把 PDF、图片和 Office 文档变成可编辑 Markdown 的本地文档工作台。 一套界面运行六种 OCR / 文档解析模型，结果留在自己的机器上，并支持批处理、CLI、Apple Silicon 以及可编辑、可搜索导出。

Windows 一键部署与 Linux/Docker 默认显示六个模型，按需部署和切换，只运行当前选中的模型。已有独立模型服务的用户，可选用外部 API 模式：该模式只显示自行配置的服务；远程服务会接收待识别内容。

English · 快速开始 · CLI · 硬件兼容表 · 路线图 · 参与贡献

已安装 NVIDIA 驱动和支持 GPU 的 Docker Desktop 后，在仓库根目录运行：

.\unlimited-ocr2-one-click.bat

自动检测显卡、显存、驱动及 Docker GPU 能力：12GB 档选择 Transformers，16GB 及以上选择 SGLang，并调整上下文和每批页数。不满足自动配置要求时会给出原因和替代入口。 首次会构建环境、下载权重并打开 WebUI。可加 -Backend transformers 选择原生后端。 RTX 5070 Ti 16GB 使用单并发 CUDA Graph 配置与每批 5 页的多页解析默认值。 其他模型继续使用原来的 windows-one-click.bat，保留统一界面和按需切换。 详见 部署、使用及资源限制。

OvisOCR2 已升级为 OvisOCR3，保持原有文档工作台。Windows NVIDIA / Docker 用户运行：

.\ovisocr3-one-click.bat

首次运行会检查 GPU、驱动和 Docker GPU 能力，构建环境、下载固定版本权重并打开 http://localhost:8000/。 仅检查部署条件可运行 .\ovisocr3-one-click.bat -DryRun；已构建本地镜像时可加 -SkipBuild -SkipPull。 共享启动器保留 Docker 已知 socket 故障自动恢复、单模型显存互斥和原有模型入口。旧任务与模型缓存保留。

现代 NVIDIA 显卡默认使用 vLLM；TITAN V 等旧架构自动选择 CUDA 12.6 / Transformers FP16 兼容镜像。 工作台统一为自动文档解析：上传文件后识别正文、版面、公式、表格与图像，按内容补充图表数据、图内文字和票据键值，并自动重建跨页表格。无需选择任务或填写能力参数。原始结果与来源坐标保留。详见文档解析流程与验证范围。升级后需要重建模型镜像。

macOS Apple Silicon 独立入口（默认 MLX）：

./macos-ovisocr3-one-click.command

Windows / RTX 5070 Ti 16GB 已实测两种后端。以下是预热后的单次样本请求耗时，Office 转换不计入：

首次请求可能触发编译：验收中的首次 vLLM 请求耗时 56.52 秒，模型启动时间另计。 这些是本机样本结果，不代表所有文档速度；macOS 尚未进行第三代模型的真机推理验证。 详见 部署说明和实测记录与验证范围。

• 完全本地：文档、解析结果和历史任务保存在自己的机器上。
• 六模型统一入口：PaddleOCR-VL 1.6、PP-OCRv6、Unlimited-OCR-2、OvisOCR3、HPD-Parsing、NaviDC-OCR。按需部署，只运行当前选择的模型；Unlimited-OCR-2 支持 Transformers / SGLang 双后端。
• 照顾单卡机器：只启动当前模型，切换时自动释放其他模型占用的显存。
• 跨平台部署：Windows / Linux NVIDIA Docker，macOS Apple Silicon 原生与 MLX 路径。
• 不只是文本框：逐页进度、原文对照、表格与公式渲染、任务恢复、可编辑与可搜索导出。
• 面向真实部署：模型显存预检、隔离的模型控制器和 Office 转换器、API Token、依赖锁定与高覆盖率测试。

