跳到主要内容

引擎与模型

引擎矩阵​

引擎版本规模定位能力标志
PP-OCRv66.0.0det + rec轻量印刷体、实时取词PrintedText MultiLanguage
MiniCPM-OCR 1.01.0.00.75B复杂版面、弯曲与翻拍、表格与公式PrintedText Table Formula KeyValue MultiLanguage
Xiaomi-OCR-00.8.00.8B轻量全能：版面、KIE、VQAPrintedText Table KeyValue MultiLanguage
PaddleOCR-VL 1.61.6.00.9B端到端文档解析：表格、公式、图表、印章PrintedText Table Formula KeyValue MultiLanguage

选型建议：

  • 手机或低配设备的实时取词：PP-OCRv6 Tiny
  • 复杂文档、表格、公式、翻拍：MiniCPM-OCR 1.0
  • 字段抽取与文档问答：Xiaomi-OCR-0
  • 一次解析整页结构（表格 / 公式 / 印章）：PaddleOCR-VL 1.6

能力标志决定了界面上的开关与参数面板。例如「印章」「图表」区域级开关只在支持对应能力的引擎上出现，PP-OCR 不会显示采样参数。

共享运行时​

MiniCPM-OCR、Xiaomi-OCR-0 与 PaddleOCR-VL 通过本机 llama-server 子进程推理，三者共用同一份 llama.cpp 运行时：

  • 运行时在引擎中心单列为「共享运行时」区块，与模型分开安装、升级与卸载；
  • 一次安装对所有引用它的引擎生效，引擎卡片上只显示引用标签；
  • 运行时缺失时，相关引擎标记为不可用并给出安装入口。

PP-OCRv6 使用进程内 ONNX Runtime，不需要额外运行时。

模型包与量化​

模型包按 RID 分发（如 win-x64、osx-arm64、linux-x64），每个包记录版本、大小、SHA-256、下载地址与支持语言。GGUF 引擎提供多个量化档位：

引擎量化档位
MiniCPM-OCR 1.0Q4_K_M（默认）、Q5_K_M、Q6_K、Q8_0、F16
Xiaomi-OCR-0Q4_K_M（默认）、Q5_K_M、Q6_K、BF16
PaddleOCR-VL 1.6Q4_K_M（默认）、Q5_K_M、Q6_K、Q8_0、IQ4_XS、F16

量化档位越低，磁盘与内存占用越小；对精度要求高时再切换到更高档位。批次参数中的 model 可以指定本次任务使用哪个量化包。

PP-OCRv6 的模型按文件分发（det.onnx、rec.onnx、字典文件），字典可由 Paddle 的 inference.yml 在安装时提取生成。

安装流程​

安装一个模型会经历以下阶段：

  1. 下载：按清单中的 urls 顺序尝试，失败自动切换备用地址；支持分段与断点续传，半包保留为 .part / .part.N。
  2. 校验：按清单的 SHA-256 校验文件；不匹配时删除并换源重试。
  3. 解包：在 staging 目录解包，确认完整后再切换。
  4. 切换：写入活动版本记录，原子替换，旧版本在确认成功后清理。

取消安装、退出应用或换源之后再次安装，都能从断点继续；已校验完成的文件会被直接复用。安装记录损坏或目录被手工修改时，引擎中心会提示修复或重新安装。

代理与清单​

  • 下载使用「设置 → 网络」中的代理配置，修改后对新建下载立即生效。
  • 引擎、模型与运行时目录由 JSON 清单驱动，清单缓存位于 {CacheDirectory}/catalog/，启动时优先展示缓存并在后台刷新。
  • 清单刷新失败不会阻塞已有引擎的使用；清单版本过新时会提示更新应用。
  • 界面固定使用默认清单源。离线或内网部署可通过配置项覆盖清单地址，无需改动程序。

卸载​

  • 卸载模型：在引擎卡片中操作，只删除该模型的包与安装记录。
  • 卸载共享运行时：会同时影响所有引用它的引擎，应用会在确认对话框中列出受影响的引擎。
  • 不要直接删除目录：手工删除会留下不一致的安装记录，需要重新安装才能恢复。