PaddleOCR 支持语言：每个 lang 代码及其加载的模型

查找你的 lang 代码#

可按中文名、英文名、本地名称、ISO 代码或文字搜索。每条结果都会给出 PaddleOCR 3.7 接受的代码、它加载的两个模型、能否在浏览器中运行，以及一行可复制的 Python 代码。也可以同时查两种语言，例如 en + fr 或 韩语 + 英语。

PaddleOCR 如何把 lang 变成模型#

在 PaddleOCR 3.7 中，lang 参数只做一件事：选出一个文本检测模型和一个文本识别模型。逻辑在 _get_ocr_model_names() 中，按以下顺序执行：¹

1. 不传 lang，也不传 ocr_version#

   得到 PP-OCRv6_medium_det + PP-OCRv6_medium_rec，可识别 50 种语言。

2. PP-OCRv6 支持的语言#

   ch、chinese_cht、en、japan，以及除 pi 之外的所有拉丁字母代码（52 个代码，50 种语言——french 和 german 是 fr 和 de 的别名）。它们加载的都是与默认情况相同的两个 medium 模型。

3. 其他受支持的文字#

   韩语、泰语、希腊语、泰卢固语、泰米尔语，阿拉伯字母、东斯拉夫、西里尔字母和天城文语言组，以及巴利语（Pali），会得到 PP-OCRv5_server_det 和对应文字的 *_PP-OCRv5_mobile_rec（59 个代码）。

4. ka#

   唯一仍由 PP-OCRv3 提供的代码：PP-OCRv3_mobile_det + ka_PP-OCRv3_mobile_rec。

5. 其他任何值#

   PaddleOCR() 会报 ValueError: No models are available for lang='…' and ocr_version=None.

官方文档没有明说的三个结论：

• 对 PP-OCRv6 语言而言，lang 不起任何作用。PaddleOCR(lang="fr")、PaddleOCR(lang="en") 和 PaddleOCR() 加载的模型完全相同，输出也完全相同。¹⁸
• lang 永远不会选中 PP-OCRv6 small 或 tiny。要使用它们，需传入 text_detection_model_name 和 text_recognition_model_name；此时 PaddleOCR 会忽略 lang 并给出警告。参见如何选择档位。¹
• lang 加上 ocr_version 会得到更旧的模型。设置 ocr_version="PP-OCRv5" 时，en 加载只识别英文的 en_PP-OCRv5_mobile_rec，fr 加载 latin_PP-OCRv5_mobile_rec。PP-OCRv4 只支持 ch 和 en；PP-OCRv3 支持 110 个代码（除 th 和 el 外的全部）。¹

会报 ValueError 的代码#

PaddleOCR 的代码是它自己定的：有些与 ISO 639-1 一致（fr、ar、hi），很多则不一致。我们在 3.7.0 中逐个用 PaddleOCR(lang=…) 测试了下列代码，全部报 ValueError: No models are available for lang=…。前六个直接来自官方的 PP-OCRv5 语言列表。³⁴⁸

按文字分类的语言支持#

中文和日语#

简体中文用 ch，繁体中文用 chinese_cht，日语用 japan——也可以都不传，因为默认的 PP-OCRv6 模型能同时识别这三种加英语。在百度内部评测中，PP-OCRv6 medium 的日语识别得分为 90.5%，PP-OCRv5 server 为 73.7%。⁵在我们自己的测试中，medium 和 small 把我们的日文通知和中英文通知的每一行都识别正确了。⁹

英语、法语、德语、西班牙语及其他拉丁字母语言#

全部 46 种拉丁字母语言加英语都由同一个 PP-OCRv6 模型识别：南非荷兰语、阿尔巴尼亚语、阿塞拜疆语、巴斯克语、波斯尼亚语、加泰罗尼亚语、克罗地亚语、捷克语、丹麦语、荷兰语、爱沙尼亚语、芬兰语、法语、加利西亚语、德语、匈牙利语、冰岛语、印度尼西亚语、爱尔兰语、意大利语、库尔德语、拉丁语、拉脱维亚语、立陶宛语、卢森堡语、马来语、马耳他语、毛利语、挪威语、奥克语、波兰语、葡萄牙语、克丘亚语、罗马尼亚语、罗曼什语、塞尔维亚语（拉丁字母）、斯洛伐克语、斯洛文尼亚语、西班牙语、斯瓦希里语、瑞典语、他加禄语、土耳其语、乌兹别克语、越南语和威尔士语。¹²有两个特殊情况：

