# 多語言OCR

PP-OCRv4_mobile_det 是由 PaddleOCR 團隊開發的針對移動設備優化的高效文本檢測模型，適合邊緣設備部署。

PP-OCRv5_mobile_rec 是 PaddleOCR 團隊開發的最新一代文本行識別模型，支持簡體中文、繁體中文、英文和日文四種語言的識別，適用於多種複雜文本場景。

PP-OCRv5_server_rec 是 PaddleOCR 團隊開發的最新一代文本行識別模型，支持多語言和複雜文本場景的識別。

基於Microsoft Florence-2基礎模型微調的圖像轉文本模型，支持瑞典語和英語，專注於歷史手寫文本識別和光學字符識別。

基於Mistral-Small-3.1-24B-Instruct-2503構建的圖像文本轉文本模型，支持多語言處理

InternVL3-2B是OpenGVLab推出的先進多模態大語言模型（MLLM），具備卓越的多模態感知和推理能力，支持工具使用、GUI代理、工業圖像分析、3D視覺感知等。

MiniCPM-V 2.6是一款強大的多模態大語言模型，能夠在手機等設備上高效運行，支持單圖像、多圖像和視頻理解任務。

PaliGemma 2是基於Gemma 2的升級版視覺語言模型，支持多語言圖文輸入與文本輸出，專為視覺語言任務設計

MiniCPM-o 2.6的int4量化版本，顯著降低GPU顯存佔用，支持多模態處理能力。

PaliGemma 2是Google推出的升級版視覺語言模型，結合Gemma 2和SigLIP視覺模型能力，支持多語言圖像文本交互任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像+文本輸入，輸出文本響應，適用於多種視覺語言任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

PaliGemma 2是基於Gemma 2的視覺語言模型，支持圖像與文本輸入，輸出生成文本，適用於多種視覺語言任務。

基於TrOCR架構的天城文光學字符識別模型，專門針對尼泊爾語/天城文字符進行微調

基於TrOCR基礎手寫體模型微調而成的泰語和英語光學字符識別模型，擅長處理手寫文本行圖像

該模型是針對烏爾都語OCR任務專門訓練的，最適合處理單行烏爾都語文本圖像，主要專注於印刷體文本。

這是一個基於TrOCR的中世紀草書體識別模型，專門用於識別拉丁語、法語、意大利語、西班牙語和加泰羅尼亞語的中世紀手寫文本。

TrOCR-Ru是基於microsoft/trocr-base-handwritten在俄語和英語合成數據集上微調的光學字符識別模型，專注於圖像轉文本任務。

TrOCR 是一個基於Transformer的光學字符識別模型，用於從圖像中提取文本內容。

一個基於Transformer架構的OCR系統，專門用於識別中部庫爾德語文本，使用合成數據進行訓練。

Pix2Struct是基於OCR-VQA任務微調的視覺問答模型，能夠解析圖像中的文本內容並回答問題

Pix2Struct是一個圖像編碼器-文本解碼器模型，通過圖像-文本對訓練，支持多種任務，包括圖像描述生成和視覺問答。

Pix2Struct是一種圖像編碼器-文本解碼器模型，通過圖像-文本配對數據進行多任務訓練，專門針對圖表問答任務進行微調

該模型是基於donut-base在拉脫維亞收據數據集上微調的版本，主要用於收據圖像處理任務

基於TensorFlow 2和PyTorch的光學字符識別(OCR)模型，支持多語言文本檢測與識別

基於 TensorFlow 2 和 PyTorch 的光學字符識別技術，支持多語言文檔識別