PaddleOCR 対応言語：全 lang コードと読み込まれるモデル

lang コードを調べる#

日本語名、英語名、現地語の名前、ISO コード、文字の種類で検索できます。各結果には、PaddleOCR 3.7 が受け付けるコード、読み込まれる 2 つのモデル、ブラウザで動くかどうか、コピーして使える Python 1 行が表示されます。en + fr や韓国語と英語のように、2 つの言語をまとめて調べることもできます。

PaddleOCR が lang からモデルを選ぶ仕組み#

PaddleOCR 3.7 の lang パラメータの役割は 1 つだけです。検出モデルと認識モデルを選ぶことです。処理は _get_ocr_model_names() にあり、次の順で判定されます。¹

1. lang も ocr_version も指定しない#

   PP-OCRv6_medium_det + PP-OCRv6_medium_rec が読み込まれ、50 言語を読み取れます。

2. PP-OCRv6 の対応言語#

   ch、chinese_cht、en、japan、および pi を除くすべてのラテン文字のコード（52 コード、50 言語 — french と german は fr と de の別名）。どれもデフォルトと同じ 2 つの medium モデルを読み込みます。

3. それ以外の対応文字#

   韓国語、タイ語、ギリシャ語、テルグ語、タミル語と、アラビア文字・東スラブ語・キリル文字・デーヴァナーガリー文字のグループ、さらにパーリ語（Pali）は、PP-OCRv5_server_det と文字ごとの *_PP-OCRv5_mobile_rec を使います（59 コード）。

4. ka#

   いまも PP-OCRv3 が使われる唯一のコードです：PP-OCRv3_mobile_det + ka_PP-OCRv3_mobile_rec。

5. それ以外の値#

   PaddleOCR() は ValueError: No models are available for lang='…' and ocr_version=None. を発生させます。

公式ドキュメントには明記されていない結果が 3 つあります。

• PP-OCRv6 の対応言語では、lang を指定しても何も変わりません。PaddleOCR(lang="fr")、PaddleOCR(lang="en")、PaddleOCR() は同じモデルを読み込み、同じ結果を返します。¹⁸
• lang で PP-OCRv6 の small や tiny が選ばれることはありません。使うには text_detection_model_name と text_recognition_model_name を指定します。この場合、PaddleOCR は警告を出して lang を無視します。ティアの選び方を参照してください。¹
• lang と ocr_version を組み合わせると、旧モデルが読み込まれます。ocr_version="PP-OCRv5" では、en は英語専用の en_PP-OCRv5_mobile_rec を、fr は latin_PP-OCRv5_mobile_rec を読み込みます。PP-OCRv4 が対応するのは ch と en だけで、PP-OCRv3 は 110 コード（th と el 以外のすべて）に対応します。¹

ValueError になるコード#

PaddleOCR のコードは独自のものです。ISO 639-1 と一致するもの（fr、ar、hi）もありますが、一致しないものも多くあります。以下のコードを 3.7.0 の PaddleOCR(lang=…) で 1 つずつ試したところ、すべて ValueError: No models are available for lang=… で失敗しました。最初の 6 つは公式の PP-OCRv5 言語リストにそのまま載っているコードです。³⁴⁸

文字の種類別の対応状況#

中国語と日本語#

簡体字の中国語には ch、繁体字には chinese_cht、日本語には japan を使います。あるいは何も指定しなくてもかまいません。デフォルトの PP-OCRv6 モデルは、この 3 つと英語をすべて読み取ります。Baidu 社内のベンチマークでは、日本語の認識精度は PP-OCRv6 medium が 90.5%、PP-OCRv5 server が 73.7% です。⁵私たちのテストでも、medium と small は日本語の掲示と中国語＋英語の掲示を全行正しく読み取りました。⁹

英語、フランス語、ドイツ語、スペイン語などのラテン文字言語#

46 のラテン文字言語と英語は、すべて同じ PP-OCRv6 モデルで読み取ります：アフリカーンス語、アルバニア語、アゼルバイジャン語、バスク語、ボスニア語、カタルーニャ語、クロアチア語、チェコ語、デンマーク語、オランダ語、エストニア語、フィンランド語、フランス語、ガリシア語、ドイツ語、ハンガリー語、アイスランド語、インドネシア語、アイルランド語、イタリア語、クルド語、ラテン語、ラトビア語、リトアニア語、ルクセンブルク語、マレー語、マルタ語、マオリ語、ノルウェー語、オック語、ポーランド語、ポルトガル語、ケチュア語、ルーマニア語、ロマンシュ語、セルビア語（ラテン文字）、スロバキア語、スロベニア語、スペイン語、スワヒリ語、スウェーデン語、タガログ語、トルコ語、ウズベク語、ベトナム語、ウェールズ語。¹²注意点が 2 つあります。

