百度击败谷歌！PaddleOCR成GitHub最受欢迎OCR项目：中国开源首度登顶
近日，百度文心衍生模型PaddleOCR在GitHub上的Star数突破73.3K，首次超越谷歌旗下开源OCR标杆产品Tesseract OCR（73.2K），成为全球Star数最高的OCR项目。
Tesseract OCR诞生于1985年，最初由惠普实验室研发，2005年开源后由Google接手维护并持续迭代，是OCR领域延续近四十年的技术标杆，长期位居GitHub OCR项目Star数榜首。
此次被PaddleOCR超越，标志着这一标杆正在被新一代技术体系改写，也是大模型驱动下中国开源项目首次在OCR领域超越谷歌主导的标杆产品。
PaddleOCR基于文心大模型训练而来，是文心大模型多模态能力的重要部分，支持超100种语言识别，用户覆盖160个国家和地区。1月29日，新一代文档解析模型PaddleOCR-VL-1.5在 OmniDocBench V1.5 榜单中取得了全球SOTA成绩。
近年来，大模型成为OCR赛道增长的重要动力。Star History数据显示，PaddleOCR在GitHub上的Star自2024年起呈现爆发式增长。2025年以来，OCR更成为大模型厂商布局的重点方向，DeepseekOCR、HunyuanOCR、GLM OCR等产品相继发布。
PaddleOCR同步升级服务能力：官网免费每日解析页数由1万提升至2万，用户还可通过OpenClaw直接调用PaddleOCR Skill，免费获取高精度PDF解析能力。
与此PaddleOCR OCEAN生态联盟正式成立，面向核心开源贡献者、深度企业用户及全球平台伙伴开放，首批成员包括Hugging Face、Dify、RAGFlow、Cherry Studio、Milvus等全球平台伙伴，将共同推动OCR技术在更广泛场景中的应用落地。
ps.OCR（Optical Character Recognition，光学字符识别）是指通过光学设备（如扫描仪、摄像头）获取图像中的文本信息，再通过计算机算法将其转化为可编辑、可检索、可分析的数字文本的技术。简单来说，就是让计算机看见并读懂图像中的文字，实现 "图像文本→数字文本" 的精准转化。
