现实中的文档常因拍摄角度或纸张状态产生形变，导致传统 OCR 识别困难。百度开源的 PaddleOCR-VL-1.5 模型，凭借其独特的“异形框定位”技术，精准解决了这一痛点。它仅用 0.9B 参数便在权威榜单登顶，为处理复杂场景下的文档解析提供了高效且高精度的新方案。
智能速览
百度开源 PaddleOCR-VL-1.5，在权威榜单 OmniDocBench v1.5 上以 94.5% 准确率登顶。
核心突破为全球首创的“异形框定位”技术，专门解决文档物理形变难题。
模型仅 0.9B 参数，性能却超越 Gemini-3-Pro 等更大规模的通用模型。
增强了印章识别、跨页表格合并及生僻字与古籍的识别能力。
官方提供在线体验地址和 API，并赠送百万 Token 额度，便于快速集成。
精华内容
传统 OCR 依赖矩形框，在形变前束手无策。PaddleOCR-VL-1.5 究竟如何突破视觉限制，实现对弯曲、倾斜文档的精准理解？
异形框定位
传统 OCR 算法底层依赖矩形逻辑框，难以处理弯曲、折叠或倾斜拍摄的文档，这会导致信息遗漏。PaddleOCR-VL-1.5 的核心突破在于全球首创的“异形框定位”能力。
它不再将文字视为平面矩形，而是能理解纸张的物理形变，如弯曲和倾斜，并从中准确提取文字信息。这种“空间想象力”使其在扫描件、弯曲页面、屏摄和光照变化的五个现实场景评估中，表现全面优于主流开源与闭源模型。
极致性价比
在 AI 模型追求“大力出奇迹”的当下，PaddleOCR-VL-1.5 以 0.9B 的轻量级参数规模，实现了惊人的性能。
在权威的 OmniDocBench v1.5 榜单上，它取得了 94.5% 的准确率，超越了参数量远大于它的 Gemini-3-Pro、DeepSeek-OCR2 等顶尖模型，成功登顶全球第一。这证明了通过精巧的架构设计，小模型同样可以在特定领域达到顶尖水平。
多场景增强
除了核心的形变文档处理能力，PaddleOCR-VL-1.5 还在多项实用功能上进行了增强。
例如，针对合同、发票等场景的印章识别，以及长文档中的跨页表格自动合并功能，都极大提升了其实用价值。同时，模型新增了对藏文、孟加拉文的支持，并对下划线、复选框、多语言表格及生僻字古籍的识别性能进行了优化，满足了档案数字化等特殊需求。
PaddleOCR-VL-1.5 的发布，标志着 OCR 技术从“文字识别”向“文档智能”的关键跨越。它让 AI 工具开始主动适应复杂的现实环境，而非要求环境去适应工具。对于那些从事合同、票据、档案数字化等工作的人来说，这个模型预示着数据处理效率和准确率的新可能。OCR 技术的下一个突破口会在哪里？