• パーリ語（pi）はラテン文字のリストに含まれていますが、PP-OCRv6 からは明示的に除外されているため、代わりに latin_PP-OCRv5_mobile_rec を読み込みます。ocr_version="PP-OCRv6" を指定して lang="pi" を渡すと ValueError になります。¹
• クルド語（ku）はラテン文字とアラビア文字の両方のリストに含まれています。ラテン文字の判定が先に行われるため、lang="ku" は常にラテン文字の PP-OCRv6 モデルになります。アラビア文字のクルド語には、text_recognition_model_name="arabic_PP-OCRv5_mobile_rec" を自分で指定してください。¹²

韓国語#

lang="korean" は korean_PP-OCRv5_mobile_rec を読み込みます。Baidu によると、このモデルは韓国語と英語を読み取り、5,007 枚の韓国語テストセットで精度 88.0%、前世代から 65.0% 向上（Baidu の表現）としています。⁴PP-OCRv6 は韓国語に対応しておらず、PaddleOCR.js も同様です。

from paddleocr import PaddleOCR

ocr = PaddleOCR(lang="korean")   # PP-OCRv5_server_det + korean_PP-OCRv5_mobile_rec
print(ocr.predict("menu_ko.jpg")[0]["rec_texts"])

アラビア語、ペルシア語、ウルドゥー語などのアラビア文字言語#

ar、fa、ur、ug、ps、sd、bal の 7 コードは arabic_PP-OCRv5_mobile_rec を読み込みます。Baidu は 2,676 枚のテストセットで精度 81.27%（前世代から 22.83% 向上）と報告しており、アラビア語、ペルシア語、ウイグル語、ウルドゥー語、パシュトー語、クルド語、シンド語、バローチー語、英語を読み取るモデルとしています。⁴アラビア文字の文書はまだ私たち自身では検証していないため、右から左に書く文書では、使う前に rec_texts の並び順を自分のページで確認してください。

ロシア語、ウクライナ語などのキリル文字言語#

ロシア語（ru）、ウクライナ語（uk）、ベラルーシ語（be）は東スラブ語モデル eslav_PP-OCRv5_mobile_rec（7,031 枚で 81.6%）を読み込みます。残りの 30 のキリル文字のコード — ブルガリア語、セルビア語（rs_cyrillic）、マケドニア語、カザフ語、キルギス語、モンゴル語、タタール語、チェチェン語など — は cyrillic_PP-OCRv5_mobile_rec（7,600 枚で 80.27%）を読み込みます。¹⁴

ヒンディー語、マラーティー語、ネパール語などのデーヴァナーガリー文字言語#

devanagari_PP-OCRv5_mobile_rec を読み込むのは 13 コードです：hi（ヒンディー語）、mr（マラーティー語）、ne（ネパール語）、sa（サンスクリット語）、bh、bho、mai、mah、new、gom、bgc、ang、sck。Baidu は 3,611 枚で精度 84.96%、前世代から 68.26% 向上と報告しています。⁴ドキュメントでは 2 つの名称が食い違っています。ang は言語表では「Old English」、モデルの言語リストでは「Angika」、sck は一方で「Sadri」、もう一方で「Santali」です。³⁴

from paddleocr import PaddleOCR

ocr = PaddleOCR(lang="hi")   # PP-OCRv5_server_det + devanagari_PP-OCRv5_mobile_rec

タイ語、ギリシャ語、タミル語、テルグ語#

それぞれ専用の PP-OCRv5 認識モデルがあり、英語も読み取れます：th（82.68%）、el（89.28%）、ta（94.2%）、te（87.65%）。Baidu の言語別テストセット（2,121〜4,261 枚）での値です。⁴

ka の問題：ジョージア語か、カンナダ語か#

OCR パイプラインのドキュメントでは、ka はジョージア語とされています。ところが、このコードで読み込まれる唯一のモデル ka_PP-OCRv3_mobile_rec は、同じドキュメントの別の 2 か所でカンナダ語のモデルとして説明されています。文字も異なる、別の言語です。³⁶どちらの言語にも PP-OCRv5／v6 のモデルはありません。資料からは判断できなかったため、ジョージア語やカンナダ語に使う前に、お手元の文書のサンプルで lang="ka" を試してください。

PP-OCRv6 以外の言語の速度とサイズ#

PP-OCRv5 の言語ルートはすべて、小さな文字別の認識モデルと大きな PP-OCRv5_server_det 検出モデル（ドキュメントでは 84.3 MB）の組み合わせです。認識モデル自体は小さく、Baidu は 2025 年 10 月のモデル群を「only 2M parameters」と説明しています。そのため CPU では処理の大半を検出モデルが占めます。⁴¹⁰

これは ONNX Runtime を使う場合に問題になります。私たちのベンチマークでは、PP-OCRv5 server パイプラインは ONNX Runtime で 1 ページ平均 35.7 秒、PaddlePaddle 3.2.0 では 5.2 秒でした。lang="korean" でもレシート画像（韓国語モデルが読み取れるとされている英語のテキスト）を使って再確認したところ、1 枚あたり ONNX Runtime で 12.35 秒、PaddlePaddle で 1.80 秒でした。ウォーム状態で 3 回実行した中央値で、出力はどちらも同じ 27 行です。¹¹韓国語の認識モデルは小さな mobile モデルなので、遅さの原因は ONNX Runtime 上の server 検出モデルにあると考えられます。PP-OCRv6 では、どのティアでも ONNX Runtime のほうが速かったのとは逆の結果です。

