PaddleOCR-VL-0.9B 是一个基于 PaddlePaddle 框架开发的视觉语言模型，专门用于图像文本到文本的转换任务。该模型复刻自 PaddlePaddle 官方版本，支持从图像中提取和识别文本内容。

多模态Transformers

PaddleOCR团队开发的最新一代英文文本行识别模型，专为高效、准确的英文OCR识别而设计，在移动端设备上具有优异的性能表现。

PP-DocLayout-L 是一个高精度的文档布局区域定位模型，基于 RT-DETR-L 架构，支持检测 23 种常见文档布局类别。

PaddleOCR团队开发的PP-OCRv3_rec系列中的天城文专用文本行识别模型，支持天城文识别，平均准确率96.44%。

PP-LCNet_x1_0_table_cls是一个高效的表格分类模型，用于对输入的表格图像进行分类，支持有线表格和无线表格的分类。

RT-DETR-L_wireless_table_cell_det 是一个高精度的表格单元格检测模型，专为表格识别任务设计，能够准确定位和标记表格图像中的每个单元格区域。

UVDoc主要用于对文本图像进行几何变换，以纠正图像中文档的扭曲、倾斜、透视变形等问题，从而提高后续文本识别的准确性。

PP-OCRv4_server_rec 是 PaddleOCR 团队开发的 PP-OCRv4_rec 系列中的一个文本行识别模型，支持一般中文和英文场景下的文本行识别，主要侧重于中文。

PaddleOCR团队开发的超轻量级英文文本行识别模型，支持英文和数字字符识别

SLANeXt_wired 是一个用于表格结构识别的深度学习模型，能够将不可编辑的表格图像转换为可编辑的表格格式（如 HTML）。

SLANet是一个用于表格结构识别的模型，能够将不可编辑的表格图像转换为可编辑的表格格式（如HTML）。

RT-DETR-L_wired_table_cell_det 是表格识别任务中的关键模块，主要负责定位和标记表格图像中的每个单元格区域。

超轻量级韩语文本行识别模型，支持韩语和数字字符识别，平均准确率60.21%。

PP-DocBlockLayout 是一个基于 RT-DETR-L 训练的文档布局块定位模型，能够有效识别多种文档类型中的布局区域。

SLANet_plus是一款用于表格结构识别的模型，能够将不可编辑的表格图像转换为可编辑的表格格式（如HTML），在表格识别系统中发挥着重要作用，可有效提升表格识别的准确性和效率。

PP-OCRv3_mobile_rec 是 PaddleOCR 团队开发的轻量级文本行识别模型，采用 SVTR 算法，支持中英文识别，尤其专注于中文场景。

由PaddleOCR团队开发的超轻量级日语文本行识别模型，支持日语和数字字符识别。

基于PP-OCRv4_server_rec增强的文档文本识别模型，支持超过15000个字符，包括繁体字、日文字符和特殊符号。

PP-FormulaNet_plus-M 是由 PaddleOCR 团队开发的增强版公式识别模型，支持中文公式识别，并提升了对复杂公式的处理能力。

高效移动端印章文本检测模型，专为终端设备优化