paddlepaddle/paddleocr 是一个 OCR 工具包，可将 PDF 和图片转换为适合 LLM 使用的结构化数据（Markdown 与 JSON）。最新版本为 v3.7.0，但现有信息中并未包含该版本的变更记录。
它不只做文字识别，还会读取文档结构。PP-OCR 检测并识别文字区域及其内容，PP-Structure 解析文档版面、表格和公式，并输出文本坐标、表格单元格坐标和结构化结果。换句话说，它是一个能理解文档并将其转换为结构化数据的文档 AI 引擎。生成的 Markdown 与 JSON 便于直接交给 LLM，而弥合图像与文档之间的落差正是该工具包的目标。
README 说明该工具使用 PaddleOCR-VL-1.6 与 PP-StructureV3 解析文档，PP-OCRv6 以单一模型支持中文、英语、日语以及 46 种拉丁文字语言。仓库说明中提到支持 100 多种语言，运行后端包括 NVIDIA GPU、Intel CPU 和 Kunlunxin XPU。该仓库创建于 2020 年 5 月，主要语言为 Python，许可证为 Apache-2.0。GitHub 星标数为 91455。
不过，现有信息中没有性能依据。技术、质量和革新性评分为空，仅剩动量评分 6.9。支持语言与后端清单并不能替代准确率或处理速度，因此 v3.7.0 究竟改进了什么、以及与其他 OCR 工具相比准确率处于什么水平，都必须直接查阅发布说明才能知道。