• 巴利语（pi）在拉丁字母列表中，但被明确排除在 PP-OCRv6 之外，因此加载的是 latin_PP-OCRv5_mobile_rec。强制设置 ocr_version="PP-OCRv6" 并传 lang="pi" 会报 ValueError。¹
• 库尔德语（ku）同时出现在拉丁字母和阿拉伯字母两个列表中。拉丁字母分支先被检查，所以 lang="ku" 总是得到拉丁字母的 PP-OCRv6 模型。如果是阿拉伯字母书写的库尔德语，请自己设置 text_recognition_model_name="arabic_PP-OCRv5_mobile_rec"。¹²

韩语#

lang="korean" 加载 korean_PP-OCRv5_mobile_rec。百度称该模型可识别韩语和英语，在 5,007 张图片的韩语测试集上准确率为 88.0%——用百度的原话说，比上一代提升了 65.0%。⁴PP-OCRv6 不包含韩语，PaddleOCR.js 也不支持。

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"])

阿拉伯语、波斯语、乌尔都语及其他阿拉伯字母语言#

七个代码——ar、fa、ur、ug、ps、sd、bal——加载 arabic_PP-OCRv5_mobile_rec。百度报告该模型在 2,676 张图片的测试集上准确率为 81.27%（比上一代提升 22.83%），并称它可识别阿拉伯语、波斯语、维吾尔语、乌尔都语、普什图语、库尔德语、信德语、俾路支语和英语。⁴我们还没有亲自测试过阿拉伯字母文档，所以在依赖它之前，请先在你自己的从右到左排版页面上检查 rec_texts 的阅读顺序。

俄语、乌克兰语及其他西里尔字母语言#

俄语（ru）、乌克兰语（uk）和白俄罗斯语（be）加载东斯拉夫模型 eslav_PP-OCRv5_mobile_rec（7,031 张图片上 81.6%）。其余 30 个西里尔字母代码——保加利亚语、塞尔维亚语（rs_cyrillic）、马其顿语、哈萨克语、吉尔吉斯语、蒙古语、鞑靼语、车臣语等——加载 cyrillic_PP-OCRv5_mobile_rec（7,600 张图片上 80.27%）。¹⁴

印地语、马拉地语、尼泊尔语及其他天城文语言#

十三个代码加载 devanagari_PP-OCRv5_mobile_rec：hi（印地语）、mr（马拉地语）、ne（尼泊尔语）、sa（梵语）、bh、bho、mai、mah、new、gom、bgc、ang 和 sck。百度报告其在 3,611 张图片上准确率为 84.96%，比上一代提升 68.26%。⁴文档对其中两个名称说法不一：ang 在语言表中是“Old English”（古英语），在该模型的语言列表中却是“Angika”（安吉卡语）；sck 一处是“Sadri”，另一处是“Santali”（桑塔利语）。³⁴

from paddleocr import PaddleOCR

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

泰语、希腊语、泰米尔语、泰卢固语#

每种语言都有自己的 PP-OCRv5 识别模型，并且都能识别英语：th（82.68%）、el（89.28%）、ta（94.2%）和 te（87.65%），测试集为百度各语言的 2,121 到 4,261 张图片。⁴

ka 的问题：格鲁吉亚语还是卡纳达语？#

OCR 产线文档把 ka 列为格鲁吉亚语（Georgian）。但它唯一加载的模型 ka_PP-OCRv3_mobile_rec，在同一套文档的另外两处都被描述为卡纳达语（Kannada）模型——这是另一种语言，文字也完全不同。³⁶两者都没有 PP-OCRv5 或 v6 模型。我们无法从现有资料中确认是哪一种，所以在把 lang="ka" 用于格鲁吉亚语或卡纳达语之前，请先在你的文档样本上测试。

PP-OCRv6 以外语言的速度与体积#

每条 PP-OCRv5 语言路由都是一个小型文字识别模型搭配大型的 PP-OCRv5_server_det 检测模型（文档中为 84.3 MB）。识别模型本身很小——百度称 2025 年 10 月发布的这批模型“only 2M parameters”（仅 2M 参数）——所以在 CPU 上主要的计算量在检测模型。⁴¹⁰

