Chuyển đến nội dung

PaddlePaddle / PaddleOCR

PaddleOCR

Bộ công cụ OCR của Baidu: đọc chữ trong ảnh, PDF và đổi tài liệu thành Markdown hoặc JSON.

PaddleOCR nhận dạng chữ trong ảnh và PDF (OCR), hỗ trợ hơn 100 ngôn ngữ, và còn phân tích tài liệu có bảng, công thức, con dấu thành Markdown hoặc JSON để đưa cho AI. Dành cho người biết chút Python hoặc dòng lệnh; muốn thử không cài thì có trang web chính thức.

  • 92.727 sao
  • 11.659 fork
  • Python
  • Cập nhật 2 tháng trước
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Khó Dành cho người biết lập trình
Dạng
Thư viện lập trình, Mô hình AI
Chạy trên
Windows, macOS, Linux, Python
Chi phí
Miễn phí hoàn toàn

Trải nghiệm khi dùng PaddleOCR

Cách dễ nhất để cảm nhận PaddleOCR là vào trang web chính thức paddleocr.com, nơi có khu trải nghiệm để thả ảnh hoặc PDF vào và xem kết quả mà không cài gì. Khi thấy hợp, bạn mới cài về máy để chạy riêng.

Trên máy, bạn cài thư viện Python rồi gọi lệnh paddleocr kèm đường dẫn ảnh. Chương trình trả về các dòng chữ tìm được cùng vị trí trong ảnh. Với tài liệu phức tạp, các pipeline như PP-StructureV3 hoặc PaddleOCR-VL xuất ra Markdown hoặc JSON giữ bảng và công thức, rất tiện để đưa vào chatbot hoặc hệ thống RAG.

Người mới có thể thấy bước cài đặt hơi nhiều lựa chọn, vì cần chọn bộ máy suy luận như PaddlePaddle hoặc Transformers và nhóm tính năng cần dùng. Tài liệu cài đặt chính thức hướng dẫn từng bước và cho phép chỉ cài phần cơ bản trước.

Tính năng nổi bật

OCR hơn 100 ngôn ngữ

Nhận dạng chữ in trong ảnh chụp, giấy tờ, biển báo, sách. README nói PP-OCRv6 dùng một mô hình thống nhất cho 50 ngôn ngữ, gồm Trung, Anh, Nhật và các thứ tiếng chữ Latin.

Biến tài liệu thành Markdown hoặc JSON

Phân tích bố cục, bảng, công thức, con dấu để có văn bản có cấu trúc dùng được với AI.

Mô hình nhỏ nhẹ

Có các cỡ tiny, small, medium của PP-OCRv6 cho thiết bị biên, điện thoại hay máy chủ.

Nhiều kiểu chạy

Chạy bằng PaddlePaddle hoặc Transformers, tăng tốc bằng OpenVINO, ONNX Runtime, TensorRT, và nhiều loại phần cứng.

Xuất DOCX và đọc file Office

Kết quả phân tích có thể xuất sang DOCX để mở bằng Word; có tính năng chuyển Word, Excel, PowerPoint sang Markdown.

Tích hợp hệ sinh thái AI

README nêu là được dùng trong Dify, RAGFlow, Cherry Studio và nhiều dự án khác.

Tận dụng PaddleOCR vào việc gì?

Kế toán, chủ shop

Số hoá hoá đơn, giấy tờ

Đọc chữ trong ảnh hoá đơn, phiếu giao hàng để nhập vào bảng tính.

Nhân viên văn phòng

Trích nội dung từ PDF scan

Biến bản scan thành văn bản có thể tìm kiếm và sao chép.

Lập trình viên

Chuẩn bị dữ liệu cho AI

Chuyển tài liệu thành Markdown hoặc JSON sạch trước khi đưa vào RAG hay chatbot.

Kỹ sư công nghiệp

Đọc chữ trên sản phẩm, màn hình

Nhận dạng chữ trên màn hình số, ký tự chấm kim hay in nổi trong sản xuất.

Cần chuẩn bị gì?

  • Python 3.8 trở lên cho phần cơ bản; các nhóm tính năng như phân tích tài liệu cần Python 3.9 trở lên.
  • Một bộ máy suy luận: PaddlePaddle hoặc Transformers (theo tài liệu cài đặt).
  • Card đồ hoạ là tuỳ chọn; chạy CPU vẫn được nhưng chậm hơn.
  • Kết nối Internet lần đầu để tải mô hình.

Hướng dẫn cài đặt chi tiết

Cài trên pip

  1. Tạo môi trường ảo Python rồi cài bộ máy suy luận PaddlePaddle theo trang cài đặt chính thức của Paddle, vì lệnh khác nhau tuỳ hệ điều hành và card đồ hoạ.

    Văn bản
    https://www.paddlepaddle.org.cn/install/quick
  2. Cài PaddleOCR với chức năng OCR cơ bản.

    Terminal
    python -m pip install paddleocr
  3. Muốn có thêm phân tích tài liệu, dịch tài liệu, trích thông tin, cài đủ nhóm tính năng.

    Terminal
    python -m pip install "paddleocr[all]"
  4. Nếu thích dùng Transformers làm bộ máy suy luận, xem hướng dẫn Inference Engine and Configuration trong tài liệu chính thức.

