WaveSpeedAI
← Blog

Apresentando WaveSpeedAI Paddle Ocr no WaveSpeedAI

PaddleOCR-VL é um modelo compacto de visão-linguagem com 0,9B de parâmetros para análise de documentos, suportando 109 idiomas com reconhecimento de texto, tabelas, fórmulas e gráficos

By WaveSpeedAI 5 min read
Wavespeed Ai Paddle Ocr
Wavespeed Ai Paddle Ocr PaddleOCR-VL é um modelo compacto de visão-linguagem com 0,9...
Try it
Apresentando WaveSpeedAI Paddle Ocr no WaveSpeedAI

Apresentando PaddleOCR-VL: O Powerhouse Ultra-Compacto de Análise de Documentos Agora na WaveSpeedAI

Estamos entusiasmados em anunciar que o PaddleOCR-VL agora está disponível na WaveSpeedAI. Este modelo de visão-linguagem revolucionário com 0,9B parâmetros da equipe PaddlePaddle do Baidu representa um grande avanço na tecnologia de análise de documentos—oferecendo precisão de ponta enquanto permanece compacto o suficiente para implantações práticas e de alto volume.

Seja você digitalizando arquivos, extraindo dados de faturas ou analisando artigos acadêmicos complexos, o PaddleOCR-VL lida com tudo com precisão notável em 109 idiomas.

O que é PaddleOCR-VL?

PaddleOCR-VL (Vision-Language) é um modelo de IA ultra-compacto especificamente projetado para análise de documentos multilíngues. Lançado em outubro de 2025, ele combina um codificador visual de resolução dinâmica estilo NaViT com o modelo de linguagem ERNIE-4.5-0.3B do Baidu para criar uma solução poderosa e eficiente para reconhecimento óptico de caracteres.

O que torna o PaddleOCR-VL excepcional é sua capacidade de alcançar um desempenho que supera modelos muito maiores como GPT-4o e Gemini 2.5 Pro—tudo com apenas 0,9 bilhão de parâmetros. Esta eficiência se traduz diretamente em processamento mais rápido e custos mais baixos para seus fluxos de trabalho de documentos.

O modelo já foi adotado por vários projetos de código aberto importantes, incluindo RAGFlow, MinerU, Umi-OCR e OmniParser, demonstrando sua confiabilidade e versatilidade em ambientes de produção.

Características Principais

Suporte Abrangente de Idiomas

  • 109 idiomas cobertos, incluindo chinês, inglês, japonês, coreano, árabe, hindi, russo, tailandês e dezenas mais
  • Lida com múltiplos scripts perfeitamente: Latim, Cirílico, Devanagari, Árabe e além
  • Perfeito para organizações globais que lidam com documentação multilíngue

Reconhecimento Avançado de Elementos

  • Extração de texto com alta precisão em conteúdo impresso, manuscrito e misto
  • Reconhecimento de tabelas que preserva estrutura e relacionamentos de células
  • Análise de fórmulas para documentos matemáticos e científicos
  • Interpretação de gráficos que converte dados visuais em informações estruturadas

Formatos de Saída Flexíveis

  • Saída em Markdown para texto formatado e legível por humanos, ideal para documentação e migração de conteúdo
  • Saída em JSON com informações de posição e caixas delimitadoras para integração com sistemas posteriores

Desempenho Líder em Benchmarks

  • Alcançou a pontuação geral mais alta de 80,0 no olmOCR-Bench
  • Se destaca na análise de documentos ArXiv (85,7) e reconhecimento de cabeçalhos/rodapés (97,0)
  • Pontuações de distância de edição de melhor classe para texto manuscrito em inglês (0,118) e chinês (0,034)

Casos de Uso

Digitalização de Documentos

Transforme documentos digitalizados, PDFs e arquivos físicos em formatos digitais pesquisáveis e editáveis. O PaddleOCR-VL lida com tudo, desde documentos de escritório pristinos até materiais históricos desafiadores com qualidade variável.

