PDF识别提取专家

PDF/图片/扫描件 OCR 提取文字转 Markdown。支持 PP-OCRv6 三档模型，适合合同、发票、中文扫描件等。灵栈搬运自 SkillHub pdf-ocr-md v3.4.0。

Minsaroun最新版本 0.1.0更新于 2026-11-04下载 0 次

references/full-guide.md

1	---
2	name: pdf-ocr-md
3	version: 3.3.0
4	description: 当用户需要从 PDF、图片、扫描件中提取文字内容时使用。适合处理合同、发票、报告等文档，尤其是中文扫描件、手机拍照的弯曲页面、歪斜的文档。支持 PP-OCRv6 三档模型 (Tiny/Small/Medium)。
5	related_skills:
6	- ocr-and-documents
7	---
8
9	# pdf-ocr-md — PDF → OCR → 结构化 Markdown
10
11	> 环境：
12	> - `lit` — LiteParse 快速文本层解析（`~/.venvs/liteparse/`，Rust 核心）
13	> - `pdf2md` — PaddleOCR 中文扫描件（`~/.venvs/paddleocr/`）
14	> - `ocr6` — PP-OCRv6 三档模型（`~/.venvs/ppocrv6/`，ONNX Runtime），见 F 节
15	> - `prep` — 文档预处理（含倾斜/方向/展平），见 D 节
16	>
17	> 快速选择：不确定类型 → `lit parse file.pdf --no-ocr`，空结果再退到 `prep` + `ocr6`
18	>
19	> 曾用名：`pdf2md`（因 SkillHub/ClawHub 已被占用，v1.1.0 起更名）
20	>
21	> 一体化 skill：合并了原 `opendataloader-pdf`、`paddleocr-chinese` 和 `pdf-ocr-md`。
22	> 详见 `references/opendataloader.md` 和 `references/paddleocr.md`。
23
24	---
25
26	## 用法
27
28	### 快速选择（推荐）
29
30	```bash
31	# ① 先试试 LiteParse（文本层PDF秒出）
32	lit parse input.pdf --no-ocr -o output.txt
33
34	# ② 如果输出为空，说明是扫描件
35	# 按需选模型档位（速度从快到慢：tiny > small > medium）
36	python scripts/pdf_ocr_v6.py input.pdf --tier tiny -o ./output
37	```
38
39	### 直接指定
40
41	```bash
42	# 文本层PDF（电子合同/报表）
43	lit parse input.pdf --no-ocr -o output.txt
44
45	# 中文扫描件（合同/发票）— 先预处理
46	python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
47	pdf2md ./preprocessed/input_p001.jpg -o ./output_dir
48
49	# 或快速跳过预处理（平整的扫描件）
50	pdf2md input.pdf -o ./output_dir
51	```
52
53	输出：
54	- LiteParse: `output.txt` — 纯文本（版面保持）
55	- pdf2md: `output_dir/input.md` — Markdown + `input.json` + `input_images/`
56	- 预处理: `preprocessed/` — 经过校正/展平的图片
57
58	## 工作流总览
59
60	```
61	输入文档
62	├── 有文本层 → LiteParse 提取 (~0.9ms/页)
63	│
64	└── 无文本层（扫描件）
65	├── ① 选择模型档位
66	│ ├── Tiny (1.5 MB) 极速
67	│ ├── Small (7.7 MB) 均衡
68	│ └── Medium(34.5 MB) 高精度
69	│
70	├── ② 预处理（根据文档状况）
71	│ ├── --deskew 倾斜校正
72	│ ├── --orient 方向校正
73	│ ├── --unwarp 文档展平
74	│ └── --all 全部
75	│
76	└── ③ PP-OCRv6 OCR → 文本 / JSON
77	```
78	> LiteParse 比 OpenDataLoader 快约 300 倍（0.9ms vs 300ms），且不用装 Java 11。
79
80	## 性能参考（CPU）
81
82	\| 类型 \| 引擎 \| 单页耗时 \| 17页合同 \|
83	\|------\|------\|---------\|----------\|
84	\| 文本层 PDF \| LiteParse --no-ocr \| ~0.9ms \| ~15ms \|
85	\| 文本层 PDF \| OpenDataLoader（旧） \| ~15ms \| ~300ms \|
86	\| PP-OCRv6 Tiny \| ONNX Runtime (CPU) \| ~3-8s \| ~1-2min \|
87	\| PP-OCRv6 Small \| ONNX Runtime (CPU) \| ~8-15s \| ~2-4min \|
88	\| PP-OCRv6 Medium \| ONNX Runtime (CPU) \| ~15-30s \| ~4-8min \|
