百度发布OCR模型PP-OCRv5，旨在解决通用视觉语言模型在OCR领域的局限性。该方案聚焦多场景、多文字类型的文字识别，支持5大主流文字类型，升级多种挑战性场景识别能力，较PP-OCRv4端到端提升13个百分点。采用模块化两阶段流程，模型更小、更高效，适合资源受限硬件，其架构含四个核心组件。模型已在Hugging Face上线，用户可在线测试，开发者能下载模型本地部署。