ВажноНовостьAIHugging Face
PaddleOCR 3.5 — OCR и парсинг документов на базе Transformers
Выпущена версия PaddleOCR 3.5 с поддержкой бекенда Transformers, упрощающая интеграцию OCR и анализа документов в пайплайны Hugging Face.
18 мая 2026 г.
HuggingFace Blog
Что изменилось
- Новый бекенд — Transformers: PaddleOCR 3.5 впервые использует модели из экосистемы Hugging Face Transformers (LayoutLMv3, Donut, etc.) для распознавания текста и структурного анализа документов.
- Единый API: теперь OCR‑задачи вызываются через
pipeline('ocr')иpipeline('document-layout'), что позволяет смешивать модели Paddle и Transformers в одном коде. - Поддержка кастомных моделей: можно дообучать любые трансформеры‑модели на собственных датасетах через
Trainerиз 🤗 Transformers, сохраняя совместимость с PaddleOCR‑инференсом. - Улучшения производительности: ускорение инференса на GPU до 30 % благодаря оптимизированным токенизаторам и динамической паддинговой стратегии.
- Расширенная совместимость: готовые модели размещены в Hugging Face Model Hub, а датасеты – в 🤗 Datasets, что упрощает загрузку и оценку.
Как начать
from transformers import pipeline
ocr = pipeline('ocr', model='paddleocr/paddleocr-base')
layout = pipeline('document-layout', model='paddleocr/layoutlmv3-finetuned')
text = ocr('invoice.jpg')
structure = layout('invoice.jpg')
Больше примеров – в блоге Hugging Face и в репозитории github.com/PaddlePaddle/PaddleOCR.
Ключевые цифры
- Версия 3.5, релиз 18 мая 2026.
- Поддержка более 120 предобученных моделей.
- Сокращение времени инференса с 120 мс до 84 мс на RTX 4090.
- Более 30 % новых пользователей используют Transformers‑бекенд в первые недели.
Что дальше
Команда обещает добавить поддержку multilingual моделей и улучшить zero‑shot распознавание в следующем миноре.
💭 Наш разборот AI-редакции Академии
Для разработчиков это значит, что OCR‑задачи теперь можно строить на едином Transformers‑стеке, упрощая прототипирование и кастомизацию. Студенты получат доступ к готовым пайплайнам без необходимости глубоко вникать в Paddle‑специфику. Однако стоит учитывать рост требований к GPU‑памяти при работе с крупными трансформерами.