89	\| 预处理-倾斜校正 \| OpenCV Hough \| ~300ms \| ~5s \|
90	\| 预处理-文档展平 \| OpenCV 透视变换 \| ~500ms \| ~8s \|
91	\| 扫描件（中文） \| PaddleOCR PP-OCRv4（旧） \| ~15s \| ~4.5min \|
92	\| 扫描件（中文） \| Tesseract chi_sim \| ~170ms \| ~3s \|
93	\| 扫描件（英文） \| LiteParse 默认 \| ~170ms \| ~3s \|
94
95	## 准确率
96
97	\| 引擎 \| 中文扫描件 \|
98	\|------\|-----------\|
99	\| PP-OCRv6 Medium \| ~0.425 ed (OmniDocBench) \|
100	\| PP-OCRv6 Small \| ~0.443 ed \|
101	\| PP-OCRv6 Tiny \| ~0.446 ed \|
102	\| Apple Vision (macOS) \| ~0.448 ed \|
103	\| PaddleOCR PP-OCRv4 \| ~97%+ \|
104	\| + 预处理 \| ~98%+ (歪斜/弯曲照片) \|
105
106	## 注意事项
107
108	- 首次运行自动下载模型（版面分析 ~770 weights + OCR det/cls/rec ~17MB）
109	- 模型从 hf-mirror.com / modelscope.cn 下载，国内畅通
110	- 机器有 3.6GB 内存，PaddleOCR 冷启动 ~300MB 峰值可承受
111	- 中文 OCR 场景：LiteParse(Tesseract) ~80% → 退到 PaddleOCR ~97%+，准确率优先时用 `pdf2md`
112	- 英文 / Office 文档场景可优先试 LiteParse（见 C 节）
113	- 预处理能提升照片/弯曲文档的 OCR 准确率 1~5%，对平整扫描件效果不明显
114	- 结构化解析（doc-parsing）会额外增加版面分析时间, 但输出更结构化
115
116	---
117
118	## A：OpenDataLoader — 文本层 PDF 解析
119
120	适用于有文本层的 PDF（电子合同、报表、PDF/A 文件）。支持的 CLI 和 Python SDK，完整用法详见 `references/opendataloader.md`。
121
122	### 快速启动
123
124	```bash
125	# 安装
126	python3 -m venv ~/.venvs/opendataloader
127	~/.venvs/opendataloader/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opendataloader-pdf
128
129	# CLI
130	opendataloader-pdf input.pdf -f json,markdown -o ./output
131
132	# Python
133	from opendataloader_pdf import convert
134	convert("input.pdf", output_dir="./out", format="json,markdown")
135	```
136
137	### 关键特性
138	- 输出格式：JSON（含 bounding box/font/size）、Markdown、HTML、Text、Tagged PDF
139	- 表格检测：`--table-method cluster` 模式
140	- 脱敏：`--sanitize` 替换邮箱/电话/银行卡号
141	- 页码范围：`--pages "1,3,5-7"` 指定页
142	- 性能：~0.015s/页（纯 Java 本地模式，无网络）
143
144	### 环境前提
145	- Java 11+ (`java -version`)
146	- PyPI 官方源可能超时 → 用清华镜像 `-i https://pypi.tuna.tsinghua.edu.cn/simple`
147
148	---
149
150	## B：PaddleOCR — 中文扫描件 OCR
151
152	适用于无文本层的扫描件 PDF（合同、发票、报纸）。详见 `references/paddleocr.md`。
153
154	### 快速启动
155
156	```bash
157	# 环境
158	python3 -m venv ~/.venvs/paddleocr
159	~/.venvs/paddleocr/bin/pip install paddlepaddle==2.6.2 "numpy<2" paddleocr==2.7.3
160
161	# CLI —— 逐张 OCR 图片
162	~/.venvs/paddleocr/bin/python -c "
163	from paddleocr import PaddleOCR
164	ocr = PaddleOCR(lang='ch')
165	result = ocr.ocr('page.png')
166	for line_info in result[0]:
167	text = line_info[1][0]; conf = line_info[1][1]
168	print(f'{conf:.2f} {text}')
169	"
170	```
171
172	### 关键特性
173	- PP-OCRv4 模型，简体中文 ~98%，繁体 ~95%
174	- 支持竖排文字、手写体
175	- 公章/签名基本可识别（Tesseract 在此场景乱码）
176	- 可配合 `pdf2image` 拆分扫描件 PDF
177
178	### 精度对比
