output_dir) ## 保存 Markdown 结果
    res.save_to_word(save_path=output_dir)     ## 保存 Word 结果

切换到 transformers 引擎只需在初始化时传入 engine="transformers"。多页 PDF 长文档后处理是文档解析的高频需求，PaddleOCR-VL 教程 提供了 restructure_pages 的完整用法：

from pathlib import Path
from paddleocr import PaddleOCRVL

input_file = "./your_pdf_file.pdf"
output_dir = Path("./output")
output_dir.mkdir(parents=True, exist_ok=True)

pipeline = PaddleOCRVL()
output = pipeline.predict(input=input_file)
pages_res = list(output)

output = pipeline.restructure_pages(pages_res)
# output = pipeline.restructure_pages(pages_res, merge_tables=True)          # 合并跨页表格
# output = pipeline.restructure_pages(pages_res, merge_tables=True, relevel_titles=True) # 合并跨页表格 + 重建多级标题
# output = pipeline.restructure_pages(pages_res, merge_tables=True, relevel_titles=True, concatenate_pages=True) # 合并跨页表格 + 重建多级标题 + 合并多页结果

for res in output:
    res.print()
    res.save_to_json(save_path=output_dir)
    res.save_to_markdown(save_path=output_dir)

批量处理建议：处理多个文件时，将目录路径或文件路径列表直接传给 predict，其处理效率高于逐个文件循环调用 predict：

# 传入目录路径
output = pipeline.predict("imgs")
# 或传入文件路径列表
output = pipeline.predict(["imgs/file1.png", "imgs/file2.png", "imgs/file3.png"])

3. PP-StructureV3：细粒度坐标 + 强版面能力的解析产线

3.1 产线组成

与 PaddleOCR-VL「端到端 VLM」的路线不同，PP-StructureV3 是模块化拼装产线，提供更细粒度的坐标信息（包括表格单元格坐标、文本坐标等）。根据 PP-StructureV3 产线教程，产线包含 7 个模块或子产线：

模块/子产线	可选性	关联文档（仓库相对路径）
版面区域检测模块	必选	docs/version3.x/module_usage/layout_detection.md
通用 OCR 子产线	必选	docs/version3.x/pipeline_usage/OCR.md
文档图像预处理子产线	可选	docs/version3.x/pipeline_usage/doc_preprocessor.md
表格识别子产线	可选	docs/version3.x/pipeline_usage/table_recognition_v2.md
印章文本识别子产线	可选	docs/version3.x/pipeline_usage/seal_recognition.md
公式识别子产线	可选	docs/version3.x/pipeline_usage/formula_recognition.md
图表解析模块	可选	docs/version3.x/module_usage/chart_parsing.md

产线在通用版面解析 v1 基础上，强化了版面区域检测、表格识别、公式识别能力，并新增图表理解、多栏阅读顺序恢复、结果转 Markdown 等能力。版面检测模型 PP-DocLayout_plus-L 覆盖 20 个常见类别：文档标题、段落标题、文本、页码、摘要、目录、参考文献、脚注、页眉、页脚、算法、公式、公式编号、图像、表格、图和表标题、印章、图表、侧栏文本和参考文献内容。

从源码看，其实现位于 paddleocr/_pipelines/pp_structurev3.py，PPStructureV3 类的构造函数参数横跨版面、OCR、表格、印章、公式、图表等全模块（含 use_table_recognition、use_formula_recognition、use_chart_recognition、use_region_detection 等开关），与文档所述 7 模块结构一一对应。

3.2 Python API 与引擎切换

from paddleocr import PPStructureV3

pipeline = PPStructureV3()
# pipeline = PPStructureV3(lang="en")                    # 切换英文识别模型，默认中英文
# pipeline = PPStructureV3(use_doc_orientation_classify=True)
# pipeline = PPStructureV3(use_doc_unwarping=True)
# pipeline = PPStructureV3(use_textline_orientation=True)
# pipeline = PPStructureV3(device="gpu")
output = pipeline.predict("./pp_structure_v3_demo.png")
for res in output:
    res.print()
    res.save_to_json(save_path="output")
    res.save_to_markdown(save_path="output")
    res.save_to_word(save_path="output")

推理引擎切换（示例取自 PP-StructureV3 教程）：

# transformers 引擎
pipeline = PPStructureV3(engine="transformers")

# onnxruntime 引擎（部分模型尚在支持中，需关闭公式识别）
pipeline = PPStructureV3(engine="onnxruntime", use_formula_recognition=False)

默认使用本地飞桨推理引擎时，各模块会根据默认模型名称自动选择：仅支持动态图的模型使用 paddle_dynamic；同时支持静态图和动态图的模型优先使用 paddle_static。运行前需先安装 PaddlePaddle，见 飞桨框架安装说明。

