在需要从截图或扫描件中提取文字时，在线OCR平台要么限制次数、要么识别缓慢，更让人不放心的是图片数据要上传到他人服务器。付费订阅对于偶尔使用的人来说又显得不值。PaddleOCR-VL作为PaddleOCR 3.x系列的多模态文档解析模型，参数规模不到一亿，却能兼顾精度与资源消耗。它不仅能识别文字，还能理解文档结构——表格、公式、图表、多栏排版都能处理，支持超过100种语言，本地部署则彻底保障隐私。本文将通过整合包简化部署流程，让你轻松自建一套实用的OCR服务。
什么是PaddleOCR-VL？
PaddleOCR-VL是PaddleOCR 3.x系列中的一款视觉-语言多模态文档解析模型，专为复杂文档场景设计。与传统OCR仅能识别文字不同，PaddleOCR-VL通过融合视觉编码器与语言模型，实现了从“文字识别”到“图文理解”的跨模态能力。它不仅能精准提取文字，还能理解文字在文档中的结构和语义，例如表格、公式、图表以及多栏排版内容。
该模型参数规模适中（约0.9亿），兼顾高精度和资源效率，因此既适合本地部署，也可在私有云或远程环境中使用。更重要的是，PaddleOCR-VL支持多语言文本识别（超过100种语言），在处理多语种混排文档时表现出色。凭借其跨模态能力，它不仅可以完成大批量文档解析，还能为知识抽取、智能问答等后续任务提供结构化输入，成为现代智能文档处理系统的核心技术。
简而言之，PaddleOCR‑VL 是一款专业的多模态文档理解模型，突破了传统 OCR 的局限，实现了文字识别、版式理解与语义分析的有机结合。
PaddleOCR-VL下载与启动
由于官方开源代码的部署环境较为复杂，不适合新手小白上手，本教程将使用@十字鱼提供的整合包，让入门变得简单。整合包下载链接可访问cpolar官网同名文章。
下载整合包后，解压到本地目录。进入解压后的目录，双击执行 01运行程序.bat 脚本：
执行脚本后，会打开cmd窗口，检测电脑配置并下载模型：
启动完成后，会出现URL地址：
自动在浏览器中打开，如果未自动打开，手动访问如下地址：
http://127.0.0.1:7891
出现如上页面，PaddleOCR-VL整合包就启动完成！
简单使用PaddleOCR-VL
PaddleOCR-VL可以识别各种类型的文字，本部分将演示印刷体、手写体和数学公式，让你快速了解模型的核心功能。
印刷体OCR识别
准备一张要识别的图片，如下：
在页面上点击上传区域，或直接拖拽图片上传：
上传后，点击“开始生成”按钮：
点击开始后，可按快捷键 Ctrl + shift +esc 打开任务管理器，查看GPU负载：
当前RTX 2080 Ti显卡占用达到83%，当占用下降时说明OCR识别完成。返回页面查看：
页面提示“完整下载请去outputs文件夹”，打开项目目录的outputs子目录：
进入后可以看到生成的文件和图片：
通过原图和OCR识别后的图片对比：
基本上没有发现识别错误，完美识别了印刷体图片上的英文内容！
手写体OCR识别
接下来测试手写体图片：
直接展示结果：
可以看到，完美识别了内容，且没有任何错误！
数学公式OCR识别
测试数学公式图片：
效果对比如下：
除了原图中的回车符号显示为句号，以及表格列方向与原图不符外，文字和数学公式完全正确，准确率极高！
下载cpolar内网穿透
我们已经成功启动了PaddleOCR-VL项目，可以通过 http://127.0.0.1:7891/ 这样的地址访问。但这个地址只能在本地设备访问，其他电脑、手机或朋友远程体验时完全打不开。接下来，通过cpolar内网穿透，让PaddleOCR-VL像在线网站一样被外部访问。
什么是cpolar？
cpolar是一款内网穿透工具，可以将局域网内运行的服务通过安全加密的中间隧道映射至公网，让外部设备无需配置路由器即可访问。广泛支持Windows、macOS、Linux、树莓派、群晖NAS等平台，并提供一键安装脚本。
下载cpolar
打开cpolar官网下载页面，点击 立即下载 64-bit 按钮下载安装包：
下载后解压并执行安装程序，一路默认安装。打开cmd窗口输入如下命令确认安装：
