paddlepaddle--paddleocr
wehub-resource-sync
e904b667c6
Build/Publish Develop Docs / deploy (push) Failing after 1s
PaddleOCR Code Style Check / check-code-style (push) Failing after 1s
PaddleOCR PR Tests GPU / detect-changes (push) Failing after 1s
PaddleOCR PR Tests / detect-changes (push) Failing after 1s
PaddleOCR PR Tests GPU / test-pr-gpu (push) Has been cancelled
PaddleOCR PR Tests / test-pr (push) Has been cancelled
PaddleOCR PR Tests GPU / test-pr-gpu-impl (push) Has been cancelled
PaddleOCR PR Tests / test-pr-python (3.13) (push) Has been cancelled
PaddleOCR PR Tests / test-pr-python (3.8) (push) Has been cancelled
PaddleOCR PR Tests / test-pr-python (3.9) (push) Has been cancelled
165 行
7.7 KiB
Markdown
165 行
7.7 KiB
Markdown
---
|
|
comments: true
|
|
---
|
|
|
|
# X-AnyLabeling 文档解析
|
|
|
|
## 简介
|
|
|
|
**PaddleOCR-VL** 系列模型的文档解析能力已集成至 [X-AnyLabeling](https://github.com/CVHub520/X-AnyLabeling) 标注平台。
|
|
|
|
X-AnyLabeling 是由 CVHub 推出的工业级一体化智能标注平台，打通训练、推理、标注全链路。借助其 `PaddleOCR` 面板，开发者可以基于 PaddleOCR-VL 系列模型对图片和 PDF 进行版面解析、文字识别、公式识别、表格识别和印章识别，并在识别完成后对结果进行复核、编辑、复制和导出。
|
|
|
|
PaddleOCR-VL 在 X-AnyLabeling 中提供两种接入方式：
|
|
|
|
- **官方 API（推荐）**：直接调用 PaddleOCR 官方 API，适合快速验证模型效果、低成本体验和轻量开发场景，无需额外部署推理服务。
|
|
- **本地部署**：通过 [X-AnyLabeling-Server](https://github.com/CVHub520/X-AnyLabeling-Server) 自行部署推理服务，适合私有化部署、敏感数据处理和持续性标注任务。
|
|
|
|
## 1. 安装 X-AnyLabeling
|
|
|
|
推荐从官方 Release 下载对应平台的预编译包：
|
|
|
|
- Release 地址：<https://github.com/CVHub520/X-AnyLabeling/releases>
|
|
|
|
也可以通过 pip 安装：
|
|
|
|
```bash
|
|
pip install x-anylabeling
|
|
```
|
|
|
|
启动后可以通过左侧工具栏中的 `PaddleOCR` 图标，或使用快捷键 `Ctrl+4` 打开 PaddleOCR 面板。
|
|
|
|
|
|
|
|
打开后即可看到 PaddleOCR 面板的初始界面：
|
|
|
|
|
|
|
|
## 2. 配置 PaddleOCR 官方 API
|
|
|
|
X-AnyLabeling 客户端默认支持 PaddleOCR 官方 API。首次打开 PaddleOCR 面板且尚未配置 API 信息时，界面会自动弹出 `PPOCR API Settings` 配置窗口；后续如需修改配置，也可以点击右侧结果面板顶部的齿轮按钮重新打开。
|
|
|
|
|
|
|
|
获取 `API_KEY` 的方式：
|
|
|
|
1. 访问 PaddleOCR 官方网站：<https://www.paddleocr.com>
|
|
2. 点击右上角 **API**，选择 **PaddleOCR-VL-1.5**。
|
|
3. 打开示例代码，复制其中的 `TOKEN`（访问令牌）。
|
|
4. 回到 X-AnyLabeling 的 `PPOCR API Settings`，将其粘贴到 `API_KEY` 字段并确认即可。
|
|
|
|
`API_KEY` 用于接口鉴权，支持申请每天免费解析数万文档页数。配置会保存在本地：
|
|
|
|
```text
|
|
${workspace}/xanylabeling_data/paddleocr/api_settings.json
|
|
```
|
|
|
|
默认情况下，`${workspace}` 为用户主目录 `~`；如果启动 X-AnyLabeling 时传入了 `--work-dir`，则以该目录为准。
|
|
|
|
右侧 `Parsing Model` 下拉框当前支持以下官方 API 选项：
|
|
|
|
- `PaddleOCR-VL-1.5 (API)`
|
|
- `PaddleOCR-VL (API)`
|
|
|
|
## 3. 导入待解析文档
|
|
|
|
打开 PaddleOCR 面板后，点击左侧面板顶部的 `+ New Parsing` 导入文件。导入后文件会自动复制到本地 PaddleOCR 工作目录，并自动加入解析队列。
|
|
|
|
当前 PaddleOCR 面板支持的文件类型：
|
|
|
|
| 类型 | 后缀 |
|
|
