PaddleOCR-VL 系列的全新迭代版本PaddleOCR-VL-1.5今天正式上線，沐曦曦云C500/C550 Day 0 適配PaddleOCR-VL-1.5模型，助力PaddleOCR-VL-1.5第一時間面向企業與開發者提供模型服務。

PaddleOCR-VL-1.5創新性地支持了文檔元素的異形框定位，使得PaddleOCR-VL-1.5 在掃描、傾斜、彎折、屏幕拍攝及復雜光照等真實落地場景中均表現卓越，實現了全面的 SOTA。此外，模型進一步集成了印章識別與文本檢測識別任務，關鍵指標持續領跑主流模型。

曦云C系列基于沐曦自主研發的高性能核心GPU IP，具備高能效和高通用性的天然優勢。曦云C系列支持大模型訓練及推理，可廣泛應用于推薦系統、自動語音識別、語音合成、圖像分割檢測、數據庫加速、大語言模型、文生圖、文生視頻等多種場景。作為沐曦主力訓推一體GPU產品，曦云C500/C550具備強勁的算力支撐與靈活的部署優勢，支持多種混合精度計算，可充分釋放PaddleOCR-VL-1.5的模型潛力，實現推理效率與部署體驗的雙重提升，降低企業與開發者的模型應用門檻。

目前，沐曦已構建了從硬件架構到軟件棧的完整自研技術體系。為了讓長周期迭代的硬件適配短周期更新的應用與算法，沐曦打造了全棧自主可控的MXMACA軟件棧原生兼容主流生態，這意味著AI應用可以幾乎零成本地遷移到沐曦的平臺上，基本做到“即插即用”。MXMACA軟件棧于2025年2月份開源，現已擁有超過15萬用戶。

1PaddleOCR-VL-1.5關鍵能力

在 OmniDocBench v1.5 上以 0.9B 的參數量實現 94.5% 的精度，超越了上一代 SOTA 模型 PaddleOCR-VL，表格、公式及文本識別能力大幅提升。

全球首個支持異形框定位的文檔解析模型，可精準返回傾斜、彎折場景下的多邊形檢測框。在掃描、彎折、傾斜、屏幕拍照、光線變化 5 個場景下，精度均優于目前主流的開源與閉源模型。

新增文本行定位/識別與印章識別能力，各項技術指標均刷新領域 SOTA。

精進特殊場景及多語種識別能力。優化了生僻字、古籍、多語種表格、下劃線及復選框的識別效果，并擴展了藏語和孟加拉語的識別支持。

支持跨頁表格自動合并與跨頁段落標題識別，解決了長文檔解析中的斷層問題。

推理速度進一步提升。

2模型架構

3如何使用

在線使用：https://www.paddleocr.com

開源項目地址：https://github.com/PaddlePaddle/PaddleOCR

模型下載地址：https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5

PaddleOCR-VL-1.5使用步驟（詳情可點擊下方閱讀全文）：

啟動容器（使用官方鏡像）

dockerrun -it
 --user root
 --privileged
 --device /dev/dri:/dev/dri
 --device /dev/dri
 --device /dev/mxcd:/dev/mxcd
 --security-opt seccomp=unconfined
 --security-opt apparmor=unconfined
 --shm-size64g
 --network host
 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-fastdeploy-server:latest-metax-gpu bash

安裝PaddleOCR-VL-1.5

python-m pip install -U"paddleocr[doc-parser]"
pip install openai

(可選)： 快速測試PaddleOCR-VL-1.5原生推理(基于paddlex)

paddleocr doc_parser-i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png
# 可選參數：
--layout_detection_model_name（版面區域檢測排序模型的名稱，不設置將會使用默認模型）
--layout_detection_model_dir（版面區域檢測排序模型的路徑，不設置將會使用默認模型）
--vl_rec_model_name（多模態識別模型目錄名稱，不設置將會下載官方模型）
--vl_rec_model_dir（多模態識別模型目錄路徑，不設置將會下載官方模型）
--device（用于推理的設備，不設置默認使用cpu, 如要使用gpu，請設--device metax_gpu， 如要指定某張卡，請先設置環境變量 MACA_VISIBLE_DEVICES={gpu_id}）

啟動fastdeploy服務

paddleocrgenai_server --model_name PaddleOCR-VL-1.5-0.9B --host0.0.0.0--port8118--backend fastdeploy --model_dir {model_dir} 

注：model_dir為下載的PaddeOCR-VL-1.5模型的路徑

啟動客戶端程序

方式一：通過CLI調用

paddleocr doc_parser--inputpaddleocr_vl_demo.png--vl_rec_backendfastdeploy-server--vl_rec_server_urlhttp://127.0.0.1:8118/v1 --device metax_gpu

注：model_dir為下載的PaddeOCR-VL-1.5模型的路徑

方式二：通過Python API調用

frompaddleocrimportPaddleOCRVL
#基于paddlex推理
# pipeline = PaddleOCRVL() 
#基于fd server推理
pipeline = PaddleOCRVL(vl_rec_backend="fastdeploy-server", vl_rec_server_url="http://127.0.0.1:8118/v1", device="metax_gpu", layout_detection_model_name="PP-DocLayoutV2", vl_rec_model_name="PaddleOCR-VL-0.9B")
# pipeline = PaddleOCRVL(use_doc_orientation_classify=True) # 通過 use_doc_orientation_classify 指定是否使用文檔方向分類模型
# pipeline = PaddleOCRVL(use_doc_unwarping=True) # 通過 use_doc_unwarping 指定是否使用文本圖像矯正模塊
# pipeline = PaddleOCRVL(use_layout_detection=False) # 通過 use_layout_detection 指定是否使用版面區域檢測排序模塊
output = pipeline.predict("./paddleocr_vl_demo.png")
forresinoutput:
  res.print()## 打印預測的結構化輸出
  res.save_to_json(save_path="output")## 保存當前圖像的結構化json結果
  res.save_to_markdown(save_path="output")## 保存當前圖像的markdown格式的結果

關于沐曦股份

沐曦股份致力于自主研發全棧高性能GPU芯片及計算平臺，為智算、通用計算、云渲染等前沿領域提供高能效、高通用性的算力支撐，助力數字經濟發展。