PaddleOCR-VL 1.6：整页生成Markdown，单张表格另有识别入口

一页报告要变成完整Markdown，与只想识别其中一张表，交给模型的任务并不相同。PaddleOCR-VL 1.6把这两个入口放在同一份模型卡里：官方管线负责页面解析，直接调用模型则可以限定表格、公式、印章等元素。

它是独立的视觉语言文档模型，与此前介绍的PP-StructureV3及表格处理路线有不同的模型与调用方式。本篇限定1.6，不把旧管线操作或其他型号的指标搬进来。

整页报告，走页面管线

官方型号卡的示例用PaddleOCRVL(pipeline_version="v1.6")加载管线，将页面交给predict，然后分别保存JSON与Markdown。一个留结构化结果，一个留便于阅读和继续处理的文档表达。

这适合先把报告页组织成可使用材料，再接检索或编辑工具。模型卡同时给出识别服务与页面管线分开的部署方式：VLM可以由推理服务器承接，前面的文档管线仍负责完整处理。只启动模型服务，不等于整页解析系统已经全部准备完毕。

transformers部分的任务选项包括ocr、table、formula、chart、spotting与seal，分别配有明确提示。给一张公式图片请求公式识别，与把它当普通文字读取，目标格式和解释范围都不同。

假设你只需要重录公开报告里的一张比较表，这是教学情境。可以先裁出完整表头、数据与脚注，再用表格任务；如果某行的归属要靠上一段正文才能解释，则仍应保留整页或相应上下文，不能期待局部裁图自动知道被剪掉的条件。

官方特别注明：这份transformers代码只支持元素级识别和文字定位，页面级解析推荐走前面的官方方法。因此，局部表格能出结果，也不能证明整页的阅读顺序和图文组织已完成。

文字定位示例会在图片两边都小于指定阈值时放大输入，并为spotting设置不同的像素上限。它不是对所有任务统一执行同一种缩放。自己接入时，应保留任务名称与实际输入处理，才知道一份坐标或文字结果由哪条路径产生。

样例还设置了生成token上限。长表格、密集文字的结果若被截断，应检查输出长度与任务范围，不能只因返回了一段可读文本就判断所有单元格都已取完。源码里的演示值不是任意文档的最佳配置。

1.6在2026年5月发布，模型卡介绍了针对薄弱区域的数据优化与渐进后训练。这是训练方法，不能被误解为用户上传文档后自动得到一个人工校正界面；本文也没有复测其榜单分数或中文生僻字准确率。

采用时还需要对应的PaddlePaddle与PaddleOCR版本；模型卡列明PaddleOCR至少3.6.0，并对macOS给出Docker环境建议。权重标注Apache-2.0，但另接服务与输入资料仍按各自条件处理。

最值得先定下来的选择是：需要整个页面的文档结构，还是某个区域的识别结果。把这两层分开，原有工具就能增加缺少的能力，而不是为了认一张表重新搭完整系统。