Cài trên Dùng thử trên web

  1. Mở trang chính thức để trải nghiệm trực tiếp, không cần cài đặt.

    Văn bản
    https://www.paddleocr.com

Dùng thử lần đầu

  1. Chuẩn bị một ảnh có chữ (ví dụ ảnh chụp trang sách) lưu thành my_image.png trong thư mục hiện tại.

  2. Chạy lệnh OCR đơn giản theo ví dụ của tài liệu (tắt các bước phụ để chạy nhẹ hơn).

    Terminal
    paddleocr ocr -i ./my_image.png --use_doc_orientation_classify False --use_doc_unwarping False --use_textline_orientation False
  3. Đọc kết quả in ra: mỗi dòng chữ nhận dạng được kèm vị trí và độ tin cậy.

  4. Muốn đổi PDF hoặc ảnh tài liệu thành Markdown, đọc hướng dẫn pipeline PP-StructureV3 hoặc PaddleOCR-VL trên trang tài liệu chính thức rồi chạy theo ví dụ.

Mẹo dùng hay

  • Cài bản cơ bản trước (chỉ OCR), thêm nhóm tính năng sau khi bạn thật sự cần, để tránh cài thừa.
  • Ảnh chụp thẳng, đủ sáng, độ phân giải đủ lớn cho kết quả tốt hơn nhiều so với ảnh mờ hoặc nghiêng.
  • Nếu chỉ cần chuyển file Office hay PDF có sẵn chữ sang Markdown, công cụ nhẹ hơn như MarkItDown có thể đủ dùng.

Lưu ý và hạn chế

  • Danh sách ngôn ngữ chi tiết cần xem trên tài liệu; README không nói riêng tiếng Việt, hãy kiểm tra trên ảnh thật có dấu tiếng Việt trước khi dùng cho việc quan trọng.
  • Cài đặt phụ thuộc phiên bản PaddlePaddle và phần cứng, nên người mới có thể mất thời gian làm cho chạy được.
  • OCR có thể nhận sai, nhất là ảnh mờ hoặc chữ viết tay. Luôn kiểm tra lại số tiền, mã số quan trọng bằng mắt.

Câu hỏi thường gặp

PaddleOCR có đọc được tiếng Việt không?

README nói hỗ trợ hơn 100 ngôn ngữ và PP-OCRv6 gộp 50 ngôn ngữ, gồm các thứ tiếng chữ Latin, nhưng không nêu riêng tiếng Việt. Thử trên ảnh có dấu của bạn để biết độ chính xác.

Có miễn phí không?

Có, giấy phép Apache 2.0. Trang web chính thức có thể có API riêng với điều khoản riêng.

Cần card đồ hoạ không?

Không bắt buộc. Có thể chạy bằng CPU; README còn có các mô hình nhỏ cho thiết bị cấu hình thấp.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/PaddlePaddle/PaddleOCR.git

Repo tương tự nên xem

Tài liệu, OCR & hỏi đáp tri thức77,5K

Tesseract OCR

tesseract-ocr / tesseract

Bộ máy nhận dạng chữ (OCR) mã nguồn mở đọc chữ từ ảnh scan, hỗ trợ hơn 100 ngôn ngữ

VừaWindowsmacOSLinux
Tài liệu, OCR & hỏi đáp tri thức83,7K

MinerU

opendatalab / MinerU

Đọc PDF, ảnh scan và file Office rồi xuất Markdown, giữ bảng, công thức và bố cục phức tạp.

VừaWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức196K

MarkItDown

microsoft / markitdown

Công cụ của Microsoft đổi PDF, Word, Excel, PowerPoint và nhiều file khác thành Markdown cho AI đọc.

VừaWindowsmacOSLinuxPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Tài liệu, OCR & hỏi đáp tri thức

Tài liệu, OCR & hỏi đáp tri thức96,8K

Stirling PDF

Stirling-Tools / Stirling-PDF

Bộ hơn 50 công cụ PDF: gộp, tách, ký, che thông tin, nén, OCR, chạy trên máy hoặc tự cài.

DễWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức94,2K

RAGFlow

infiniflow / ragflow

Nền tảng tự cài giúp AI trả lời dựa trên tài liệu của bạn, có trích dẫn nguồn.

VừaDockerLinuxWeb
Tài liệu, OCR & hỏi đáp tri thức70,6K

Docling

docling-project / docling

Chuyển PDF, Word, PowerPoint, Excel, HTML thành Markdown hoặc JSON gọn gàng để đưa cho AI đọc

VừaWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức57,6K

PrivateGPT

zylon-ai / private-gpt

Lớp API mã nguồn mở biến mô hình AI chạy trên máy thành ứng dụng riêng tư: tải tài liệu, hỏi đáp có trích dẫn

KhóWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức48,2K

Paperless-ngx

paperless-ngx / paperless-ngx

Hệ thống quản lý tài liệu tự cài: scan giấy tờ, tự OCR, gắn thẻ và tìm lại trong vài giây

VừaDockerLinuxWeb
Tài liệu, OCR & hỏi đáp tri thức46,7K

Milvus

milvus-io / milvus

Cơ sở dữ liệu vector mã nguồn mở để tìm kiếm theo ý nghĩa trên văn bản, hình ảnh ở quy mô lớn

KhóLinuxmacOSDockerPython

Xem cả 22 repo Tài liệu, OCR & hỏi đáp tri thức Về Kho Repo