PaddleOCR PP-StructureV3 文档解析产线深度解析能力、基准测试与实战调优【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCRPP-StructureV3 是 PaddleOCR 3.x 提供的智能文档解析产线能够将文档图像与 PDF 一键转换为结构化 Markdown覆盖版面区域检测、表格识别、公式识别、图表理解与多栏阅读顺序恢复等完整能力链。本文以 docs/version3.x/algorithm/PP-StructureV3/PP-StructureV3.md 为核心结合 产线使用教程 与 产线源码实现完整讲解其能力组成、精度与性能基准数据、Python/CLI/服务化部署三种使用方式以及按精度、速度、显存需求进行模型与参数调优的实战方法。一、PP-StructureV3 是什么能力全景与适用场景PP-StructureV3 是 PaddleOCR 3.x 中面向文档 → 结构化数据场景的产线Pipeline其核心价值在于将文档图像和 PDF 文件高效转换为结构化内容如 Markdown 格式并具备版面区域检测、表格识别、公式识别、图表理解以及多栏阅读顺序恢复等能力。它能够处理包含表格、公式、印章、图表、多栏排版等元素的复杂文档数据在多种文档类型下均表现优异。从能力构成看PP-StructureV3 由7 个模块或子产线组合而成每个模块均可独立训练、推理并内置多个模型模块/子产线职责是否可选仓库文档版面区域检测模块识别文档标题、段落标题、文本、表格、公式、图像、印章、图表等 20/23 类版面元素必需layout_detection.md通用 OCR 子产线文本检测 文本行方向分类 文本识别必需OCR.md文档图像预处理子产线文档方向分类、图像矫正可选doc_preprocessor.md表格识别子产线有线/无线表格结构识别、单元格检测、表格方向分类可选table_recognition_v2.md印章文本识别子产线印章区域检测 印章文本识别可选seal_recognition.md公式识别子产线公式区域识别输出 LaTeX可选formula_recognition.md图表解析模块图表内容理解与结构化输出可选chart_parsing.md在 产线源码 中PPStructureV3类的构造参数完整映射了上述模块layout_detection_model_name、text_detection_model_name、text_recognition_model_name、formula_recognition_model_name、wired_table_structure_recognition_model_name、seal_text_recognition_model_name、chart_recognition_model_name等并通过use_doc_orientation_classify、use_doc_unwarping、use_seal_recognition、use_table_recognition、use_formula_recognition、use_chart_recognition等布尔开关控制各模块的启停。这些参数会通过_get_paddlex_config_overrides()pp_structurev3.py#L307-L528映射为 PaddleX 产线配置项例如SubPipelines.DocPreprocessor.use_doc_orientation_classify、SubPipelines.GeneralOCR.SubModules.TextDetection.limit_side_len、SubModules.LayoutDetection.threshold等这也解释了产线支持二次开发、训练后模型可无缝集成的实现机制。二、精度表现OmniDocBench 关键指标对比PP-StructureV3 的精度数据来自 OmniDocBench详见 OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations采用Edit Distance 相关指标数值越低越好从 Overall、Text、Formula、Table、Read Order 五个维度、中英文两种语言进行评估。在 Pipeline Tools 一档中PP-StructureV3 的 Overall Edit↓ 指标为EN 0.145 / ZH 0.206在该类工具中处于领先水平其中中文场景的 Text0.088、Table0.109、Read Order0.091均为同档最优Formula 维度为 EN 0.295 / ZH 0.535。作为参照同档的 MinerU-0.9.3 为 0.15/0.357Marker-1.2.3 为 0.336/0.556Unstructured-0.17.2 为 0.586/0.716OpenParse-0.7.0 为 0.646/0.814。在 Expert VLMs 与 General VLMs 两档中PP-StructureV3 的 Overall 指标也优于多数通用大模型方案如 GPT4o 的 0.233/0.399、Qwen2.5-VL-72B 的 0.214/0.261与 Gemini2.5-Pro0.148/0.212处于同一水平区间。