前言临时要提取一张截图里的文字打开某个在线OCR网站发现要注册、要付费、有限制次数或者识别完还要等好一会儿。更让人心里不舒服的是上传的截图可能被人留存隐私数据不知不觉就出去了。这种场景应该不少人遇到过。在线OCR工具用起来总有种被卡脖子的感觉——要么省钱费事要么省事费钱。PaddleOCR-VL是PaddleOCR 3.x系列里的视觉语言多模态文档解析模型支持100多种语言文字识别还能理解文档结构印刷体、手写体、公式都能搞定。自己部署一套OCR服务听起来好像很复杂其实有整合包的情况下几行命令就能跑起来7891端口直接开服务。配合cpolar内网穿透手机电脑随时调取完全不用依赖第三方平台。1 什么是PaddleOCR-VLPaddleOCR‑VL是 PaddleOCR 3.x 系列中的一款视觉‑语言多模态文档解析模型专门面向复杂文档场景设计。相比传统 OCR 仅能识别文字PaddleOCR‑VL 通过融合视觉编码器与语言模型实现了从“文字识别”到“图文理解”的跨模态能力。它不仅可以精准识别文字还能理解文字在文档中的结构和语义例如表格、公式、图表以及多栏排版内容。该模型参数规模适中约 0.9 亿兼顾高精度和资源效率因此既适合本地部署也可在私有云或远程环境中使用。更重要的是PaddleOCR‑VL支持多语言文本识别超过 100 种语言在处理多语种混排文档时表现出色。凭借其跨模态能力它不仅可以完成大批量文档解析还能为知识抽取、智能问答等后续任务提供结构化输入成为现代智能文档处理系统的核心技术。简而言之PaddleOCR‑VL 是一款专业的多模态文档理解模型突破了传统 OCR 的局限实现了文字识别、版式理解与语义分析的有机结合。2 PaddleOCR‑VL下载及启动由于官方的开源代码方式部署环境较为复杂不适宜新手小白入门上手所以本教程演示的将使用**十字鱼**提供的整合包让新手小白入门上手变得更加简单整合包下载链接可访问cpolar官网同名文章。将整合包下载下来后进行解压解压后进入解压后的目录内双击执行01运行程序.bat脚本执行脚本后会打开cmd窗口检测你的电脑配置情况以及下载模型启动完成后会出现URL地址:且会自动在浏览器中打开如果没有打开手动访问如下地址即可http://127.0.0.1:7891出现如上页面PaddleOCR‑VL整合包就启动完成啦3 简单使用PaddleOCR‑VLPaddleOCR‑VL可以用来识别各种类型的文字本部分将演示印刷体、手写体和数学公式其他类型就不一一全部演示了通过这几个示例让你快速了解模型的核心功能和基本使用方法。3.1 印刷体OCR识别首先准备一张要识别的图片这里使用的如下图片在页面上点击上传区域或者直接把图片拖入上传区域种进行上传文件上传后点击下方的开始生成按钮点击开始后可以按快捷键Ctrl shift esc键打开任务管理器然后查看GPU的负载可以看到当前用的RTX2080ti显卡占用达到了83%如果占用降下去了说明OCR已经识别完成了可以回到页面查看页面提示完整下载请去outputs文件夹下载md文件和对应的imgs文件夹我们可以打开项目目录进入outputs目录下进入后可以看到一个文件夹里面的子目录可以看到生成的文件和图片参考如下图可以通过原图和OCR识别后的图片进行对比查看基本上没有发现什么识别错误完美的识别出了印刷体图片上的英文内容3.2 手写体OCR识别前面演示了印刷体识别可能有的小伙伴会说这个太正常了。那我们接下来识别一下手写体的图片这里准备了如下一张图片让我们看看PaddleOCR‑VL是否能够识别出来吧由于上传和生成步骤一直这里就不做逐步演示了直接展示结果吧可以看到完美的把内容识别出来了而且竟然没有任何错误3.3 数学公式OCR识别前面演示了印刷体和手写体识别可以看到效果非常好接下来我们来试试数学公式看看能否识别出来这里准备的图片如下直接来看看效果对比一下吧可以发现除了原图种的回车符号显示成了句号以外以及开口方向的表格列和原图不符合其他的文字以及数学公式完成正确准确率极高4 下载cpolar内网穿透在前面我们已经成功启动了PaddleOCR-VL项目也可以正常通过http://127.0.0.1:7891/这样的地址进行访问并实现图片识别功能。但是细心的你可能已经发现了——这个地址只能在本地设备访问一旦换到其他电脑、手机或者想让朋友远程体验时就完全打不开了。这其实是因为本地服务默认只在你的计算机内部运行没有对外网络入口。接下来我们就来解决这个问题通过cpolar 内网穿透让 PaddleOCR-VL 也能像在线网站一样被外部访问。4.1 什么是cpolar?cpolar 是一款内网穿透工具可以将你在局域网内运行的服务如本地 Web 服务器、SSH、远程桌面等通过一条安全加密的中间隧道映射至公网让外部设备无需配置路由器即可访问。广泛支持Windows、macOS、Linux、树莓派、群晖 NAS等平台并提供一键安装脚本方便部署。