179
180	\| 引擎 \| 简体中文 \| 繁体中文 \| 公章/签名 \| 竖排 \|
181	\|------\|---------\|---------\|-----------\|------\|
182	\| Tesseract chi_sim \| ~80% \| ~60% \| ❌ 乱码 \| ❌ \|
183	\| PaddleOCR PP-OCRv4 \| ~98% \| ~95% \| ✅ 基本正确 \| ✅ \|
184
185	### 常见问题
186	- 错字多：提高 DPI 到 400-600，降低过滤阈值到 0.3
187	- 表格差：对密集表格用 docling（pdf2md 集成管线）
188	- GPU 加速：`pip install paddlepaddle-gpu==2.6.2` + `use_gpu=True`
189
190	### Python 3.13 兼容性注意事项
191
192	> ⚠️ 重要：PaddleOCR 在 Python 3.13 环境下存在多个兼容性问题，需手动修复。
193
194	#### 问题1：imghdr 模块缺失
195
196	现象：
197	```
198	ModuleNotFoundError: No module named 'imghdr'
199	```
200
201	原因： Python 3.13 移除了 `imghdr` 模块（原用于检测图像类型）
202
203	解决方案：创建兼容 shim 模块
204
205	```python
206	# 保存到 site-packages/imghdr.py
207	"""imghdr module shim for Python 3.13+ compatibility"""
208	def whatfile(f):
209	return None
210
211	def what(buf, h=None):
212	return None
213	```
214
215	#### 问题2：np.sctypes 移除
216
217	现象：
218	```
219	AttributeError: module 'numpy' has no attribute 'sctypes'
220	```
221
222	原因： NumPy 2.0 移除了 `np.sctypees` 属性（`imgaug` 包使用了该属性）
223
224	解决方案：修改 `site-packages/imgaug/imgaug.py` 第44-46行
225
226	```python
227	# 原代码（不可用）：
228	# NP_FLOAT_TYPES = set(np.sctypes["float"])
229	# NP_INT_TYPES = set(np.sctypes["int"])
230	# NP_UINT_TYPES = set(np.sctypes["uint"])
231
232	# 修复后：
233	NP_FLOAT_TYPES = {np.float16, np.float32, np.float64}
234	NP_INT_TYPES = {np.int8, np.int16, np.int32, np.int64}
235	NP_UINT_TYPES = {np.uint8, np.uint16, np.uint32, np.uint64}
236	```
237
238	#### 问题3：OpenCV 与 NumPy 2.x 不兼容
239
240	现象：
241	```
242	ImportError: numpy.core.multiarray failed to import
243	```
244
245	原因： `opencv-python` 4.6 是针对 NumPy 1.x 编译的，与 NumPy 2.x ABI 不兼容
246
247	解决方案：改用 `opencv-python-headless` 4.13.0.92+
248
249	```bash
250	~/.venvs/paddleocr/bin/pip uninstall opencv-python -y
251	~/.venvs/paddleocr/bin/pip install opencv-python-headless --no-cache-dir
252	```
253
254	#### 问题4：scikit-image DLL 加载失败（Windows）
255
256	现象：
257	```
258	ImportError: DLL load failed while importing _cython_blas
259	```
260
261	原因： Windows 安全策略阻止未签名的 C 扩展 DLL
262
263	解决方案：
264	- 方案A：使用预编译的 wheel（推荐）
265	- 方案B：临时关闭 Windows Defender 实时保护
266	- 方案C：使用 WSL2 或 Linux 环境
267
268	#### 推荐的 Python 3.13 安装命令
269
270	```bash
271	# 环境
272	python3 -m venv ~/.venvs/paddleocr
273	source ~/.venvs/paddleocr/bin/activate
274
275	# 安装（使用 PaddlePaddle 3.0.0，支持 NumPy 2.x）
276	pip install paddlepaddle==3.0.0
277	pip install "numpy>=2" paddleocr==2.7.3
278	pip uninstall opencv-python -y
279	pip install opencv-python-headless --no-cache-dir
280
281	# 创建 imghdr shim