使用注意以上为 OmniDocBench 数据集上的官方公布数据用于横向理解 PP-StructureV3 的相对能力定位实际业务效果应以自有数据集的评测为准。三、推理性能基准本地推理与服务化部署3.1 测试环境与数据版本Paddle 3.0 正式版、PaddleOCR 3.0.0 正式版、MinerU 1.3.10、CUDA 11.8、cuDNN 8.9本地推理数据15 个 PDF 文件、共 925 页包含表格、公式、印章、图表等元素服务化部署数据1500 张图像包含表格、公式、印章、图表等元素3.2 本地推理NVIDIA Tesla V100 Intel Xeon Gold 6271CPP-StructureV3 的配置维度包括OCR 模型Server/Mobile 系列、公式识别模型PP-FormulaNet-L/M、是否启用图表识别模块、文本检测 max_side_limit。OCR 模型公式模型图表识别max_side_limit平均每页耗时(s)峰值VRAM(GB)平均VRAM(GB)Server系列PP-FormulaNet-L✗40961.7717.016.5Server系列PP-FormulaNet-L✔40964.0917.016.6Mobile系列PP-FormulaNet-L✗40961.5610.710.6Server系列PP-FormulaNet-M✗40961.4216.015.5Mobile系列PP-FormulaNet-M✗40961.158.48.3Mobile系列PP-FormulaNet-M✗12000.998.68.5MinerU对照---1.5731.69.73.3 本地推理NVIDIA A100 Intel Xeon Platinum 8350COCR 模型公式模型图表识别max_side_limit平均每页耗时(s)峰值VRAM(GB)平均VRAM(GB)Server系列PP-FormulaNet-L✗40961.1221.821.1Server系列PP-FormulaNet-L✔40962.7621.821.1Mobile系列PP-FormulaNet-L✗40961.0412.212.1Server系列PP-FormulaNet-M✗40960.9521.821.0Mobile系列PP-FormulaNet-M✗40960.8911.411.2Mobile系列PP-FormulaNet-M✗12000.6411.411.2MinerU对照---1.0676.914.8从两组数据可以清晰看出调优方向更换 Mobile 系列 OCR 模型可显著降低显存占用公式模型从 L 降到 M、文本检测 max_side_limit 从 4096 降到 1200可带来可观的提速收益V100 上每页从 1.77s 降至 0.99sA100 上从 1.12s 降至 0.64s。3.4 服务化部署基准NVIDIA A100实例数并发请求数吞吐平均时延(s)成功请求数/总请求数4卡 ✖️ 1实例/卡41.692.36100%4卡 ✖️ 4实例/卡164.053.87100%可见通过增加每卡实例数实现水平扩展可将吞吐从 1.69 提升到 4.05且请求全部成功说明服务化部署方案具备良好的并发扩展能力。3.5 产线基准测试不同配置 × 多种硬件下表原始数据见 PP-StructureV3.md 3.3 节给出了 8 种产线配置在 5 种硬件组合下的平均推理时间秒/图。测试环境为 PaddlePaddle 3.1.0、CUDA 11.8、cuDNN 8.9、PaddleX develop测试数据为包含表格、印章、公式、图表的 280 张图像先以 20 个样本预热后对全量数据重复 1 次测速NPU/XPU 由于未采集设备内存数据相应位置标记为 N/A。流水线配置Intel 8350CA100Intel 6271CV100Intel 8563CH20Intel 8350CA10Intel 6271CT4PP_StructureV3-default默认配置1.382.381.361.743.70PP_StructureV3-pp文档图像预处理3.505.033.17--PP_StructureV3-full预处理图表解析8.9213.12---PP_StructureV3-seal印章文本识别1.392.441.401.753.76PP_StructureV3-chart图表解析7.7010.58-8.0311.69PP_StructureV3-notable关闭表格识别1.242.241.181.583.40PP_StructureV3-noformula关闭公式识别0.841.420.871.032.02PP_StructureV3-lightweight全部换轻量模型0.611.070.460.701.13各配置说明PP_StructureV3-default默认配置PP_StructureV3-pp默认配置基础上开启文档图像预处理PP_StructureV3-full默认配置基础上开启文档图像预处理和图表解析PP_StructureV3-seal默认配置基础上开启印章文本识别PP_StructureV3-chart默认配置基础上开启文档图表解析PP_StructureV3-notable默认配置基础上关闭表格识别PP_StructureV3-noformula默认配置基础上关闭公式识别PP_StructureV3-lightweight默认配置基础上将所有任务模型都换成最轻量版本。