Processamento de Faturas e Recibos

Automatize a extração de dados de documentos financeiros. O modelo captura com precisão itens de linha, totais, datas e informações do fornecedor—tornando-o ideal para automação contábil e sistemas de gerenciamento de despesas.

Documentos Acadêmicos e de Pesquisa

Analise artigos acadêmicos complexos com fórmulas matemáticas, tabelas e layouts de várias colunas. O PaddleOCR-VL conquistou 85,7 na análise de documentos ArXiv, tornando-o excepcionalmente adequado para fluxos de trabalho de pesquisa.

Migração de Conteúdo Multilíngue

Organizações que operam globalmente podem consolidar documentação em múltiplos idiomas. O suporte para 109 idiomas significa que você pode processar documentos de praticamente qualquer mercado em um único pipeline unificado.

Processamento de Cartões de Visita e Formulários

Digitalize rapidamente informações de contato, envios de formulários e documentos estruturados. O formato de saída JSON facilita o roteamento de dados extraídos diretamente para sistemas CRM e bancos de dados.

Aprimoramento de Pipeline RAG

Alimente texto de alta qualidade extraído em sistemas de geração aumentada por recuperação. A adoção do PaddleOCR-VL pelo RAGFlow demonstra sua eficácia como etapa de pré-processamento para bases de conhecimento alimentadas por IA.

Começando na WaveSpeedAI

Usar PaddleOCR-VL na WaveSpeedAI é direto. Simplesmente forneça uma imagem e escolha seu formato de saída preferido:

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "image": "https://interactive-examples.mdn.mozilla.net/media/cc0-images/painted-hand-298-332.jpg",
    "output_format": "markdown"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/paddle-ocr", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)

Para dados estruturados com informações de posição, mude para saída JSON:

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "image": "https://interactive-examples.mdn.mozilla.net/media/cc0-images/painted-hand-298-332.jpg",
    "output_format": "markdown"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/paddle-ocr", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
prediction_id = task.get("id")
if not prediction_id:
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = task.get("urls", {}).get("get") or f"https://api.wavespeed.ai/api/v3/predictions/{prediction_id}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout"}:
        raise RuntimeError(result)
    if status not in {"created", "processing"}:
        raise RuntimeError(f"Unexpected status: {status}")
    time.sleep(2)

Dicas para Melhores Resultados

  • Use imagens de alta resolução quando possível para melhor precisão
  • Garanta bom contraste entre texto e fundo
  • Endireite documentos distorcidos antes do processamento para reconhecimento ideal
  • Escolha formato JSON quando precisar de posições de texto ou caixas delimitadoras para processamento posterior
  • Escolha formato Markdown para saída limpa e legível por humanos adequada para uso direto

Por que WaveSpeedAI?

Executar PaddleOCR-VL na WaveSpeedAI oferece vantagens significativas sobre soluções auto-hospedadas:

  • Sem inicializações frias: Suas solicitações começam a ser processadas imediatamente
  • Inferência rápida: Processamento em menos de um segundo para a maioria dos documentos
  • Preço acessível: Apenas $0,005 por imagem—processe 200 documentos por um dólar
  • Sem gerenciamento de infraestrutura: Pule a complexidade do provisionamento de GPU e implantação de modelos
  • REST API pronta: Integração simples com qualquer linguagem de programação ou fluxo de trabalho

A $0,005 por imagem, o processamento em lote se torna extremamente econômico. Processe dezenas de milhares de documentos sem se preocupar com escala de infraestrutura ou custos de computação.

Comece a Extrair Texto Hoje

PaddleOCR-VL representa a vanguarda da tecnologia de análise de documentos—compacto o suficiente para implantação prática, poderoso o suficiente para superar modelos muitas vezes seu tamanho. Com suporte para 109 idiomas e capacidades de reconhecimento abrangendo texto, tabelas, fórmulas e gráficos, é a solução versátil que seus fluxos de trabalho de documentos precisam.

Pronto para transformar como você lida com processamento de documentos? Experimente PaddleOCR-VL na WaveSpeedAI e experimente OCR de última geração com a velocidade e simplicidade que seus projetos merecem.

Compartilhar