CatWiki 文档

Appearance

PaddleOCR 解析器 ​

PaddleOCR 是百度开源的 OCR 引擎，提供强大的文字识别能力。它支持多种语言，特别在中文识别方面表现优异。

功能特性 ​

  • ✅ 业界领先的中文 OCR 识别率
  • ✅ 支持 80+ 语言识别
  • ✅ 手写体识别
  • ✅ 表格结构识别
  • ✅ 版面分析能力
  • ✅ 轻量级模型可选

部署方式 ​

PaddleOCR-VL NVIDIA GPU 部署（推荐） ​

IMPORTANT

当前部署的模型版本为 PaddleOCR-VL-1.5-0.9B

PaddleOCR-VL 提供更强的视觉语言模型能力，推荐使用 Docker Compose 配合 NVIDIA GPU 部署。

环境变量配置 ​

.env

bash
API_IMAGE_TAG_SUFFIX=latest-nvidia-gpu-offline
VLM_BACKEND=vllm
VLM_IMAGE_TAG_SUFFIX=latest-nvidia-gpu-offline

# 模型下载源（可选，国内用户推荐使用 BOS）
# PADDLE_PDX_MODEL_SOURCE=bos

vLLM 配置文件 ​

创建 vllm_config.yaml：

yaml
max-model-len: 8192
gpu-memory-utilization: 0.3
enforce-eager: true
参数说明
max-model-len模型最大上下文长度
gpu-memory-utilizationGPU 显存使用率（0.3 = 30%）
enforce-eager禁用 CUDA Graph，降低显存占用

Pipeline 配置文件 ​

pipeline_config_vllm.yaml

yaml
pipeline_name: PaddleOCR-VL-1.5

batch_size: 64
use_queues: True
use_doc_preprocessor: False
use_layout_detection: True
use_chart_recognition: False
use_seal_recognition: False
format_block_content: False
merge_layout_blocks: True

markdown_ignore_labels:
  - number
  - footnote
  - header
  - header_image
  - footer
  - footer_image
  - aside_text

SubModules:
  LayoutDetection:
    module_name: layout_detection
    model_name: PP-DocLayoutV3
    batch_size: 8
    threshold: 0.3
    layout_nms: True

  VLRecognition:
    module_name: vl_recognition
    model_name: PaddleOCR-VL-1.5-0.9B
    batch_size: 4096
    genai_config:
      backend: vllm-server
      server_url: http://paddleocr-vlm-server:8080/v1
参数说明
use_layout_detection启用版面检测
use_doc_preprocessor启用文档预处理（方向校正、去畸变）
markdown_ignore_labelsMarkdown 输出时忽略的标签类型
server_urlVLM 服务地址，需与 compose 中服务名一致

Docker Compose 配置 ​

compose.yaml

yaml
services:
  paddleocr-vl-api:
    image: ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:${API_IMAGE_TAG_SUFFIX}
    container_name: paddleocr-vl-api
    ports:
      - 8003:8080
    depends_on:
      paddleocr-vlm-server:
        condition: service_healthy
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ["0"]
              capabilities: [gpu]
    # TODO: Allow using a regular user
    user: root
    restart: unless-stopped
    environment:
      - VLM_BACKEND=${VLM_BACKEND:-vllm}
    command: /bin/bash -c "paddlex --serve --pipeline /home/paddleocr/pipeline_config_${VLM_BACKEND}.yaml"
    volumes:
      - ./pipeline_config_vllm.yaml:/home/paddleocr/pipeline_config_vllm.yaml
    healthcheck:
      test: ["CMD-SHELL", "curl -f http://localhost:8080/health || exit 1"]

  paddleocr-vlm-server:
    image: ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-genai-${VLM_BACKEND}-server:${VLM_IMAGE_TAG_SUFFIX}
    container_name: paddleocr-vlm-server
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ["0"]
              capabilities: [gpu]
    # TODO: Allow using a regular user
    user: root
    restart: unless-stopped
    command:
      - paddlex_genai_server
      - --model_name=PaddleOCR-VL-1.5-0.9B
      - --host=0.0.0.0
      - --port=8080
      - --backend=vllm
      - --backend_config=/opt/vllm_config.yaml
    volumes:
      # - ./.paddlex:/root/.paddlex
      - ./vllm_config.yaml:/opt/vllm_config.yaml
    healthcheck:
      test: ["CMD-SHELL", "curl -f http://localhost:8080/health || exit 1"]
      start_period: 300s

GPU 配置说明 ​

参数说明示例
device_ids指定 GPU 设备 ID["0"] 使用第一张卡，["0", "1"] 使用多卡
capabilitiesGPU 能力[gpu] 启用 GPU 支持
countGPU 数量all 使用所有可用 GPU

启动服务 ​

bash
# 启动所有服务
docker compose up -d

# 查看服务状态
docker compose ps

# 查看日志
docker compose logs -f paddleocr-vl-api

TIP

GPU 内存不足？ 可以通过修改 vllm_config.yaml 中的 gpu-memory-utilization 参数来限制 vLLM 的显存使用率。

配置解析器 ​

  1. 进入 设置 → 文档解析
  2. 点击 添加解析器
  3. 填写配置：
    • 名称：PaddleOCR
    • 类型：选择 PaddleOCR
    • API 端点：http://localhost:8003 (docker-compose 映射端口)
  4. 点击 测试连接
  5. 启用并保存

API 接口说明 ​

CatWiki 集成使用 /layout-parsing 接口，传入 base64 编码的文件内容：

bash
curl -X POST http://localhost:8003/layout-parsing \
  -H "Content-Type: application/json" \
  -d '{
    "file": "<base64_encoded_content>",
    "fileType": 0,
    "useLayoutDetection": true,
    "prettifyMarkdown": true,
    "mergeTables": true
  }'
fileType说明
0PDF 文件
1图片文件

适用场景 ​

PaddleOCR 特别适合以下场景：

  • 📷 扫描件识别：老旧文档、历史档案
  • 🖼️ 图片文字提取：截图、照片中的文字
  • 📝 手写体识别：手写笔记、表单
  • 🌏 多语言文档：中英混排、多语种内容

模型说明 ​

CatWiki 集成使用 PaddleOCR-VL-1.5-0.9B 视觉语言模型，基于 vLLM 推理框架，支持中英文及多语言文档的版面分析和内容提取。该模型无需手动指定语言，由 VLM 自动识别。

常见问题 ​

Q: 识别率不够高？ ​

尝试以下方案：

  • 提高图片分辨率（建议 DPI ≥ 200）
  • 调整图片对比度
  • 确保 GPU 显存充足（建议 > 8G）

Q: 服务启动慢？ ​

PaddleOCR-VL 首次启动需要加载 VLM 模型，通常需要 3-5 分钟。可通过 docker compose logs -f paddleocr-vlm-server 查看加载进度。

相关链接 ​