Baidu presenta PP-OCRv5, un modelo IA compacto y potente que supera a los mejores OCR

Baidu acaba de lanzar PP-OCRv5, un nuevo modelo de reconocimiento óptico de caracteres (OCR) disponible en Hugging Face, tras la reciente presentación de su modelo de pensamiento profundo Ernie X1.1. Este sistema está diseñado para ofrecer un reconocimiento de texto eficiente y preciso, mientras mantiene una arquitectura ligera que supera las limitaciones de otros modelos de visión y lenguaje más grandes a la hora de leer textos estructurados. Gracias a su tamaño compacto, Baidu facilita así herramientas OCR robustas que pueden funcionar sin necesidad de infraestructuras pesadas.

Funcionalidad y eficiencia de Baidu PP-OCRv5

El modelo utiliza una pipeline en dos fases: primero detecta la posición del texto en la imagen y luego reconoce su contenido. Esta metodología permite una localización exacta con cajas delimitadoras, algo fundamental para extraer datos en documentos, formularios u otras fuentes donde la estructura es clave. Con tan solo 0,07 mil millones de parámetros, PP-OCRv5 es mucho más pequeño que modelos competidores, lo que lo hace viable en hardware estándar y dispositivos edge sin servidores exclusivos. En pruebas con procesadores Intel Xeon, el rendimiento superó los 370 caracteres por segundo.

Cuando se puso a prueba frente a modelos destacados en tareas de OCR, PP-OCRv5 se impuso en rendimiento. Puede leer textos impresos y manuscritos en más de 40 idiomas, incluyendo chino simplificado y tradicional, japonés y pinyin, abarcan así un amplio rango multilingüe. Esto amplía sus aplicaciones industriales y comerciales en entornos globales donde la diversidad del texto es un reto habitual.

Detalles técnicos y aplicaciones prácticas de Baidu PP-OCRv5

En su proceso, el modelo comienza por preprocesar las imágenes para corregir rotaciones y distorsiones, después detecta líneas de texto, estima su orientación y finalmente realiza el reconocimiento caracter a caracter. Esta secuencia permite asignar coordenadas con precisión a cada texto identificado, requisito indispensable en sectores como la digitalización de facturas o la gestión de formularios complejos donde la disposición original no debe perderse.

Al liberar PP-OCRv5 en Hugging Face, Baidu facilita a desarrolladores y empresas una solución OCR potente y escalable, pensada para trabajar con documentos multilingües sin la carga computacional que exigen los modelos más grandes. Así, este modelo se posiciona como una herramienta práctica para integrar reconocimiento de texto de alto rendimiento en entornos de computación edge y dispositivos móviles.

Fuente