此外在纯 CPU 环境无 GPU下 PP-StructureV3 也可运行Intel 6271C 上 noformula 配置约 7.85s/图、lightweight 配置约 4.36s/图。这些数据为用户在精度优先 / 速度优先 / 显存受限 / 仅 CPU等不同约束下选择配置提供了直接依据。四、Demo 示例与效果验证PP-StructureV3 官方提供了演示效果图与更多示例 PDF展示其将复杂版面含多栏、表格、公式、图表还原为结构化 Markdown 的实际效果。建议读者在本地跑通下文的推理命令后用包含多栏论文、含公式教材、含表格报告的样张逐一验证版面检测、公式 LaTeX 输出、表格 HTML 输出与阅读顺序是否满足预期。五、实战使用Python API 与 CLI5.1 Python API 集成PP-StructureV3 在 paddleocr/_pipelines/pp_structurev3.py 中实现了PPStructureV3类并在 paddleocr/init.py 中导出支持以产线即对象的方式直接调用from paddleocr import PPStructureV3 # 默认配置各模块参数量最大的模型 pipeline PPStructureV3() # 单张图片/PDF 推理predict 返回结果列表 result pipeline.predict(input.pdf) # 多页 Markdown 拼接 markdown pipeline.concatenate_markdown_pages([r[markdown] for r in result]) # 打印单页结构化结果含 res 与 markdown 字段 for res in result: print(res[res]) print(res[markdown])关键点说明多卡并行在构造或推理时设置devicegpu:0,1,2,3即可启用多卡并行推理PPStructureV3继承自PaddleXPipelineWrapperdevice 参数透传给底层产线若内置多卡并行提速仍不满足预期可参考 并行推理文档 中的多进程并行示例代码进一步优化。按需开关模块推理时可通过use_doc_orientation_classify、use_doc_unwarping、use_seal_recognition、use_table_recognition、use_formula_recognition、use_chart_recognition、use_region_detection等参数动态启停模块对应 pp_structurev3.py#L148-L221 的predict_iter签名无需重建产线对象。语言与 OCR 版本选择构造时传lang如ch、en、japan、korean与ocr_versionPP-OCRv3/PP-OCRv4/PP-OCRv5见 pp_structurev3.py#L28 的_SUPPORTED_OCR_VERSIONS源码_get_ocr_model_names()pp_structurev3.py#L530-L690会自动映射到对应的检测/识别模型其中PP-OCRv5系列模型介绍见 PP-OCRv5 文档公式识别模型介绍见 公式识别文档文本检测max_side_limit设置见 文本检测文档。5.2 CLI 命令行使用PaddleOCR 为每个产线注册了 CLI 子命令PPStructureV3的 CLI 执行器位于 pp_structurev3.py#L693-L759子命令名为pp_structurev3。以paddleocr主命令为例paddleocr pp_structurev3 \ --input ./test.pdf \ --device gpu:0 \ --output ./output \ --lang ch \ --ocr_version PP-OCRv5 \ --use_table_recognition True \ --use_formula_recognition TrueCLI 支持的常用参数均可在 Python API 中对应使用参数类型说明--layout_detection_model_name / --layout_detection_model_dirstr版面检测模型名称 / 本地模型目录--layout_thresholdfloat版面检测分数阈值--layout_nmsbool是否对版面检测结果做 NMS--layout_unclip_ratiofloat版面检测框扩展系数--layout_merge_bboxes_modestr重叠框过滤方式--chart_recognition_model_name / --chart_recognition_batch_sizestr/int图表解析模型与批大小--region_detection_model_namestr文档版面子区域检测模型--text_det_limit_side_len / --text_det_limit_typeint/str文本检测最长边限制即 max_side_limit/ 限制类型--text_det_thresh / --text_det_box_thresh / --text_det_unclip_ratiofloat文本检测阈值、框阈值、扩展系数--text_rec_score_threshfloat文本识别置信度阈值--formula_recognition_model_name / --formula_recognition_batch_sizestr/int公式识别模型与批大小--use_*如--use_seal_recognitionbool各可选模块启停开关--markdown_ignore_labelsstr生成 Markdown 时忽略的版面类别--devicestr推理设备如gpu:0,1,2,3表示多卡5.3 服务化部署与多语言调用PP-StructureV3 支持灵活的服务化部署兼容多种硬件环境并可通过多种编程语言调用Python 项目直接使用 PaddleOCR 的 Python API 集成即可其他语言C、C#、Java、Go、PHP 等推荐通过服务化部署方式集成。仓库的 api_sdk 目录提供了 Goclient.go 等与 TypeScriptsrc 等的官方 SDK 示例可参照实现调用大模型交互PaddleOCR 提供 MCP 服务仓库 mcp_server 目录即为其实现详细说明见 MCP 服务器文档。关于服务化部署的并发能力基础服务化部署方案同一时间只处理一个请求适用于快速验证与打通开发链路高稳定性服务化部署方案默认同样单请求处理但可通过调整配置设置多个实例实现水平扩展以同时处理多个请求并充分利用机器资源。无论哪种方案都可以通过启用高性能推理插件提升模型推理速度、降低时延。六、常见问题FAQQ1默认模型是什么配置想更高精度、更快速度或更小显存应该调哪些参数或换哪些模型A默认模型均采用各模块参数量最大的模型。第 3.3 节展示了不同模型选择对显存与推理速度的影响可根据设备情况和样本难易程度选择合适模型。经验性结论要提速降显存优先把 OCR 模型换为 Mobile 系列、公式模型从 L 降到 M、文本检测max_side_limit从 4096 降到 1200要更高精度则保持 Server 系列与 L 级公式模型。另外Python API 或 CLI 中设置device为设备类型:设备编号1,设备编号2...如gpu:0,1,2,3可实现多卡并行推理若内置多卡并行提速仍不满足预期可参考多进程并行推理示例结合具体场景优化见 并行推理文档。Q2PP-StructureV3 可以在 CPU 上运行吗A可以。虽然更推荐在 GPU 环境下推理但得益于多种配置选项及对轻量级模型的充分优化仅有 CPU 时可以参考 3.3 节选择轻量化配置。例如在 Intel 8350C CPU 上轻量化配置每张图片推理时间约为 3.74 秒。Q3如何将 PP-StructureV3 集成到自己的项目中APython 项目直接使用 Python API其他编程语言建议通过服务化部署方式集成PaddleOCR 支持 C、C#、Java、Go、PHP 等多种语言的客户端调用若需与大模型交互可使用 MCP 服务mcp_server。Q4服务化部署可以并发处理请求吗A基础服务化部署方案同一时间只处理一个请求适合快速验证或无需并发的场景高稳定性服务化部署方案默认也是单请求处理但可通过调整服务配置实现水平扩展使服务同时处理多个请求。Q5服务化部署如何降低时延、提升吞吐A两种服务化部署方案都可以通过启用高性能推理插件提升模型推理速度、降低时延高稳定性方案还可通过调整服务配置设置多个实例充分利用部署机器资源、有效提升吞吐可结合 3.4 节数据4卡×4实例/卡 时吞吐可达 4.05。七、总结与选型建议PP-StructureV3 是一套面向复杂文档解析的完整产线方案其技术特点可归纳为四点能力全版面检测 OCR 表格 公式 图表 印章 阅读顺序恢复、可裁剪8 种产线配置与模块级开关从 default 的 1.38s 到 lightweight 的 0.61sA100、可部署本地多卡并行 服务化水平扩展 多语言 SDK MCP 服务、可二次开发各模块可独立训练并无缝集成。实际选型建议如下追求最佳解析精度保持默认 Server 配置开启全部模块追求推理速度/低显存OCR 换 Mobile 系列、公式模型用 M、max_side_limit降至 1200或直接选用PP_StructureV3-lightweight配置文档无表格/无公式分别关闭表格识别notable或公式识别noformula以节省算力仅 CPU 环境使用 lightweight 配置Intel 8350C 上约 3.74s/图生产环境高并发采用高稳定性服务化部署 高性能推理插件 多实例水平扩展。【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PaddleOCR PP-StructureV3 文档解析产线深度解析：能力、基准测试与实战调优
