在Cherry Studio中使用PaddleOCR

PaddleOCR 是百度飞桨推出的文字识别与文档解析开发套件，能够将各类文档与图像高效转换为结构化、AI 友好的数据格式（如 JSON 和 Markdown），并凭借行业领先的识别精度，为全球开发者、初创团队及大型企业的 AI 应用提供强大支持。PaddleOCR 提供覆盖全场景的高精度文字识别能力，其最新的文字识别方案具备以下亮点：

1. 1. 🌐 单模型支持五种文字：可同时识别简体中文、繁体中文、中文拼音、英文和日文。
2. 2. ✍️ 手写体识别能力增强：针对复杂连笔、非规范字迹等场景，识别性能显著提升。
3. 3. 🎯 整体精度大幅提升：在多种应用场景中达到 SOTA（State-of-the-Art）精度，相比上一代方案，识别准确率提升达 13 个百分点！

目前，PaddleOCR 已与 Cherry Studio 深度集成。本文将重点介绍如何在 Cherry Studio 的翻译应用中调用 PaddleOCR 的 PP-OCRv5 文字识别能力，用于提取图像中的文本内容。除了基础的文字识别功能外，PaddleOCR 还支持更复杂的文档解析任务，提供包括流水线式的 PP-StructureV3 以及多模态大模型 PaddleOCR-VL 在内的多种方案。这些高级能力也将陆续集成到 Cherry Studio 中，为用户带来更全面的文档智能处理体验。关于PaddleOCR 的更多信息，可参阅其官方仓库：https://github.com/PaddlePaddle/PaddleOCR。

配置与使用步骤

进入 OCR 服务设置

在 Cherry Studio 设置界面中，依次选择「文档处理」→「OCR 服务」。

配置 PaddleOCR 服务

将 OCR 服务提供商设置为 PaddleOCR，并填写对应的 API URL 及飞桨星河社区的访问令牌。API URL 可使用 PaddleOCR 官方服务，也支持用户通过星河社区或本地自行部署的服务地址。以下主要介绍官方服务调用方式。如需自建服务，请参考 PaddleOCR 服务化部署文档。

2.1 获取 API URL

• 访问 PaddleOCR 官网任务页。
• 点击左上角「API」，选择「文字识别（PP-OCRv5）」，复制显示的 API_URL。

2.2 获取访问令牌

• 在 星河社区令牌页面 获取访问令牌。

启动翻译应用

点击 Cherry Studio 界面左上角的「+」按钮，打开「翻译」应用。

上传图像并识别文本

点击左下角的「+」上传待翻译的图像文件，系统将自动调用 PaddleOCR 进行处理。

查看识别结果并翻译

OCR 处理完成后，左侧文本框将显示从图像中提取的文本内容，如下图所示。随后可将其翻译为目标语言。