PP-OCRv6正式发布！Tiny仅1.5M、本地浏览器单图97ms，我实测用MCP把OCR能力接入AI工作流，开发者的文字识别引擎又进化了

鲲鹏Talk 首頁 每日列表 原始影片
實際影片長度：6:05.458。原文、繁中、雙語可點擊句子跳轉影片。
0:00.000–0:01.199
zh各位朋友大家好,
0:01.199–0:03.148
zh欢迎大家关注昆蓬Talk。
0:03.148–0:07.345
zh那百度又推出了新的OCR的模型叫PadPad OCR V6。
0:07.345–0:12.142
zh那很多人说它前段时间不是出了一个PadPad OCR VL1.6吗?
0:12.142–0:12.642
zh确实。
0:12.642–0:14.091
zh我刚看了这个的时候,
0:14.091–0:15.440
zh我以为我看错眼了。
0:15.440–0:18.138
zh我特地去翻了一下我5月28号的视频,
0:18.138–0:20.386
zh就是介绍这个VL1.6的模型。
0:20.386–0:23.234
zh它确实推出了一个OCR V6的一个版本。
0:23.234–0:25.783
zh那这个模型跟它俩的一个区别是啥呢?
0:25.783–0:26.532
zh那目前呢,
0:26.532–0:27.881
zh这个PP OCR呢,
0:27.881–0:29.980
zh它不是基于VRM的一个模型,
0:30.000–0:30.765
zh这个模式。
0:30.765–0:31.836
zh那这个VL呢,
0:31.836–0:33.059
zh它是基于VRM,
0:33.059–0:35.048
zh就是大语言模型的这个模式。
0:35.048–0:36.424
zh那它这个OCR呢,
0:36.424–0:39.178
zh是基于原来的OCR5上面升级上来的。
0:39.178–0:39.942
zh那这个呢,
0:39.942–0:41.931
zh是基于它的一个升级的版本。
0:41.931–0:44.072
zh它还是基于它传统的那个架构。
0:44.072–0:44.684
zh所以呢,
0:44.684–0:45.449
zh它更轻量。
0:45.449–0:46.520
zh你比如说那个,
0:46.520–0:48.508
zh这个是0.9b的一个参数。
0:48.508–0:49.885
zh那我们看一下这个,
0:49.885–0:50.802
zh它这个V6,
0:50.802–0:52.026
zh它有多个版本哈。
0:52.026–0:52.638
zh然后呢,
0:52.638–0:53.862
zh它的最小的版本,
0:53.862–0:55.544
zh它都是几兆的一个参数,
0:55.544–0:56.462
zh非常非常小。
0:56.462–0:56.962
zh而且,
0:56.962–0:58.144
zh你看350万的,
0:58.144–0:59.062
zh150万的,
0:59.062–0:59.980
zh150万的。
1:00.000–1:03.482
zh这个是350万的一个参数,
1:03.482–1:04.554
zh非常小。
1:04.554–1:05.357
zh就是,
1:05.357–1:09.375
zh基本上可以在CPU上来去运行。
1:09.375–1:10.446
zh当然了,
1:10.446–1:11.786
zh它虽然小,
1:11.786–1:15.536
zh但是它的性能不输那些大模型。
1:15.536–1:16.607
zh比如说,
1:16.607–1:20.357
zh我们来看一下它的一个能力哈。
1:20.357–1:21.429
zh这个是,
1:21.429–1:24.107
zh它在这个平均分数上,
1:24.107–1:25.714
zh它的84分。
1:25.714–1:27.054
zh你看那个,
1:27.054–1:30.000
zhGPT5.5才45分。
1:30.000–1:32.257
zh它是,它是在手机上可以运行的一个版本。
1:32.257–1:33.327
zh那我们来看一下哈。
1:33.327–1:34.040
zh它其实官方,
1:34.040–1:34.990
zh它提供了好几个,
1:34.990–1:35.490
zh呃,
1:35.490–1:35.990
zh呃,
1:35.990–1:36.490
zh模型哈。
1:36.490–1:36.990
zh比如说,
1:36.990–1:37.490
enONIX,
1:37.490–1:38.023
zh就是这种版本的,
1:38.023–1:39.505
zh就可以在手机上无缝去运行。
1:39.505–1:40.574
zh那我们来看一下哈。
1:40.574–1:42.000
zh这个是它官网的一个介绍。
1:42.000–1:43.013
zh那我们来看一下哈。
1:43.013–1:44.362
zh这个是它官网的一个介绍。
1:44.362–1:45.487
zh我刚开始看了的时候,
1:45.487–1:46.388
zh我以为我看错了,
1:46.388–1:47.175
zh确实没看错哈。
1:47.175–1:48.750
zh这是它的一个模型的一个能力。
1:48.750–1:49.763
zh整个的一个能力呢,
1:49.763–1:50.263
zh不管是,
1:50.263–1:50.763
zh那个,
1:50.763–1:51.263
zh呃,
1:51.263–1:51.763
zh呃,
1:51.763–1:52.430
zhTiny的一个模型,
1:52.430–1:55.725
zh还是它的这个Midia这个模型的整个的一个能力都是非常非常强的。
1:55.725–1:56.225
zh呃,
1:56.225–1:56.850
zh百度的OCR呢,
1:56.850–1:57.525
zh我之前说过,
1:57.525–1:59.213
zh确实是他们最牛逼的一个产品哈。
1:59.213–2:00.000
zh就是在AI里。
2:00.000–2:01.277
zh啊,无人能力啊,
2:01.277–2:02.234
zh这个确实是。
2:02.234–2:03.191
zh那它目前呢,
2:03.191–2:05.904
zh也在那个HunkFace上开源了。
2:05.904–2:06.543
zh然后呢,
