PaddleOCR تطلق PP-OCRv6: التعرّف على النصوص بـ 50 لغة بنماذج من 1.5 إلى 34.5 مليون معامل

نشرت Baidu PaddlePaddle نموذج PP-OCRv6 على Hugging Face، وهو جيل جديد من نماذج OCR الشاملة التي تتعرّف على النصوص بـ 50 لغة ضمن بنية موحّدة. ويتراوح التحسّن في المقاييس الرئيسية مقارنةً بالإصدار الخادمي السابق بين 4.6 و5.1 نقطة مئوية، فيما يبلغ حجم أصغر نموذج في العائلة 1.5 مليون معامل فقط.

ثلاثة إعدادات لمهام مختلفة

يصدر PP-OCRv6 في ثلاثة أحجام: Tiny وSmall وMedium. ويغطي نطاق المعاملات، من 1.5 إلى 34.5 مليون، طيفاً واسعاً يبدأ من الأنظمة المدمجة ذات قيود الذاكرة الصارمة، ويمتد إلى خطوط المعالجة الخادمية التي تُعطى فيها الأولوية لأقصى دقة ممكنة.

المؤشرات الرئيسية للإعدادات الثلاثة:

• Tiny (1.5 مليون معامل) — الكشف 80.6% Hmean، والتعرّف 73.5%
• Small (7.7 مليون معامل) — الكشف 84.1% Hmean، والتعرّف 81.3%
• Medium (34.5 مليون معامل) — الكشف 86.2% Hmean، والتعرّف 83.2%

يدعم إصدارا Small وMedium 50 لغة ضمن نموذج واحد: الصينية المبسّطة والتقليدية، والإنجليزية، واليابانية، و46 لغة مكتوبة بالأحرف اللاتينية. وهذا يلغي الحاجة إلى تخزين نماذج لغوية منفصلة وتحديثها، وهي من أبرز التعقيدات التشغيلية في خطوط OCR الإنتاجية الموجّهة إلى جمهور عالمي.

أما إصدار Tiny فمصمَّم للسيناريوهات التي تكون فيها الأولوية لسرعة الاستدلال في ظل موارد حاسوبية محدودة، ولا يكون التغطية اللغوية الكاملة أمراً حاسماً فيها.

البنية: نوى كبيرة وانتباه خفيف

تعتمد الإعدادات الثلاثة جميعها على هيكل أساسي (backbone) موحّد هو PPLCNetV4، يجمع بين مهمتي كشف النص والتعرّف عليه. ويقلّل هذا التوحيد كلفة الصيانة، ويسهّل الانتقال بين أحجام النموذج دون إعادة بناء خط المعالجة.

ولكشف النص يُستخدم RepLKFPN، وهو هرم سمات خفيف قائم على نوى التفاف كبيرة. ويتيح هذا التصميم التعامل في آن واحد مع نصوص بمقاييس مختلفة، من الخط الصغير في الوثائق القانونية إلى الرموز الكبيرة على الملصقات الصناعية ولافتات الشوارع.

ويتولّى التعرّف EncoderWithLightSVTR، وهو مزيج من نمذجة السياق المحلي وآلية الانتباه العامة. وقد اختُبرت النماذج على مجموعة واسعة من السيناريوهات الصناعية: المستندات التجارية، ولقطات شاشة الواجهات، وبطاقات الأسعار، واللوحات الرقمية، واللافتات، والنصوص في المشاهد الطبيعية. وبالمقارنة مع PP-OCRv5_server بلغ التحسّن +4.6 نقطة مئوية في الكشف و+5.1 نقطة مئوية في التعرّف.

ثلاثة مسارات إلى الإنتاج

يوفّر PaddleOCR 3.7 واجهة API موحّدة لثلاث بيئات نشر:

• Transformers — تكامل أصلي مع Hugging Face Hub وخطوط PyTorch دون إعداد إضافي
• ONNX Runtime — صيغة متعددة المنصات غير مرتبطة بإطار عمل محدّد؛ مناسبة للبنى التحتية غير المتجانسة التي تمزج بين Python وC++ وتطبيقات الأجهزة المحمولة
• Paddle Inference — الصيغة الأصلية لتحقيق أعلى أداء في بنية Baidu التحتية

نُشرت على Hugging Face مجموعة من 19 نموذجاً: إصدارات safetensors، وملفات Paddle inference، وإصدارات ONNX، مع نقاط تحقق منفصلة للكشف والتعرّف لكل حجم.

يُعيد الاستدلال نوعين من البيانات: ملف JSON منظّماً يتضمن إحداثيات الصناديق والنص المتعرَّف عليه، وصورة مرئية للنتائج للمهام التي تتطلب تحققاً بصرياً. وللتجربة السريعة دون تثبيت أي حزم، تتوفر منصة عرض تفاعلية على Hugging Face Spaces.

ماذا يعني ذلك

يعالج PP-OCRv6 مشكلتين عمليتين في آن واحد: التغطية متعددة اللغات دون تضخّم عدد النماذج المنفصلة، ومرونة النشر دون ارتباط صارم بمنظومة PaddlePaddle. ويجعل صدوره على Hugging Face المكتبة في متناول أي فريق يعمل بـ Python، وهو حالياً من أكثر الخيارات المفتوحة إيجازاً وتوثيقاً للمهام التي تتضمن مستندات بلغات متعددة.