cpolar version
出现如上版本即代表安装成功！
注册及登录cpolar Web UI管理界面
访问 cpolar 官网，点击 免费注册 按钮进行注册：
进入注册页面完成注册：
注册完成后，在浏览器中输入如下地址访问Web UI管理界面：
http://127.0.0.1:9200
输入注册账号登录：
穿透PaddleOCR-VL项目以支持公网访问
随机域名方式（免费方案）
随机域名方式适合预算有限的用户，系统会每隔24小时左右自动更换域名地址。对于长期访问不太友好，但该方案免费。如果有一定预算，可以查看 大纲5.2 的固定域名方式，访问更稳定。
点击左侧菜单栏的 隧道管理 ，展开进入 隧道列表 页面，默认有2个隧道：
- remoteDesktop隧道：指向3389端口，tcp协议
- website隧道：指向8080端口，http协议（http协议默认生成http和https两个公网地址）
点击编辑 website 的隧道，修改成 PaddleOCR-VL 需要的信息：
注意：每个用户创建的隧道显示的公网地址都不一样。
接着，点击左侧菜单的 状态 菜单，点击 在线隧道列表 菜单按钮，可以看到2个PaddleOCR-VL-7891隧道，一个为http协议，另一个为https协议：
在浏览器中访问PaddleOCR-VL-7891隧道生成的公网地址（以https为例）：
成功访问！
固定域名方式（升级任意套餐皆可）
免费随机域名方案每24小时自动更换域名地址，带来不便。固定域名方案让你拥有一个 永久不变的专属地址 ，实现稳定可靠的OCR在线工作台。
进入官网预留页面：
https://dashboard.cpolar.com/reserved选择 预留 菜单，看到 保留二级子域名 项，填写 地区 、 名称 、 描述（可不填） ，点击保留：
列表中显示了一条已保留的二级子域名记录：
- 地区：显示为
China Top - 二级域名：显示为
pdocr
接着，进入侧边菜单栏的 隧道管理 下的 隧道列表 ，找到名为 PaddleOCR-VL-7891 的隧道，点击 编辑 按钮进入编辑页面：
修改域名类型为 二级子域名 ，填写配置好的子域名，点击更新：
来到 状态 菜单下的 在线隧道列表 ，可以看到隧道名称为 PaddleOCR-VL-7891 的公网地址已变更为 二级子域名+固定域名主体及后缀 的形式：
以https协议测试访问：
访问成功！这样你就拥有了一个永久不变的专属域名。
为PaddleOCR-VL添加访问授权验证
完成公网部署后，你会发现 PaddleOCR-VL 默认无需登录即可访问。在家庭共享网络或团队协作场景下，可能存在安全隐患。例如，他人可通过公网地址随意提交图片识别任务，甚至查看配置信息，存在滥用资源的风险。
为了保障系统安全，可以借助cpolar内置的访问授权验证功能，为公网隧道添加密码保护。
配置访问授权验证
打开cpolar管理界面，进入 隧道管理 → 隧道列表 ，找到 PaddleOCR-VL-7891 隧道，点击 编辑 按钮：
在编辑页面中，点击 高级 按钮展开高级配置选项，按照下图设置：在HttpAuth栏输入admin:123456，其中admin为账号，123456为密码：
验证授权效果
重新访问公网地址，浏览器会弹出登录验证框：
输入用户名和密码后，即可正常访问PaddleOCR-VL的Web界面。通过这一道简单的验证，你的OCR服务就具备了基础的安全防护。
总结
PaddleOCR-VL这套方案在“自己搭OCR服务”这件事上完成度较高。整合包降低了部署门槛，印刷体和手写体识别效果实测可用，数学公式因结构复杂偶有误差但整体可接受。需要注意的是，它对GPU有一定要求——演示使用RTX 2080 Ti，没有独显的机器会比较吃力。
cpolar在此解决了远程访问通道的问题，但核心能力仍是PaddleOCR-VL本身。这套组合适合对图片文字提取有持续需求且注重隐私的用户。偶尔使用的话付费平台更省事；如果使用频率高，自建服务长期成本更低，也不用担心图片数据外泄。
浙公网安备 33010602011771号