4.2 下载cpolar打开cpolar官网的下载页面点击立即下载 64-bit按钮,下载cpoalr的安装包:下来下来是一个压缩包,解压后执行目录种的应用程序,一路默认安装即可,安装完成后,打开cmd窗口输入如下命令确认安装:cpolar version出现如上版本即代表安装成功!4.3 注册及登录cpolar web ui管理界面4.3.1 注册cpolar访问cpolar官网点击免费注册按钮进行账号注册进入到如下的注册页面进行账号注册4.3.2 访问web ui管理界面注册完成后,在浏览器中输入如下地址访问 web ui管理界面:http://127.0.0.1:9200输入刚才注册好的cpolar账号登录即可进入后台页面:5 穿透PaddleOCR-VL项目以支持公网访问5.1 随机域名方式(免费方案)随机域名方式适合预算有限的用户。使用此方式时系统会每隔24 小时左右自动更换一次域名地址。对于长期访问的不太友好但是该方案是免费的如果您有一定的预算可以查看大纲5.2的固定域名方式且访问更稳定。点击左侧菜单栏的隧道管理展开进入隧道列表页面页面下默认会有 2 个隧道remoteDesktop隧道指向3389端口tcp协议website隧道指向8080端口http协议http协议默认会生成2个公网地址一个是http另一个https免去配置ssl证书的繁琐步骤点击编辑website的隧道修改成我们PaddleOCR-VL需要的信息注意每个用户创建的隧道显示的公网地址都不一样接着点击左侧菜单的状态菜单接着点击在线隧道列表菜单按钮可以看到有2个PaddleOCR-VL-7891的隧道一个为http协议,另一个为https协议:接下来在浏览器中访问PaddleOCR-VL-7891隧道生成的公网地址http和https皆可这里以https为例可以看到成功访问啦!5.2 固定域名方式升级任意套餐皆可通过前面的配置我们已经成功实现了PaddleOCR-VL的远程访问但免费随机域名方案的局限性也逐渐显现每24小时左右自动更换域名地址意味着你需要频繁更新书签、重新分享链接甚至可能因为忘记更新而无法访问。固定域名方案正是为了解决这些痛点而生让你拥有一个永久不变的专属地址真正实现稳定可靠的OCR在线工作台。好啦接下来开始固定保留二级子域名教程首先进入官网的预留页面:https://dashboard.cpolar.com/reserved选择预留菜单即可看到保留二级子域名项填写其中的地区、名称、描述可不填项然后点击保留按钮操作步骤图如下列表中显示了一条已保留的二级子域名记录地区显示为China Top。二级域名显示为pdocr。注二级域名是唯一的每个账号都不相同请以自己设置的二级域名保留的为主接着进入侧边菜单栏的隧道管理下的隧道列表可以看到名为PaddleOCR-VL-7891的隧道点击编辑按钮进入编辑页面修改域名类型为二级子域名然后填写前面配置好的子域名点击更新按钮来到状态菜单下的在线隧道列表可以看到隧道名称为PaddleOCR-VL-7891的公网地址已经变更为二级子域名固定域名主体及后缀的形式了这里以https协议做访问测试加载稍慢需耐心等待一下:访问成功这样一来你就拥有了一个永久不变的专属域名再也不用担心24小时域名更换的问题。6 为 PaddleOCR-VL 添加访问授权验证在完成公网部署后你会发现PaddleOCR-VL默认是无需登录即可访问的。虽然这便于快速使用但在家庭共享网络或团队协作场景下可能会带来安全隐患。 例如他人可通过公网地址随意提交图片识别任务甚至查看配置信息存在滥用资源的风险。 为了保障系统安全我们可以借助cpolar 内置的访问授权验证功能为公网隧道添加密码保护确保只有知道凭证的用户才能访问你的 PaddleOCR-VL 实例。6.1 配置访问授权验证首先打开cpolar管理界面进入隧道管理→隧道列表找到PaddleOCR-VL-7891隧道点击编辑按钮在编辑页面中点击高级按钮展开高级配置选项按照下图进行设置在HttpAuth这一栏输入admin:123456 其中【admin】为你想要设置的账号中间的冒号是英文的不是中文【123456】为想要给admin用户设置的密码6.2 验证授权效果重新访问你的公网地址会发现浏览器弹出登录验证框输入刚才设置的用户名和密码即可正常访问PaddleOCR-VL 的 Web 界面。通过这一道简单的访问验证你的视频生成平台就具备了基础的安全防护在享受远程访问便利的同时有效保障了本地内容、AI 配置与 API 资源的安全。总结实测下来PaddleOCR-VL在手写体识别上的表现超过预期——潦草字迹基本都能还原数学公式识别除了个别符号方向有偏差外准确率已经很高了。印刷体识别基本零误差这个在意料之中。2080Ti显卡占用到83%时GPU加速效果明显没有独立显卡的机器跑起来会慢一些。有一点值得提醒cpolar穿透之后默认是无需认证访问的建议加上HTTP Basic Auth保护特别是公网地址长期固定的情况下不加验证等于谁都能用你的OCR服务。cpolar内置了这个功能设置一下账号密码就行不需要额外部署认证服务。
