PaddleOCR-VL 系列的全新迭代版本PaddleOCR-VL-1.5今天正式上线，沐曦曦云C500/C550 Day 0 适配PaddleOCR-VL-1.5模型，助力PaddleOCR-VL-1.5第一时间面向企业与开发者提供模型服务。

PaddleOCR-VL-1.5创新性地支持了文档元素的异形框定位，使得PaddleOCR-VL-1.5 在扫描、倾斜、弯折、屏幕拍摄及复杂光照等真实落地场景中均表现卓越，实现了全面的 SOTA。此外，模型进一步集成了印章识别与文本检测识别任务，关键指标持续领跑主流模型。

曦云C系列基于沐曦自主研发的高性能核心GPU IP，具备高能效和高通用性的天然优势。曦云C系列支持大模型训练及推理，可广泛应用于推荐系统、自动语音识别、语音合成、图像分割检测、数据库加速、大语言模型、文生图、文生视频等多种场景。作为沐曦主力训推一体GPU产品，曦云C500/C550具备强劲的算力支撑与灵活的部署优势，支持多种混合精度计算，可充分释放PaddleOCR-VL-1.5的模型潜力，实现推理效率与部署体验的双重提升，降低企业与开发者的模型应用门槛。

目前，沐曦已构建了从硬件架构到软件栈的完整自研技术体系。为了让长周期迭代的硬件适配短周期更新的应用与算法，沐曦打造了全栈自主可控的MXMACA软件栈原生兼容主流生态，这意味着AI应用可以几乎零成本地迁移到沐曦的平台上，基本做到“即插即用”。MXMACA软件栈于2025年2月份开源，现已拥有超过15万用户。

PaddleOCR-VL-1.5关键能力

1. 在 OmniDocBench v1.5 上以 0.9B 的参数量实现 94.5% 的精度，超越了上一代 SOTA 模型 PaddleOCR-VL，表格、公式及文本识别能力大幅提升。

   
   

2. 全球首个支持异形框定位的文档解析模型，可精准返回倾斜、弯折场景下的多边形检测框。在扫描、弯折、倾斜、屏幕拍照、光线变化 5 个场景下，精度均优于目前主流的开源与闭源模型。

   
   

3. 新增文本行定位/识别与印章识别能力，各项技术指标均刷新领域 SOTA。

   
   

4. 精进特殊场景及多语种识别能力。优化了生僻字、古籍、多语种表格、下划线及复选框的识别效果，并扩展了藏语和孟加拉语的识别支持。

   
   

5. 支持跨页表格自动合并与跨页段落标题识别，解决了长文档解析中的断层问题。

   
   

6. 推理速度进一步提升。

模型架构

如何使用

1. 在线使用：https://www.paddleocr.com

2. 开源项目地址：https://github.com/PaddlePaddle/PaddleOCR

3. 模型下载地址：https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5

4. PaddleOCR-VL-1.5使用步骤（详情可点击此处）：

(可选)： 快速测试PaddleOCR-VL-1.5原生推理(基于paddlex)

注：model_dir为下载的PaddeOCR-VL-1.5模型的路径

方式一：通过CLI调用

注：model_dir为下载的PaddeOCR-VL-1.5模型的路径

方式二：通过Python API调用