多页 PDF 整体转 Markdown：

from pathlib import Path
from paddleocr import PPStructureV3

input_file = "./your_pdf_file.pdf"
output_path = Path("./output")

pipeline = PPStructureV3()
output = pipeline.predict(input=input_file)
# 对多页结果进行跨页表格合并、标题重建等后处理，再逐页保存为 Markdown/JSON

4. PP-OCRv6 与通用文本识别产线

4.1 产线模块与默认模型

通用 OCR 产线用于解决文字识别任务，支持 PP-OCRv3/v4/v5/v6 系列模型，默认模型为 PaddleOCR 3.7 发布的 PP-OCRv6_medium。根据 通用 OCR 产线教程，产线包含 5 个模块：

• 文档图像方向分类模块（可选）：PP-LCNet_x1_0_doc_ori，Top-1 Acc 99.06%，四类别（0°/90°/180°/270°）
• 文本图像矫正模块（可选）：UVDoc，高精度矫正模型
• 文本行方向分类模块（可选）：PP-LCNet_x0_25_textline_ori（Top-1 Acc 98.85%）与 PP-LCNet_x1_0_textline_ori（Top-1 Acc 99.42%）
• 文本检测模块（必选）：PP-OCRv6 提供 tiny/small/medium 三档检测模型
• 文本识别模块（必选）：同样提供 tiny/small/medium 三档识别模型

PP-OCRv6 基于全新设计的 PPLCNetV4 统一骨干网络，从 readme/README_cn.md 与 PP-OCRv6 算法文档 可以确认其关键特性：

• 三档模型覆盖全场景：tiny（1.5M 参数）/ small（7.7M）/ medium（34.5M），分别面向端侧、移动端、服务端部署
• 50 种语言统一支持：单一模型覆盖中文、英文、日文及 46 种拉丁语系，无需按语种切换模型
• 精度与速度：medium 档相比 PP-OCRv5_server 检测精度提升 4.6%、识别精度提升 5.1%；medium 档 CPU OpenVINO 推理加速 5.2×，tiny 档 Apple M4 加速 6.1×
• 专业场景增强：数码显示屏、点阵字符、轮胎印字、工业字符等传统 VLM 难以覆盖的场景识别能力大幅提升

注意：通用 OCR 产线教程 中特别注明，PP-OCRv6 指标基于内部多场景评估集测得，PP-OCRv5/v4 指标基于通用评估集测得，两者评估集不同，指标不可直接对比。

4.2 模型选择参考（节选自 OCR 产线教程）

文本检测模块：

模型	检测 Hmean（%）	模型存储（MB）	适用场景
PP-OCRv6_medium_det	86.2*	59.4	服务端部署，精度最高
PP-OCRv6_small_det	84.1*	9.6	移动端部署
PP-OCRv6_tiny_det	80.6*	1.9	端侧/IoT（0.43M 参数）
PP-OCRv5_server_det	83.8	84.3	性能较好的服务器
PP-OCRv5_mobile_det	79.0	4.7	端侧设备

文本识别模块（核心模型节选）：

模型	识别 Avg Accuracy（%）	模型存储（MB）	说明
PP-OCRv6_medium_rec	83.2*	73.3	PP-OCRv6 中等规模识别模型
PP-OCRv5_server_rec	86.38（中文）	81	新一代识别模型，支持简繁英日
PP-OCRv5_mobile_rec	81.29（中文）	16	移动端识别模型
en_PP-OCRv5_mobile_rec	85.25	7.5	超轻量英文模型，优化空格漏识别
th_PP-OCRv5_mobile_rec	82.68	7.5	泰语识别
el_PP-OCRv5_mobile_rec	89.28	7.5	希腊语识别
arabic_PP-OCRv5_mobile_rec	81.27	7.6	阿拉伯语识别

文本识别模块共支持 20 个全量模型，涵盖中文、英文、韩文、拉丁文、东斯拉夫语言、泰语、希腊语、阿拉伯语、天城文、泰卢固文等多种语言，另有 SVTRv2、RepSVTR、PP-OCRv4 系列等模型可选。

4.3 通用 OCR 产线调用

CLI 方式（通用 OCR 产线教程 第 2 节）：

# 默认使用 PP-OCRv6_medium 模型组合
paddleocr ocr -i <图片路径或URL> --save_path ./output

# 指定语言与设备
# paddleocr ocr -i <图片> --lang en --device gpu --save_path ./output

Python API 方式：

from paddleocr import PaddleOCR

pipeline = PaddleOCR()
# pipeline = PaddleOCR(lang="en")   # 切换语言
# pipeline = PaddleOCR(device="gpu") # 使用 GPU
output = pipeline.predict(<图片路径或URL>)
for res in output:
    res.print()
    res.save_to_json(save_path="output")

对应产线实现位于 paddleocr/_pipelines/ocr.py，PaddleOCR 的 predict_iter 支持在调用时动态覆盖 use_doc_orientation_classify、use_doc_unwarping、use_textline_orientation、text_det_thresh、text_det_box_thresh、text_rec_score_thresh、return_word_box 等参数——其中 return_word_box 对应 README 中提到的「PP-OCR 系列模型支持返回单文字坐标」特性。