282	cat > ~/.venvs/paddleocr/lib/python3.13/site-packages/imghdr.py << 'EOF'
283	def whatfile(f):
284	return None
285	def what(buf, h=None):
286	return None
287	EOF
288
289	# 修补 np.sctypes 问题
290	# 手动编辑 ~/.venvs/paddleocr/lib/python3.13/site-packages/imgaug/imgaug.py
291	```
292
293	---
294
295	## C：LiteParse — 文本层 PDF 快速解析（Rust）
296
297	LlamaIndex 出品（8k⭐），Rust 核心，轻量零依赖。
298
299	### 安装
300
301	```bash
302	# 已安装: ~/.venvs/liteparse/ + ~/.local/bin/lit
303	pip install liteparse # Python
304	npm i @llamaindex/liteparse # Node.js
305	cargo install liteparse # Rust CLI
306	```
307
308	### 核心命令
309
310	```bash
311	# 文本层PDF → 文本（推荐 --no-ocr，跳过不必要的OCR）
312	lit parse input.pdf --no-ocr -o output.txt
313
314	# 扫描件PDF → 文本（内置Tesseract，中文用 --ocr-language chi_sim）
315	lit parse input.pdf --ocr-language chi_sim -o output.txt
316
317	# 批量处理
318	lit batch-parse ./input-dir ./output-dir
319
320	# 生成截图（用于LLM视觉分析）
321	lit screenshot input.pdf -o ./screenshots --dpi 200
322	```
323
324	### 关键特性
325
326	\| 特性 \| 说明 \|
327	\|------\|------\|
328	\| 文本层提取 \| PDFium，0.9ms/页，比 OpenDataLoader 快 300x \|
329	\| 多格式输入 \| PDF / 图片（PNG/JPG） \|
330	\| OCR 引擎 \| 内置 Tesseract；可接 HTTP OCR server（PaddleOCR/自定义） \|
331	\| 输出格式 \| 纯文本 / JSON（含 bounding box） \|
332	\| 截图输出 \| `lit screenshot` 生成整页 PNG（支持 --target-pages） \|
333	\| 语言绑定 \| Python / Node.js / Rust CLI / WASM \|
334	\| 平台 \| Linux / macOS / Windows \|
335	\| License \| Apache 2.0 \|
336
337	### 局限
338
339	\| 局限 \| 说明 \| 替代方案 \|
340	\|------\|------\|---------\|
341	\| 中文 OCR 准确率差 \| Tesseract chi_sim ~80% vs PaddleOCR ~97% \| 退到 `pdf2md`（见 B 节） \|
342	\| Office 文档 \| DOCX/XLSX/PPTX 需 LibreOffice 转换 \| 暂不支持，需时再装 \|
343	\| 表格识别 \| 无版面分析，纯坐标提取 \| 退到 `pdf2md`（docling 版面分析） \|
344
345	### 机器资源
346
347	- 内存：LiteParse 进程 ~50MB（含 Tesseract 模型）
348	- 磁盘：`~/.venvs/liteparse/` ~35MB + tessdata ~15MB
349	- 安装：`pip install liteparse` 一行即可
350
351	---
352
353	## D：文档预处理 — 扫描件 OCR 增强
354
355	适用于质量不佳的扫描件（手机拍照、弯曲书页、倾斜/倒置的文档）。
356	预处理后 PaddleOCR 的中文准确率可从 ~97% 提升到 ~98%+。
357
358	### 安装
359
360	```bash
361	pip install opencv-python-headless numpy Pillow pdf2image
362	```
363
364	### CLI 命令
365
366	```bash
367	# 全部预处理（推荐）
368	python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
369
370	# 仅倾斜校正
371	python scripts/pdf_preprocess.py input.jpg -o ./output --deskew
372
373	# 仅方向校正
374	python scripts/pdf_preprocess.py input.jpg -o ./output --orient
375
376	# 仅文档展平（弯曲/透视照片）
377	python scripts/pdf_preprocess.py input.jpg -o ./output --unwarp
378
379	# PDF 全页 + 高DPI
380	python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all --dpi 400