PaddleOCR PP-StructureV3 文档解析产线深度解析能力、基准测试与实战调优【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCRPP-StructureV3 是 PaddleOCR 3.x 提供的智能文档解析产线能够将文档图像与 PDF 一键转换为结构化 Markdown覆盖版面区域检测、表格识别、公式识别、图表理解与多栏阅读顺序恢复等完整能力链。本文以 docs/version3.x/algorithm/PP-StructureV3/PP-StructureV3.md 为核心结合 产线使用教程 与 产线源码实现完整讲解其能力组成、精度与性能基准数据、Python/CLI/服务化部署三种使用方式以及按精度、速度、显存需求进行模型与参数调优的实战方法。一、PP-StructureV3 是什么能力全景与适用场景PP-StructureV3 是 PaddleOCR 3.x 中面向文档 → 结构化数据场景的产线Pipeline其核心价值在于将文档图像和 PDF 文件高效转换为结构化内容如 Markdown 格式并具备版面区域检测、表格识别、公式识别、图表理解以及多栏阅读顺序恢复等能力。它能够处理包含表格、公式、印章、图表、多栏排版等元素的复杂文档数据在多种文档类型下均表现优异。从能力构成看PP-StructureV3 由7 个模块或子产线组合而成每个模块均可独立训练、推理并内置多个模型模块/子产线职责是否可选仓库文档版面区域检测模块识别文档标题、段落标题、文本、表格、公式、图像、印章、图表等 20/23 类版面元素必需layout_detection.md通用 OCR 子产线文本检测 文本行方向分类 文本识别必需OCR.md文档图像预处理子产线文档方向分类、图像矫正可选doc_preprocessor.md表格识别子产线有线/无线表格结构识别、单元格检测、表格方向分类可选table_recognition_v2.md印章文本识别子产线印章区域检测 印章文本识别可选seal_recognition.md公式识别子产线公式区域识别输出 LaTeX可选formula_recognition.md图表解析模块图表内容理解与结构化输出可选chart_parsing.md在 产线源码 中PPStructureV3类的构造参数完整映射了上述模块layout_detection_model_name、text_detection_model_name、text_recognition_model_name、formula_recognition_model_name、wired_table_structure_recognition_model_name、seal_text_recognition_model_name、chart_recognition_model_name等并通过use_doc_orientation_classify、use_doc_unwarping、use_seal_recognition、use_table_recognition、use_formula_recognition、use_chart_recognition等布尔开关控制各模块的启停。这些参数会通过_get_paddlex_config_overrides()pp_structurev3.py#L307-L528映射为 PaddleX 产线配置项例如SubPipelines.DocPreprocessor.use_doc_orientation_classify、SubPipelines.GeneralOCR.SubModules.TextDetection.limit_side_len、SubModules.LayoutDetection.threshold等这也解释了产线支持二次开发、训练后模型可无缝集成的实现机制。二、精度表现OmniDocBench 关键指标对比PP-StructureV3 的精度数据来自 OmniDocBench详见 OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations采用Edit Distance 相关指标数值越低越好从 Overall、Text、Formula、Table、Read Order 五个维度、中英文两种语言进行评估。在 Pipeline Tools 一档中PP-StructureV3 的 Overall Edit↓ 指标为EN 0.145 / ZH 0.206在该类工具中处于领先水平其中中文场景的 Text0.088、Table0.109、Read Order0.091均为同档最优Formula 维度为 EN 0.295 / ZH 0.535。作为参照同档的 MinerU-0.9.3 为 0.15/0.357Marker-1.2.3 为 0.336/0.556Unstructured-0.17.2 为 0.586/0.716OpenParse-0.7.0 为 0.646/0.814。