5. 安装与依赖组选择

根据 安装文档，paddleocr 包支持按能力域选择可选依赖组，避免一次性安装全部重依赖：

依赖组名称	对应功能
（默认，无额外依赖组）	通用 OCR 与文档图像预处理
doc-parser	文档解析，提取表格、公式、印章、图片等版面元素，含 PP-StructureV3 等
ie	信息抽取，从文档提取姓名、日期、地址、金额等关键信息，含 PP-ChatOCRv4 等
trans	文档翻译，含 PP-DocTranslation 等
doc2md	文档转 Markdown，将 Word/Excel/PowerPoint 转为可读文本
all	完整功能

# 仅通用 OCR（Python 3.8+）
python -m pip install paddleocr

# 文档解析（需要 Python 3.9+）
python -m pip install "paddleocr[doc-parser]"

# 完整能力
python -m pip install "paddleocr[all]"

Python 版本要求：paddleocr 本体与 doc2md 依赖组支持 Python 3.8 及以上；doc-parser、ie、trans、all 等受上游依赖限制，需要 Python 3.9 及以上。模型训练与模型导出需另行按 飞桨框架安装 安装飞桨并执行 python -m pip install -r requirements.txt。

6. 服务化部署与多端集成

6.1 服务化部署方案

根据 服务化部署文档，PaddleOCR 推荐基于 PaddleX 进行服务化部署，提供两种方案：

• 基础服务化部署：简单易用、开发成本低，适合快速验证与打通开发链路（单请求串行处理）。
• 高稳定性服务化部署：基于 NVIDIA Triton Inference Server 打造，稳定性更高，允许调整配置水平扩展实例以提升吞吐（可通过手动构造 HTTP 请求调用，客户端代码可用任意编程语言编写）。

生产环境建议使用专门的 VLM 推理服务（如 vLLM、SGLang、FastDeploy）而非本地直推，以获得更好的推理速度、显存占用与稳定性表现。PaddleOCR-VL 相关的 Docker 编排与高吞吐方案见 deploy/paddleocr_vl_docker 目录（含 pipeline_config_vllm.yaml、pipeline_config_fastdeploy.yaml 等配置）。

6.2 多语言客户端与多端 SDK

仓库提供了丰富的多端集成方式：

• 官方 API SDK：Go 客户端见 api_sdk/go，TypeScript 客户端见 api_sdk/typescript；Python 侧还有异步/同步 API 客户端 paddleocr/_api_client（含 PaddleOCRClient 与 AsyncPaddleOCRClient）
• C++ 推理：deploy/cpp_infer
• Android：deploy/ppocr-android 与 deploy/android_demo
• iOS：deploy/ios_demo
• 浏览器端：PaddleOCR.js 官方浏览器推理 SDK，支持在浏览器中运行 PP-OCRv5，见 paddleocr-js
• MCP 服务器：面向 LLM Agent 的 mcp_server 与 LangChain 集成

PaddleOCR-VL 系列、PP-StructureV3 与 PP-DocTranslation 已支持将解析结果导出为 DOCX，便于在 Microsoft Word 中查看和编辑；同时支持将 Word、Excel、PowerPoint 等常见文档格式转换为 Markdown（doc2md_convert，见 paddleocr/init.py）。

7. 官方在线体验与进一步学习路径

• 在线体验：PaddleOCR 官方网站提供交互式体验中心与 APIs，无需本地设置即可一键体验文档解析效果。
• 产线教程清单（仓库内完整路径）：
  • PaddleOCR-VL 使用教程
  • PP-StructureV3 产线教程
  • 通用 OCR 产线教程
  • 表格识别子产线、公式识别子产线、印章识别子产线、文档预处理子产线
  • 产线总览
• 更多能力：ONNX 模型转换见 获取 ONNX 模型；OpenVINO、ONNX Runtime、TensorRT 等高性能推理见 高性能推理；多 GPU/多进程并行推理见 流水线并行推理。
• 引用方式：如论文引用，可参考 readme/README_cn.md 文末的 BibTeX 条目（PaddleOCR 3.0 Technical Report 与 PaddleOCR-VL 系列论文）。

总结

本文以 readme/README_cn.md 为主线，系统梳理了 PaddleOCR 面向 AI 应用的三条能力路径：以 PaddleOCR-VL（两阶段「版面分析 + VLM」架构）与 PP-StructureV3（7 模块模块化产线）为核心的文档智能解析，以 PP-OCRv6 为代表的通用多语言场景 OCR，以及围绕二者的安装、调用、结果导出与服务化部署全链路。开发者可按需选择：追求端到端快速解析选 PaddleOCR-VL，需要细粒度坐标与模块化定制选 PP-StructureV3，纯文本识别选通用 OCR 产线，生产环境则优先考虑服务化部署方案。