在大模型时代，OCR技术重新站上舞台中央。百度新发布的PaddleOCR-VL-1.5以仅0.9B参数量，在全球权威文档解析评测榜单OmniDocBench V1.5中取得94.5%综合精度，超越DeepSeek-OCR2等大模型，重新定义了文档解析的技术边界。
智能速览
0.9B小参数模型在全球评测中达到94.5%精度
首次系统支持异形框定位，解决歪斜文档识别难题
两步式架构：先布局分析，再精细解析
支持多语种、公式识别、手写体等多种复杂场景
发布即开源，可直接在HuggingFace部署使用
精华内容
传统OCR的致命弱点在于假设文档是完美矩形，但现实中的文档总是歪斜、折叠、反光。PaddleOCR-VL-1.5用工程化的方式，第一次系统性地解决了这个问题。
异形框突破
PaddleOCR-VL-1.5的核心突破在于异形框定位能力。传统OCR假设文档是规则矩形，一旦遇到梯形、折痕、反光等现实场景，虽然字能认出，但结构会完全错乱。新模型不再强求文档形状，即使拍摄角度歪斜、纸张折叠，也能精准定位每行文本并保持正确阅读顺序，这在真实应用场景中意义重大。
工程化架构
该模型采用两步式设计思路：第一步由专门的布局模型PP-DocLayoutV3进行文档分区，识别出标题、正文、表格、公式等元素并确定阅读顺序；第二步由PaddleOCR-VL-1.5逐块精细解析。这种分工明确的设计避免了模型需要同时处理整页信息的复杂度，使0.9B的小参数量也能实现高精度。
实测表现
在多个复杂场景测试中表现优异：发票识别能准确提取印章信息；折痕合同可连续识别不割裂；反光PPT能保持表格结构；形近字识别全对；数学公式完美还原LaTeX语法；手写体和老化档案也有不错表现。特别是在跨折痕识别和文本定位能力上，相比前代有显著提升。
落地场景
OCR技术最核心的价值在于成为信息入口，常见应用包括：财务报销与发票识别、合同标书解析、档案数字化、会议资料整理、医疗政务表单录入等。只要涉及文档数字化，OCR就能发挥作用。识别准确率越高，后续自动化流程的执行效果就越好。
PaddleOCR-VL-1.5代表了OCR从技术炫技走向系统能力的趋势。它不追求大而全，而是专注解决实际问题，以工程化思维实现小参数、高精度、强稳定性的完美平衡。随着AI在各行业落地加速，这种稳定可用的技术基础设施将变得越来越重要。