在 Expert VLMs 与 General VLMs 两档中PP-StructureV3 的 Overall 指标也优于多数通用大模型方案如 GPT4o 的 0.233/0.399、Qwen2.5-VL-72B 的 0.214/0.261与 Gemini2.5-Pro0.148/0.212处于同一水平区间。使用注意以上为 OmniDocBench 数据集上的官方公布数据用于横向理解 PP-StructureV3 的相对能力定位实际业务效果应以自有数据集的评测为准。三、推理性能基准本地推理与服务化部署3.1 测试环境与数据版本Paddle 3.0 正式版、PaddleOCR 3.0.0 正式版、MinerU 1.3.10、CUDA 11.8、cuDNN 8.9本地推理数据15 个 PDF 文件、共 925 页包含表格、公式、印章、图表等元素服务化部署数据1500 张图像包含表格、公式、印章、图表等元素3.2 本地推理NVIDIA Tesla V100 Intel Xeon Gold 6271CPP-StructureV3 的配置维度包括OCR 模型Server/Mobile 系列、公式识别模型PP-FormulaNet-L/M、是否启用图表识别模块、文本检测 max_side_limit。OCR 模型公式模型图表识别max_side_limit平均每页耗时(s)峰值VRAM(GB)平均VRAM(GB)Server系列PP-FormulaNet-L✗40961.7717.016.5Server系列PP-FormulaNet-L✔40964.0917.016.6Mobile系列PP-FormulaNet-L✗40961.5610.710.6Server系列PP-FormulaNet-M✗40961.4216.015.5Mobile系列PP-FormulaNet-M✗40961.158.48.3Mobile系列PP-FormulaNet-M✗12000.998.68.5MinerU对照---1.5731.69.73.3 本地推理NVIDIA A100 Intel Xeon Platinum 8350COCR 模型公式模型图表识别max_side_limit平均每页耗时(s)峰值VRAM(GB)平均VRAM(GB)Server系列PP-FormulaNet-L✗40961.1221.821.1Server系列PP-FormulaNet-L✔40962.7621.821.1Mobile系列PP-FormulaNet-L✗40961.0412.212.1Server系列PP-FormulaNet-M✗40960.9521.821.0Mobile系列PP-FormulaNet-M✗40960.8911.411.2Mobile系列PP-FormulaNet-M✗12000.6411.411.2MinerU对照---1.0676.914.8从两组数据可以清晰看出调优方向更换 Mobile 系列 OCR 模型可显著降低显存占用公式模型从 L 降到 M、文本检测 max_side_limit 从 4096 降到 1200可带来可观的提速收益V100 上每页从 1.77s 降至 0.99sA100 上从 1.12s 降至 0.64s。3.4 服务化部署基准NVIDIA A100实例数并发请求数吞吐平均时延(s)成功请求数/总请求数4卡 ✖️ 1实例/卡41.692.36100%4卡 ✖️ 4实例/卡164.053.87100%可见通过增加每卡实例数实现水平扩展可将吞吐从 1.69 提升到 4.05且请求全部成功说明服务化部署方案具备良好的并发扩展能力。3.5 产线基准测试不同配置 × 多种硬件下表原始数据见 PP-StructureV3.md 3.3 节给出了 8 种产线配置在 5 种硬件组合下的平均推理时间秒/图。测试环境为 PaddlePaddle 3.1.0、CUDA 11.8、cuDNN 8.9、PaddleX develop测试数据为包含表格、印章、公式、图表的 280 张图像先以 20 个样本预热后对全量数据重复 1 次测速NPU/XPU 由于未采集设备内存数据相应位置标记为 N/A。流水线配置Intel 8350CA100Intel 6271CV100Intel 8563CH20Intel 8350CA10Intel 6271CT4PP_StructureV3-default默认配置1.382.381.361.743.70PP_StructureV3-pp文档图像预处理3.505.033.17--PP_StructureV3-full预处理图表解析8.9213.12---PP_StructureV3-seal印章文本识别1.392.441.401.753.76PP_StructureV3-chart图表解析7.7010.58-8.0311.69PP_StructureV3-notable关闭表格识别1.242.241.181.583.40PP_StructureV3-noformula关闭公式识别0.841.420.871.032.02PP_StructureV3-lightweight全部换轻量模型0.611.070.460.701.13各配置说明PP_StructureV3-default默认配置PP_StructureV3-pp默认配置基础上开启文档图像预处理PP_StructureV3-full默认配置基础上开启文档图像预处理和图表解析PP_StructureV3-seal默认配置基础上开启印章文本识别PP_StructureV3-chart默认配置基础上开启文档图表解析PP_StructureV3-notable默认配置基础上关闭表格识别PP_StructureV3-noformula默认配置基础上关闭公式识别PP_StructureV3-lightweight默认配置基础上将所有任务模型都换成最轻量版本。