381
382	# 预览模式（显示对比图，不保存）
383	python scripts/pdf_preprocess.py input.jpg --preview --all
384	```
385
386	### 预处理项说明
387
388	\| 预处理 \| CLI 参数 \| 适用场景 \| 效果 \|
389	\|--------\|---------\|---------\|------\|
390	\| 倾斜校正 (deskew) \| `--deskew` \| 扫描件轻微歪斜 (<15°) \| 自动检测角度并旋转正位 \|
391	\| 方向校正 (orient) \| `--orient` \| 页面旋转/倒置 \| 检测文本方向并自动旋转到正位 \|
392	\| 文档展平 (unwarp) \| `--unwarp` \| 手机拍的弯曲/透视变形的文档 \| 自动检测边界, 透视变换展平 \|
393
394	### 工作流集成
395
396	```bash
397	# 完整管线: 预处理 → pdf2md
398	python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
399	pdf2md ./preprocessed/input_p001.jpg -o ./output_dir
400
401	# 对于平整扫描件, 预处理效果不大, 可跳过
402	pdf2md input.pdf -o ./output_dir
403	```
404
405	### 预处理效果预测
406
407	\| 文档类型 \| 建议 \| 预期提升 \|
408	\|---------\|------\|---------\|
409	\| 平整扫描件 (A4 扫描仪) \| 跳过预处理 \| OCR 已很好, 无明显提升 \|
410	\| 轻微歪斜 (< 15°) \| `--deskew` \| 准确率 +1~2% \|
411	\| 照片 (手机拍文档) \| `--deskew --unwarp` \| 准确率 +3~5% \|
412	\| 页面倒置/旋转 \| `--orient` \| 从乱码到正常识别 \|
413	\| 弯曲书页 \| `--unwarp` \| 准确率 +2~4% \|
414
415	### 脚本参考
416
417	预处理脚本位于 `scripts/pdf_preprocess.py`，支持作为 Python 模块导入使用：
418
419	```python
420	from scripts.pdf_preprocess import preprocess_image, deskew_image, unwarp_image
421	import cv2
422
423	img = cv2.imread('scan.jpg')
424	processed = preprocess_image(img, deskew=True, orient=True, unwarp=True)
425	cv2.imwrite('corrected.jpg', processed)
426
427	---
428
429	## E：结构化文档解析 — 版面分析 + 表格提取
430
431	利用 docling 进行深度版面分析, 输出结构化 Markdown 和 JSON。
432	保留文档的标题层级、表格、列表、图片标注等逻辑结构。
433
434	### 安装
435
436	```bash
437	pip install docling
438	# docling 2.97+ 会自动安装版面分析模型
439	```
440
441	### CLI 命令
442
443	```bash
444	# 结构化解析为 Markdown + JSON
445	python scripts/pdf_parse_structured.py input.pdf -o ./output
446
447	# 禁用 OCR (文本层 PDF, 更快)
448	python scripts/pdf_parse_structured.py input.pdf -o ./output --no-ocr
449
450	# 仅输出 Markdown
451	python scripts/pdf_parse_structured.py input.pdf -o ./output --md-only
452
453	# 仅输出 JSON (含完整版面坐标)
454	python scripts/pdf_parse_structured.py input.pdf -o ./output --json-only
455
456	# 仅前3页
457	python scripts/pdf_parse_structured.py input.pdf -o ./output --pages "1-3"
458	```
459
460	### 输出说明
461
462	```
463	output/
464	├── input.md ← 结构化 Markdown (标题层级/表格/列表)
465	└── input.json ← 完整解析结果 (含版面坐标、表格网格、元数据)
466	```
467
468	### JSON 数据结构
469
470	```json
471	{
472	"metadata": {
473	"file": "合同.pdf",
474	"pages": 17,
475	"has_ocr": true
476	},
477	"items": [
478	{ "type": "heading", "text": "第一章总则", "bbox": {...} },
479	{ "type": "paragraph", "text": "根据《中华人民共和国...", "bbox": {...} },