複数言語が混在する文書#

1 つの PaddleOCR インスタンスが使う認識モデルは 1 つです。lang に渡せるのはコード 1 つだけで、"en+fr" や "en,fr" のような文字列は ValueError になります。⁸どうするかは、言語の組み合わせによって変わります。

最後のケースでは、同じ画像に両方のパイプラインを実行し、テキスト領域ごとに rec_scores の高いほうの行を採用する方法があります。これは私たちの提案で、ベンチマークは取っていません。知らない文字を読んだ認識モデルが、自信満々に誤った結果を返すこともあります。PP-OCRv6 tiny で日本語を読んだ例がその一例です。

from paddleocr import PaddleOCR

common = dict(use_doc_orientation_classify=False, use_doc_unwarping=False,
              use_textline_orientation=False)
ko = PaddleOCR(lang="korean", **common)   # korean_PP-OCRv5_mobile_rec
ru = PaddleOCR(lang="ru", **common)       # eslav_PP-OCRv5_mobile_rec

a = ko.predict("sign.jpg")[0]
b = ru.predict("sign.jpg")[0]
for name, r in (("korean", a), ("russian", b)):
    for text, score, box in zip(r["rec_texts"], r["rec_scores"], r["rec_boxes"]):
        print(name, round(score, 3), box.tolist(), text)

GPU があり、複数の文字が混在するページが大量にあるなら、PaddleOCR-VL という選択肢もあります。Baidu によると、1 つの視覚言語モデルで 109 言語に対応しています。¹⁰

ブラウザで使える言語#

公式のブラウザ向け SDK である PaddleOCR.js には、PP-OCRv6 small、PP-OCRv6 tiny、PP-OCRv5 mobile の 3 つのモデルセットが含まれています。⁷

• ocrVersion: "PP-OCRv6" は PP-OCRv6 small を読み込み、ch、chinese_cht、en、japan と pi 以外のラテン文字のコードを受け付けます。Python と同じ 50 言語です。
• ocrVersion: "PP-OCRv5" が受け付けるのは ch、chinese_cht、en、japan だけです。それ以外のコードでは Unsupported lang/ocrVersion combination がスローされます。
• tiny には lang の対応付けがなく、モデル名で読み込みます。また、日本語は読めません。

韓国語、アラビア文字、キリル文字、デーヴァナーガリー文字、タイ語、ギリシャ語、タミル語、テルグ語は、現時点では Python でしか使えません。私たちのオンライン OCR ツールは PaddleOCR.js を使っているため、読み取れるのは PP-OCRv6 の対応言語だけです。上の検索ツールでは、言語ごとにその区別を表示しています。組み込み方の詳細は PaddleOCR.js ガイド (EN) にあります。

公式の言語リストの誤り#

ドキュメントを langs.py と ocr.py と比較しました。実際に動くのはコードなので、このページの検索ツールと一覧表はコードに従っています。

• OCR パイプラインのドキュメントにある PP-OCRv5 のリストには、コードが受け付けない rslatin、sr、ab、av、ce、lki が含まれ、受け付ける french、german、abq、ava、che、lbe、rs_latin、rs_cyrillic が抜けています。³
• PP-OCRv5 のドキュメントでは ab を Abkhaz（アブハズ語）と呼んでいますが、コードが受け付ける abq は OCR ドキュメントで Abaza（アバザ語）とされています。別の 2 つの言語です。³⁴
• ka は、ある表ではジョージア語、モデルの説明ではカンナダ語です（上記）。
• OCR ドキュメントの「Supported Languages」表は 81 行ですが、コードは 112 コードを受け付けます。表に載っていないのは、タイ語、ギリシャ語、カタルーニャ語、バスク語、フィンランド語、ガリシア語、ルクセンブルク語、ロマンシュ語、ケチュア語、パシュトー語、シンド語、バローチー語と、カザフ語、キルギス語、タジク語、マケドニア語、タタール語を含む 18 のキリル文字言語です。³
• ドキュメントの PP-OCRv3 のリストには、コード上は PP-OCRv3 のモデルに振り分けられる 27 コードが載っていません。たとえば kk → cyrillic_PP-OCRv3_mobile_rec です。¹³
• 言語数の表記もばらばらです。PP-OCRv5 の多言語モデルは、自身のドキュメントでは「106 languages」、README では「109 languages」です。⁴¹⁰

全 112 個の lang コード#

英語の言語名順に並べています。「認識モデル」は、lang だけを渡したときに PaddleOCR 3.7.0 が読み込むモデルです。検出モデルは、PP-OCRv6 の行では PP-OCRv6_medium_det、PP-OCRv5 の行では PP-OCRv5_server_det、ka では PP-OCRv3_mobile_det です。「v6 tiny」は PP-OCRv6 tiny がその言語を読めるかどうか、「ブラウザ」は PaddleOCR.js と私たちのオンラインツールが読めるかどうかを示します。3.7.0 のソースコードから生成しており、検索ツールも同じデータを使っています。¹²

よくある質問#