此外在纯 CPU 环境无 GPU下 PP-StructureV3 也可运行Intel 6271C 上 noformula 配置约 7.85s/图、lightweight 配置约 4.36s/图。这些数据为用户在精度优先 / 速度优先 / 显存受限 / 仅 CPU等不同约束下选择配置提供了直接依据。四、Demo 示例与效果验证PP-StructureV3 官方提供了演示效果图与更多示例 PDF展示其将复杂版面含多栏、表格、公式、图表还原为结构化 Markdown 的实际效果。建议读者在本地跑通下文的推理命令后用包含多栏论文、含公式教材、含表格报告的样张逐一验证版面检测、公式 LaTeX 输出、表格 HTML 输出与阅读顺序是否满足预期。五、实战使用Python API 与 CLI5.1 Python API 集成PP-StructureV3 在 paddleocr/_pipelines/pp_structurev3.py 中实现了PPStructureV3类并在 paddleocr/init.py 中导出支持以产线即对象的方式直接调用from paddleocr import PPStructureV3 # 默认配置各模块参数量最大的模型 pipeline PPStructureV3() # 单张图片/PDF 推理predict 返回结果列表 result pipeline.predict(input.pdf) # 多页 Markdown 拼接 markdown pipeline.concatenate_markdown_pages([r[markdown] for r in result]) # 打印单页结构化结果含 res 与 markdown 字段 for res in result: print(res[res]) print(res[markdown])关键点说明多卡并行在构造或推理时设置devicegpu:0,1,2,3即可启用多卡并行推理PPStructureV3继承自PaddleXPipelineWrapperdevice 参数透传给底层产线若内置多卡并行提速仍不满足预期可参考 并行推理文档 中的多进程并行示例代码进一步优化。按需开关模块推理时可通过use_doc_orientation_classify、use_doc_unwarping、use_seal_recognition、use_table_recognition、use_formula_recognition、use_chart_recognition、use_region_detection等参数动态启停模块对应 pp_structurev3.py#L148-L221 的predict_iter签名无需重建产线对象。语言与 OCR 版本选择构造时传lang如ch、en、japan、korean与ocr_versionPP-OCRv3/PP-OCRv4/PP-OCRv5见 pp_structurev3.py#L28 的_SUPPORTED_OCR_VERSIONS源码_get_ocr_model_names()pp_structurev3.py#L530-L690会自动映射到对应的检测/识别模型其中PP-OCRv5系列模型介绍见 PP-OCRv5 文档公式识别模型介绍见 公式识别文档文本检测max_side_limit设置见 文本检测文档。5.2 CLI 命令行使用PaddleOCR 为每个产线注册了 CLI 子命令PPStructureV3的 CLI 执行器位于 pp_structurev3.py#L693-L759子命令名为pp_structurev3。以paddleocr主命令为例paddleocr pp_structurev3 \ --input ./test.pdf \ --device gpu:0 \ --output ./output \ --lang ch \ --ocr_version PP-OCRv5 \ --use_table_recognition True \ --use_formula_recognition TrueCLI 支持的常用参数均可在 Python API 中对应使用参数类型说明--layout_detection_model_name / --layout_detection_model_dirstr版面检测模型名称 / 本地模型目录--layout_thresholdfloat版面检测分数阈值--layout_nmsbool是否对版面检测结果做 NMS--layout_unclip_ratiofloat版面检测框扩展系数--layout_merge_bboxes_modestr重叠框过滤方式--chart_recognition_model_name / --chart_recognition_batch_sizestr/int图表解析模型与批大小--region_detection_model_namestr文档版面子区域检测模型--text_det_limit_side_len / --text_det_limit_typeint/str文本检测最长边限制即 max_side_limit/ 限制类型--text_det_thresh / --text_det_box_thresh / --text_det_unclip_ratiofloat文本检测阈值、框阈值、扩展系数--text_rec_score_threshfloat文本识别置信度阈值--formula_recognition_model_name / --formula_recognition_batch_sizestr/int公式识别模型与批大小--use_*如--use_seal_recognitionbool各可选模块启停开关--markdown_ignore_labelsstr生成 Markdown 时忽略的版面类别--devicestr推理设备如gpu:0,1,2,3表示多卡5.3 服务化部署与多语言调用PP-StructureV3 支持灵活的服务化部署兼容多种硬件环境并可通过多种编程语言调用Python 项目直接使用 PaddleOCR 的 Python API 集成即可其他语言C、C#、Java、Go、PHP 等推荐通过服务化部署方式集成。仓库的 api_sdk 目录提供了 Goclient.go 等与 TypeScriptsrc 等的官方 SDK 示例可参照实现调用大模型交互PaddleOCR 提供 MCP 服务仓库 mcp_server 目录即为其实现详细说明见 MCP 服务器文档。关于服务化部署的并发能力基础服务化部署方案同一时间只处理一个请求适用于快速验证与打通开发链路高稳定性服务化部署方案默认同样单请求处理但可通过调整配置设置多个实例实现水平扩展以同时处理多个请求并充分利用机器资源。无论哪种方案都可以通过启用高性能推理插件提升模型推理速度、降低时延。六、常见问题FAQQ1默认模型是什么配置想更高精度、更快速度或更小显存应该调哪些参数或换哪些模型A默认模型均采用各模块参数量最大的模型。第 3.3 节展示了不同模型选择对显存与推理速度的影响可根据设备情况和样本难易程度选择合适模型。经验性结论要提速降显存优先把 OCR 模型换为 Mobile 系列、公式模型从 L 降到 M、文本检测max_side_limit从 4096 降到 1200要更高精度则保持 Server 系列与 L 级公式模型。另外Python API 或 CLI 中设置device为设备类型:设备编号1,设备编号2...如gpu:0,1,2,3可实现多卡并行推理若内置多卡并行提速仍不满足预期可参考多进程并行推理示例结合具体场景优化见 并行推理文档。Q2PP-StructureV3 可以在 CPU 上运行吗A可以。虽然更推荐在 GPU 环境下推理但得益于多种配置选项及对轻量级模型的充分优化仅有 CPU 时可以参考 3.3 节选择轻量化配置。例如在 Intel 8350C CPU 上轻量化配置每张图片推理时间约为 3.74 秒。Q3如何将 PP-StructureV3 集成到自己的项目中APython 项目直接使用 Python API其他编程语言建议通过服务化部署方式集成PaddleOCR 支持 C、C#、Java、Go、PHP 等多种语言的客户端调用若需与大模型交互可使用 MCP 服务mcp_server。Q4服务化部署可以并发处理请求吗A基础服务化部署方案同一时间只处理一个请求适合快速验证或无需并发的场景高稳定性服务化部署方案默认也是单请求处理但可通过调整服务配置实现水平扩展使服务同时处理多个请求。Q5服务化部署如何降低时延、提升吞吐A两种服务化部署方案都可以通过启用高性能推理插件提升模型推理速度、降低时延高稳定性方案还可通过调整服务配置设置多个实例充分利用部署机器资源、有效提升吞吐可结合 3.4 节数据4卡×4实例/卡 时吞吐可达 4.05。七、总结与选型建议PP-StructureV3 是一套面向复杂文档解析的完整产线方案其技术特点可归纳为四点能力全版面检测 OCR 表格 公式 图表 印章 阅读顺序恢复、可裁剪8 种产线配置与模块级开关从 default 的 1.38s 到 lightweight 的 0.61sA100、可部署本地多卡并行 服务化水平扩展 多语言 SDK MCP 服务、可二次开发各模块可独立训练并无缝集成。实际选型建议如下追求最佳解析精度保持默认 Server 配置开启全部模块追求推理速度/低显存OCR 换 Mobile 系列、公式模型用 M、max_side_limit降至 1200或直接选用PP_StructureV3-lightweight配置文档无表格/无公式分别关闭表格识别notable或公式识别noformula以节省算力仅 CPU 环境使用 lightweight 配置Intel 8350C 上约 3.74s/图生产环境高并发采用高稳定性服务化部署 高性能推理插件 多实例水平扩展。【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考