| :--- | :--- |
|
|
| PDF 文档 | `.pdf` |
|
|
| 图片 | `.bmp`, `.cif`, `.gif`, `.jpeg`, `.jpg`, `.png`, `.tif`, `.tiff`, `.webp` |
|
|
|
|
适用的真实场景包括教材页面、论文截图、票据图片、合同扫描件、表格文档、政企材料等。
|
|
|
|
## 4. 选择解析模型
|
|
|
|
在右侧 `Parsing Model` 下拉框中可在 PaddleOCR-VL 系列的不同版本之间切换：
|
|
|
|
- `PaddleOCR-VL-1.5 (API)`（推荐）：在 OmniDocBench v1.5 上达到 94.5% 精度，支持异形框定位，对扫描、倾斜、弯折、屏幕拍摄及复杂光照等场景具备更强鲁棒性，并新增印章识别与文本检测识别能力。
|
|
- `PaddleOCR-VL (API)`：初代版本。
|
|
|
|
|
|
|
|
## 5. 执行 Document Parsing
|
|
|
|
选择模型后，X-AnyLabeling 会自动开始解析。模型会对文档中的文本、公式、表格、图表、印章等内容进行识别和结构化处理。
|
|
|
|
左侧文件项左下角的彩色点表示解析状态：
|
|
|
|
- 蓝色：待解析或正在解析
|
|
- 绿色：解析完成
|
|
- 红色：解析失败
|
|
|
|
## 6. 对照原文档复核解析结果
|
|
|
|
解析完成后，X-AnyLabeling 会呈现左右对照视图：左侧为原始文档，右侧为模型的解析结果。开发者可以逐段检查文字内容、公式表达、表格结构、图表信息和印章结果是否准确，并通过以下操作进行复核：
|
|
|
|
|
|
|
|
- 单击左侧预览区或右侧结果区中的任意块，可以在两侧快速匹配并高亮对应内容。
|
|
- 双击右侧识别结果中的某个块，或点击该块的 `纠正` 按钮，进入编辑状态。
|
|
- 鼠标悬停在源文件预览区的块上时，可以直接点击浮出的 `复制` 按钮复制该块内容。
|
|
- 对识别结果做人工修正后，JSON 中会记录已编辑块；如需重新获取模型结果，可使用右侧重解析按钮。
|
|
|
|
针对不同类型的内容，X-AnyLabeling 提供专用编辑器：
|
|
|
|
| 编辑器 | 适用场景 |
|
|
| :--- | :--- |
|
|
| 富文本编辑器 | 普通文本、标题、页脚、印章等非表格/公式内容 |
|
|
| LaTeX 公式编辑器 | `display_formula`, `formula`, `formula_number`, `algorithm`，支持源码编辑与实时预览 |
|
|
| 表格编辑器 | `table` 或被识别为表格结构的内容，支持单元格编辑、增删行列等 |
|
|
|
|
## 7. 切换 JSON 视图查看结果
|
|
|
|
除了 `Document Parsing` 视图外，X-AnyLabeling 还支持 `JSON` 视图：
|
|
|
|
- `Document Parsing` 视图：以卡片形式展示版面块、文本、公式、表格、图片，适合人工阅读和结果复核。
|
|
- `JSON` 视图：查看完整的结构化结果，适合开发者进行数据处理、训练样本构建、评测结果整理和业务系统集成。
|
|
|
|
|
|
|
|
## 8. 导出结果
|
|
|
|
完成复核和修正后，可以将标注结果导出，用于后续任务，典型用途包括：
|
|
|
|
- 构建 OCR 训练数据集
|
|
- 进行模型评测和误差分析
|
|
- 沉淀企业内部文档解析数据
|
|
- 接入业务系统进行自动化处理
|
|
|
|
在 `Document Parsing` 视图下，右侧工具栏的下载按钮会下载包含 Markdown 与相关资源的 ZIP；在 `JSON` 视图下则下载完整 JSON。
|
|
|
|
## 数据目录结构
|
|
|
|
X-AnyLabeling PaddleOCR 面板会将导入文件和解析结果保存在本地工作目录中：
|
|
|
|
```text
|
|
${workspace}/xanylabeling_data/paddleocr/
|
|
├── api_settings.json
|
|
├── ui_state.json
|
|
├── files/
|
|
│ ├── example.pdf
|
|
│ ├── image.png
|
|
│ ├── __PDF_example/
|
|
│ │ ├── page_001.png
|
|
│ │ └── page_002.png
|
|
│ └── __BLOCK_IMAGES_image.png/
|
|
│ └── page_001_block_0001.png
|
|
└── jsons/
|
|
├── example.pdf.json
|
|
└── image.png.json
|
|
```
|
|
|
|
删除左侧文件项时，会同时删除源文件、本地 JSON、PDF 预览页和 block 裁剪图。
|
|
|
|
## 参考链接
|
|
|
|
- X-AnyLabeling 项目主页：<https://github.com/CVHub520/X-AnyLabeling>
|
|
- X-AnyLabeling PaddleOCR 面板文档：<https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/paddle_ocr.md>
|
|
- X-AnyLabeling-Server（本地推理服务）：<https://github.com/CVHub520/X-AnyLabeling-Server>
|
|
- PaddleOCR 官方网站：<https://www.paddleocr.com>
|
|
- PaddleOCR-VL 使用教程：[PaddleOCR-VL 使用教程](../version3.x/pipeline_usage/PaddleOCR-VL.md)
|