数值是项目的启动兼容性参考，不代表所有文档都能在该下限稳定运行。请查看完整硬件兼容表。

提前安装 NVIDIA 驱动和支持 GPU 的 Docker Desktop，然后运行：

.\windows-one-click.bat -DryRun
.\windows-one-click.bat

脚本会自动启动 Docker Desktop；遇到已知的 OTel socket 残留故障会定点恢复一次， 保留模型缓存和项目数据。恢复边界与预检说明

docker compose -f docker-compose.cpu.yml up -d --build --wait --wait-timeout 1200

使用 PP-OCRv6 识别图片和 PDF。无需 CUDA 或 GPU 容器运行时。 首次运行下载模型，完整说明与验证范围见 CPU 部署。

支持 Apple M1、M2、M3、M4，OvisOCR3 默认使用 MLX：

make doctor
./macos-one-click.command

make doctor
cp env.docker env.txt
./build.sh
./deploy.sh

部署完成后打开 http://localhost:8000。六个默认逻辑模型分别受 Compose profile 保护；部署脚本只创建未运行的待机容器，由控制器启动一个选定模型。切换时必须先完整停止旧模型并释放显存，确认后才启动新模型，因此任意时刻显存只驻留当前选择的一个逻辑模型；绝不会通过裸 docker compose up 同时加载多个模型。首次运行需要下载镜像或模型，耗时取决于网络和所选模型。高级配置请查看 Docker 部署文档。想先快速演示导出与恢复流程，可使用 60 秒快速演示。

• 批量上传图片、PDF、PPT/PPTX、DOC/DOCX
• PDF 按页或按批解析，显示进度并从中断处恢复
• 失败批次单独重试，不必重复解析已完成批次
• 六模型按需部署、显存预检和运行时切换
• 根据显存与模型能力给出推荐模型，并支持一键切换
• Markdown、表格、公式、代码和图片区域渲染
• 原文件与解析结果左右对照、滚动同步
• 历史任务搜索和本地持久化
• Markdown、JSON、图片资源、可编辑 DOCX、可搜索 PDF、离线单文件 HTML 与表格 CSV / XLSX 下载
• 中文 / 英文界面
• FastAPI 接口与 OpenAPI 描述
• CLI、目录批处理和 Watch Folder

• 没有 NVIDIA 显卡：Apple Silicon 可选 OvisOCR3 MLX；Windows/Linux 可使用 PP-OCRv6 CPU 入口。
• 显存只有 8 GB：优先采用 WebUI 显存预检给出的推荐模型；通常会推荐 PP-OCRv6，避免重模型在低显存模式下勉强启动。
• 复杂论文和公式：优先尝试 PaddleOCR-VL、OvisOCR3、HPD-Parsing。

• Python：250+ 项测试，整体及核心导出模块覆盖率门禁 95%+
• 前端：48+ 项测试，语句和分支覆盖率门禁 95%+
• npm 与全部 Python 依赖清单进行漏洞扫描
• Docker 镜像、Actions 和模型 revision 固定版本
• Web、Docker 控制器和 LibreOffice 转换器隔离运行

详细变化见 CHANGELOG。

• 一个本地入口覆盖图片、PDF、Word 和 PowerPoint，而不是为每个模型维护一套命令。
• 单 GPU 严格串行切换，避免多个大模型意外同时占满显存。
• 输出可继续编辑、批量处理和接入 API，适合个人工作流与内部工具。
• 不默认上传文档或收集遥测；硬件兼容性按真实报告逐步补充。

• 遇到问题：先运行诊断，再按 Support 提交日志。
• 想增加模型：查看模型适配贡献说明。
• 想报告硬件表现：按兼容性模板提交。
• 想参与简单任务：在 Issues 中筛选 good first issue。

欢迎 Star、Fork、提交 Issue 和 Pull Request。项目采用 Apache-2.0 许可证。

PaddleOCR Local 是社区项目，并非 PaddlePaddle 官方产品。PaddleOCR 及其他模型名称归各自权利人所有。