如果你用 ONNX Runtime，这一点很关键。在我们的基准测试中，PP-OCRv5 server 产线在 ONNX Runtime 下平均每页 35.7 s，而用 PaddlePaddle 3.2.0 为 5.2 s。我们又用 lang="korean" 在小票图片上复测（韩语模型、英文文本，该模型被列为可识别英文）：ONNX Runtime 每张图片 12.35 s，PaddlePaddle 为 1.80 s，取三次预热后运行的中位数，两者输出的 27 行完全相同。¹¹由于韩语识别模型是一个小型 mobile 模型，这说明变慢的原因在于 ONNX Runtime 下的 server 检测模型——与 PP-OCRv6 正好相反，PP-OCRv6 的每个档位都是 ONNX Runtime 更快。

混合语言文档#

一个 PaddleOCR 实例只运行一个识别模型。lang 只接受一个代码；"en+fr" 或 "en,fr" 这样的字符串会报 ValueError。⁸具体做法取决于语言组合：

对于最后一种情况，一个办法是在同一张图片上运行两条产线，对每个文本区域保留 rec_scores 更高的那一行。这只是我们的建议，并没有做过基准测试；识别模型遇到它不认识的文字时，仍可能自信地给出错误结果，PP-OCRv6 tiny 识别日语就是例子。

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)

如果你有 GPU，并且有大量混合文字的页面，PaddleOCR-VL 是另一条路：百度称它用单个视觉语言模型支持 109 种语言。¹⁰

哪些语言能在浏览器中运行#

官方浏览器 SDK PaddleOCR.js 提供三套模型：PP-OCRv6 small、PP-OCRv6 tiny 和 PP-OCRv5 mobile。⁷

• ocrVersion: "PP-OCRv6" 加载 PP-OCRv6 small，接受 ch、chinese_cht、en、japan 以及除 pi 外的拉丁字母代码——与 Python 相同的 50 种语言。
• ocrVersion: "PP-OCRv5" 只接受 ch、chinese_cht、en 和 japan。其他任何代码都会抛出 Unsupported lang/ocrVersion combination。
• tiny 没有 lang 映射；要按模型名加载，而且它无法识别日语。

韩语、阿拉伯字母、西里尔字母、天城文、泰语、希腊语、泰米尔语和泰卢固语目前只能在 Python 中使用。我们的在线 OCR 工具基于 PaddleOCR.js，因此支持的正好是 PP-OCRv6 那一组语言；上方的查询工具对每种语言都做了相应标注。嵌入方法见 PaddleOCR.js 指南（英文）。

官方语言列表中的错误#

我们把文档与 langs.py 和 ocr.py 做了对照。实际运行的是代码，所以本页的查询工具和表格都以代码为准。

• OCR 产线文档中的 PP-OCRv5 列表包含 rslatin、sr、ab、av、ce 和 lki，代码一个都不接受；同时漏掉了代码接受的 french、german、abq、ava、che、lbe、rs_latin 和 rs_cyrillic。³
• ab 在 PP-OCRv5 文档中叫 Abkhaz（阿布哈兹语），而代码接受的 abq 在 OCR 文档中叫 Abaza（阿巴扎语）——这是两种不同的语言。³⁴
• ka 在一张表里是格鲁吉亚语，在模型描述里却是卡纳达语（见上文）。
• OCR 文档中的“Supported Languages”表有 81 行，而代码接受 112 个代码。表中缺少：泰语、希腊语、加泰罗尼亚语、巴斯克语、芬兰语、加利西亚语、卢森堡语、罗曼什语、克丘亚语、普什图语、信德语、俾路支语，以及 18 种西里尔字母语言，包括哈萨克语、吉尔吉斯语、塔吉克语、马其顿语和鞑靼语。³
• 文档中的 PP-OCRv3 列表漏掉了 27 个代码，而代码实际上会把它们路由到 PP-OCRv3 模型——例如 kk → cyrillic_PP-OCRv3_mobile_rec。¹³
• 语言数量说法不一：PP-OCRv5 多语言模型在其自身文档中是“106 languages”，在 README 中是“109 languages”。⁴¹⁰

全部 112 个 lang 代码#

按英文名称排序。“识别模型”是只传 lang 时 PaddleOCR 3.7.0 加载的模型；检测模型在 PP-OCRv6 行为 PP-OCRv6_medium_det，在 PP-OCRv5 行为 PP-OCRv5_server_det，ka 为 PP-OCRv3_mobile_det。“v6 tiny”表示 PP-OCRv6 tiny 能否识别该语言；“浏览器”表示 PaddleOCR.js 和我们的在线 OCR 工具能否识别。中文名称为我们的翻译。表格由 3.7.0 源码生成，查询工具使用的是同一份数据。¹²

常见问题#