480	{ "type": "list", "text": "甲乙双方应遵守..." }
481	],
482	"tables": [
483	{
484	"page": 3,
485	"grid": [["项目", "金额"], ["服务费", "10000"]],
486	"markdown": "\| 项目 \| 金额 \|\n\| --- \| --- \|\n\| 服务费 \| 10000 \|"
487	}
488	]
489	}
490	```
491
492	### 工作流集成
493
494	```bash
495	# 完整管线: 预处理 → 结构化解析
496	python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
497	python scripts/pdf_parse_structured.py ./preprocessed/input_p001.jpg -o ./output
498
499	# 也可直接解析
500	python scripts/pdf_parse_structured.py input.pdf -o ./output
501	```
502
503	### 关键特性
504
505	\| 特性 \| 说明 \|
506	\|------\|------\|
507	\| 版面分析 \| docling 深度学习版面分析, 识别标题/段落/表格/列表 \|
508	\| 表格提取 \| 自动检测表格边界, 输出 Markdown 表格 + JSON 网格 \|
509	\| 标题层级 \| 保留文档逻辑结构 \|
510	\| 元数据 \| 页数、页码、元素统计 \|
511	\| 结构化 JSON \| 含 bbox 坐标, 可用于后续处理 \|
512	\| 预处理兼容 \| 可与 D 节预处理管线串联 \|
513
514	---
515
516	## F：PP-OCRv6 — 三档模型 OCR（ONNX Runtime + GPU 加速）
517
518	PaddleOCR 最新 v6 模型家族，使用 ONNX Runtime + DirectML 本地推理。
519	默认 GPU 加速，Intel/AMD/NVIDIA GPU 均支持（需）。
520	三档可选：Tiny (1.5MB) / Small (7.7MB) / Medium (34.5MB)。
521
522	### 安装
523
524	```bash
525	# 创建虚拟环境并安装
526	python3 -m venv ~/.venvs/ppocrv6
527	~/.venvs/ppocrv6/bin/pip install onnxruntime opencv-python-headless numpy Pillow pdf2image
528
529	# 下载模型（从 GitHub Releases）
530	# 项目: https://github.com/andyhuo520/ppocrv6-studio
531	```
532
533	### CLI 命令
534
535	```bash
536	# Tiny 模型（极速，1.5MB，可浏览器运行）
537	python scripts/pdf_ocr_v6.py input.jpg --tier tiny -o output.txt
538
539	# Small 模型（均衡，7.7MB）
540	python scripts/pdf_ocr_v6.py input.jpg --tier small -o output.txt
541
542	# Medium 模型（高精度，34.5MB）
543	python scripts/pdf_ocr_v6.py input.pdf --tier medium -o ./output
544
545	# 指定最低置信度
546	python scripts/pdf_ocr_v6.py input.jpg --tier medium --min-conf 0.6 -o output.txt
547	```
548
549	### 输出
550
551	```
552	output/
553	├── input.txt ← 纯文本（每页分段）
554	└── input.json ← 完整结果（含置信度、文本框坐标）
555	```
556
557	### 模型档位对比
558
559	\| 档位 \| 参数量 \| 模型大小 \| 适用场景 \|
560	\|------\|--------\|---------\|---------\|
561	\| Tiny \| 极轻量 \| 1.5 MB \| 快速预览、可浏览器端运行 \|
562	\| Small \| 轻量 \| 7.7 MB \| 日常使用，性能均衡 \|
563	\| Medium \| 标准 \| 34.5 MB \| 高精度场景（合同/发票/复杂文档） \|
564
565	### 文档类型建议
566
567	\| 文档类型 \| 推荐档位 \| 理由 \|
568	\|---------\|---------\|------\|
569	\| 平整扫描件 \| Tiny 或 Small \| 速度优先，Tiny 效果已足够 \|
570	\| 手机拍照件 \| Small \| 平衡速度与准确率 \|
571	\| 复杂文档/小字 \| Medium \| 精度优先 \|
572	\| 批量处理 \| Tiny \| 优先速度 \|
573
574	### 迁移说明
575
576	> PP-OCRv6 是比 PP-OCRv4 更轻量、效果更好的新一代模型。
577	> 默认 GPU 加速（DirectML），CPU 6-9x 提速。无 GPU 时自动回退 CPU。
578	> 旧版 PaddleOCR（PP-OCRv4）管线保留为备选。
579	```

文件内容是平台检查时读出的文本，只供查看。平台不会运行包里的任何脚本或程序。