paddlepaddle/paddleocr는 PDF와 이미지를 LLM 활용에 적합한 Markdown·JSON 구조화 데이터로 변환하는 OCR 툴킷이다. 최신 릴리스는 v3.7.0이며, 이 릴리스의 변경 내역은 주어진 정보에 담겨 있지 않다.
문자 인식(OCR)만 하지 않고 문서 구조까지 읽는다. PP-OCR는 글자 영역과 내용을 검출·인식하고, PP-Structure는 문서 레이아웃과 표, 수식을 파싱해 텍스트 좌표와 표 셀 좌표, 구조화 결과를 내보낸다. 즉 문서를 이해해 구조화된 데이터로 바꾸는 문서 AI 엔진인 셈이다. 이렇게 얻은 Markdown·JSON은 LLM에 넘기기 쉬운 형태이며, 이미지와 문서 사이의 간극을 잇는 것이 이 툴킷의 지향점이다.
README는 PaddleOCR-VL-1.6과 PP-StructureV3로 문서를 파싱하며, PP-OCRv6은 중국어·영어·일본어와 46개 라틴 문자 언어를 단일 모델로 지원한다고 밝힌다. 저장소 설명에는 100개 이상의 언어를 다룬다고 적혀 있고, 실행 백엔드로 NVIDIA GPU, Intel CPU, Kunlunxin XPU가 든다. 2020년 5월 만들어진 저장소이며 주 언어는 Python, 라이선스는 Apache-2.0이다. GitHub 스타는 91455개다.
다만 성능 근거는 주어진 정보에 없다. 기술·품질·참신성 점수는 비어 있고 모멘텀 점수만 6.9로 남아 있다. 지원 언어와 백엔드 목록은 정확도나 처리 속도를 대신하지 않으므로, v3.7.0에서 무엇이 개선됐는지와 다른 OCR 도구 대비 정확도가 어느 수준인지는 릴리스 노트를 직접 확인해야 알 수 있다.