截至 2026 年 6 月。你手機相簿裡那幾百張單據、合約、舊報表的照片，丟給 ChatGPT 或 Claude 問問題，它其實一個字都讀不準。圖片對 AI 來說就是一團像素，不是文字。中間缺了一道工序：先把圖片裡的字「認」出來，變成乾淨的文字和表格，AI 才接得住。
這道工序叫 OCR（光學文字辨識）。百度把自家這套工具開源了，叫 PaddleOCR。沒大張旗鼓宣傳，但它已經悄悄爬到 GitHub 上星數最高的 OCR 項目，把 Google 的 Tesseract 擠下了第一——近 8 萬顆星，今天還在加。我自己拿一疊掃描合約測過，這篇就講它能幹嘛、跟別的差在哪、你該不該用。
一句話：它是「圖片 → AI」中間缺的那塊拼圖
PaddleOCR 做的事很單純：把任何 PDF 或圖片，轉成 AI 看得懂的結構化資料。不只是把字抓出來，連表格、版面、欄位的關係都幫你還原。它支援 100 多種語言，繁體中文、英文、日文混在同一張紙上也能一次處理。
最新一代模型是 PP-OCRv5。準確率比上一代再升約 13%，難搞的場景——潦草手寫、直書、生僻字——都補強了。最誇張的一點：它的旗艦模型只有 500 萬參數（在模型界算超迷你），官方說在某些 OCR 任務上能跟 GPT-4o 打平。換句話說，一個小到能跑在你筆電 CPU 上、不用顯卡的模型，做這件專門的事，不輸那些幾千億參數的大模型。
百度今年初還加碼開源了 PaddleOCR-VL，一個專門看懂複雜文件版面的視覺語言模型，能辨識表格、圖表、公式，文件解析準確率做到 94.5%。所以它不再只是「認字」，而是「讀懂整份文件」。
場景化：什麼人真的需要它
講功能太抽象，講場景你就懂了。如果你是以下任何一種，這工具直接幫你省時間：
- 做帳、報稅的人：一疊紙本發票、收據拍照，OCR 轉成文字後丟進試算表或 AI，直接整理金額、日期、品項，不用一張張手打。
- 法務、行政：掃描合約做成可搜尋、可問答的文字。「這份合約的違約金條款寫什麼」——AI 秒答，前提是它讀得到內容。
- 做研究、整理資料的人：舊書、論文、報告的掃描檔，轉成文字後才能餵給 NotebookLM 或 Claude 做摘要。
- 跨境、多語場景：日文菜單、英文說明書、中文公文混著來，一個模型全吃。
共同點是：你手上的資訊「卡在圖片裡」，AI 碰不到。PaddleOCR 就是把鎖打開的那把鑰匙。
跟競品比：為什麼它擠掉了 Tesseract
OCR 這領域多年來的開源老大是 Google 的 Tesseract。它沒不好，但放在 2026 年的 AI 工作流裡，差距開始明顯。我把三個常見選項排一起：
| 項目 | PaddleOCR | Tesseract | 雲端 OCR API（Google/AWS） |
|---|---|---|---|
| 準確率（複雜版面） | 高，表格手寫都行 | 中，乾淨印刷字才穩 | 高 |
| 多語混排 | 強，100+ 語言 | 要逐語言裝 | 強 |
| 費用 | 免費、開源 | 免費、開源 | 按量付費 |
| 跑在哪 | 本機 CPU 即可，資料不出門 | 本機，極輕（10MB） | 要上傳到雲端 |
| 接 AI（LLM） | 輸出結構化資料，最好接 | 純文字，版面要自己補 | 看廠商 |
我的判斷：如果你的目的是「OCR 完餵給 AI」——做問答、做摘要、做整理——PaddleOCR 是現在最扎實的開源底座。Tesseract 仍然有它的位置，那種要塞進嵌入式裝置、離線機器、只有 10MB 空間的場景，沒人比它輕。但對多數人想做的「掃描檔變 AI 可用資料」這件事，PaddleOCR 的版面理解力和多語能力是真的好用。
至於雲端 OCR API，準確率沒問題，但兩個硬傷：要花錢、資料要上傳。處理敏感合約、客戶資料的時候，能在自己電腦上跑完、一個位元組都不外流，這點對很多人來說值回票價。
對散戶/普通人的實際意義
你可能會想：這是工程師的東西吧，我又不會寫程式。一半對一半不對。
確實，PaddleOCR 本體要用一點 Python，不是裝個 App 點兩下就好。但它今年做了一件降門檻的事：推出了 PaddleOCR.js，能直接在瀏覽器裡跑。這代表往後會有越來越多網頁工具、外掛，底層其實是用它，你不用碰程式就能享受到成果。
更重要的是觀念。當「圖片變文字」這道工序的成本歸零、準確率追上付費服務，整個「文件 → AI」的鏈路就全民化了。以前你得買掃描軟體、訂閱雲端服務；現在一個開源工具全包。你該知道它存在，這樣下次有人收你錢做這件事的時候，你心裡有底。
想自己動手？三步走
如果你願意碰一點命令列，上手其實很快：
- 裝好 Python，用 pip 安裝 PaddleOCR 套件。
- 把你要處理的 PDF 或圖片放進一個資料夾。
- 跑一行指令，它就輸出辨識結果——文字、座標、表格結構都有，存成 JSON 或文字檔。
拿到結構化結果後，下一步就是把它貼給 ChatGPT、Claude，或丟進像 open-notebook 這種本機知識庫，開始問答和整理。GitHub 上文件齊全，連繁中說明都有，照著走基本不會卡。
結論：值得收進工具箱
PaddleOCR 不是那種會上新聞頭條的明星項目，但它解決的是一個非常實際、每天都在發生的痛點：你的資訊卡在圖片裡，AI 拿不到。它免費、能本機跑、資料不出門、準確率追平付費服務，還是 GitHub 上最多人用的 OCR。
真正改變生活的 AI 工具，常常不是最會講故事的那個，而是默默把一道工序成本歸零的那個。PaddleOCR 就是這種。
如果你手上常有掃描檔、單據、舊文件要整理，又想用 AI 幫忙，這個值得花半小時試。最壞的情況也就是你發現「原來這件事免費就能做」。
本文為資訊與教學分享，提及的工具與數據截至 2026 年 6 月，AI 工具更新快速，實際功能與版本以官方為準。文中不構成任何投資或商業建議。
發佈留言