2:06.543–2:07.660
zh在它的官网上,
2:07.660–2:09.415
zh我们可以也可以看到它。
2:09.415–2:10.372
zh然后这里面,
2:10.372–2:10.872
zh呃,
2:10.872–2:12.606
zh前段时间又就有人问我说,
2:12.606–2:13.106
zh哎,
2:13.106–2:15.638
zh这个MCP在Codex里面怎么用。
2:15.638–2:16.138
zh嗯,
2:16.138–2:17.234
zh我的Codex,
2:17.234–2:18.989
zh我就给大家介绍一下哈。
2:18.989–2:22.500
zh因为我这个Codex不知道那个我都恢复没哈。
2:22.500–2:23.457
zh我来看一下。
2:23.457–2:25.372
zh其实安装就到AI时代了,
2:25.372–2:26.489
zh你不管怎么说,
2:26.489–2:28.085
zh你把它发给它就行了。
2:28.085–2:28.585
zh呃,
2:28.585–2:30.000
zh帮我安装这个MCP。
2:30.000–2:32.985
zh确实有人问如何在Codex里面去安装哈。
2:32.985–2:35.672
zh其实就把这部分的信息复制过来就行了。
2:35.672–2:38.507
zh然后这里面OXS token也在这里面。
2:38.507–2:39.552
zh大家不能看哈,
2:39.552–2:41.045
zh这个一会我就删掉了。
2:41.045–2:42.239
zh我现在就去删掉。
2:42.239–2:42.836
zh等会吧,
2:42.836–2:44.328
zh等我把这个视频录完。
2:44.328–2:46.269
zh然后点这儿获取令牌就行了。
2:46.269–2:48.806
zh然后它在这里面可以获取到它的令牌,
2:48.806–2:50.000
zh你可以把它删掉。
2:50.000–2:51.045
zh直接刷信一下,
2:51.045–2:51.791
zh它就变了。
2:51.791–2:53.134
zh那我们先不管它了。
2:53.134–2:53.634
zh呃,
2:53.634–2:54.328
zh让它看一下,
2:54.328–2:55.821
zh我们看一下额度恢复,
2:55.821–2:56.866
zh恢复没恢复哈。
2:56.866–2:57.366
zh啊,
2:57.366–2:57.866
zh恢复了。
2:57.866–2:58.366
zh好的,
2:58.366–2:59.254
zh我们稍等一下。
2:59.254–3:00.000
zh嗯。那我趁
3:00.000–3:02.041
zh它在之前的过程当中,
3:02.041–3:03.878
zh我也跟大家说一下,
3:03.878–3:05.102
zh在设置里面。
3:05.102–3:06.327
zh在设置里面,
3:06.327–3:10.000
zhMCP服务器里面也可以在这儿来手动,
3:10.000–3:10.500
zh啊,
3:10.500–3:11.429
zh手动设置。
3:11.429–3:13.265
zh比如说启动命令啊。
3:13.265–3:14.286
zh然后这个,
3:14.286–3:14.786
zh呃,
3:14.786–3:15.510
zh参数啊,
3:15.510–3:17.143
zh和它的环境变量。
3:17.143–3:17.643
zh那,
3:17.643–3:18.367
zh但是呢,
3:18.367–3:18.867
zh呃,
3:18.867–3:21.020
zh我们一般不手动设置哈。
3:21.020–3:22.449
zh有了AI之后,
3:22.449–3:25.510
zh其实它也花不了几个token。
3:25.510–3:27.755
zh所以我们一般正常情况,
3:27.755–3:30.000
zh肯定是用AI来生成的。
3:30.000–3:32.034
zh也让它加进来了,
3:32.034–3:33.559
zh就是在这儿。
3:33.559–3:35.339
zh我们可以看到。
3:35.339–3:35.847
zh那,
3:35.847–3:36.356
zh那,
3:36.356–3:39.407
zh它说重启之后才可以使用。
3:39.407–3:41.441
zh那我们把它关了,
3:41.441–3:42.966
zh重新启一下。
3:42.966–3:43.729
enOK,
3:43.729–3:46.525
zh我们随便传一张照片哈。
3:46.525–3:49.576
zh看一下桌面上有没有照片。
3:49.576–3:50.085
zh嗯,
3:50.085–3:51.864
zh桌面上有没有。
3:51.864–3:54.407
zh找一个要提取照片的。
3:54.407–3:54.915
zh嗯,
3:54.915–3:56.186
zh我找一个,
3:56.186–3:58.729
zh就我用AI生成的吧。
3:58.729–4:00.000
zh帮我提取。
4:00.000–4:04.330
zh帮我调用PP-OCRV6。
4:04.330–4:10.326
zh帮我调用PP-OCRV6这个MCP。
4:10.326–4:13.658
zh然后提取图片的内容。
4:13.658–4:16.322
zh变得文字内容吧。
4:16.322–4:19.987
zh然后PP-OCRV6,
4:19.987–4:20.653
zh对。
4:20.653–4:23.318
zh看它提起的效果。
4:23.318–4:26.649
zh我们再继续稍等一下。
4:26.649–4:27.315
zh啊,
4:27.315–4:29.980
zh我们可以看一下。
4:29.980–4:32.277
zh它已经把完整的内容已经提取出来了。
4:32.277–4:32.777
zh那,
4:32.777–4:33.358
zh其实这个呢,
4:33.358–4:34.034
zh不重要哈。
4:34.034–4:34.534
zh就是,
4:34.534–4:35.926
zh主要是给大家介绍一下,
4:35.926–4:37.683
zh这个MCP是怎么去安装的。
4:37.683–4:38.183
zh其实,
4:38.183–4:39.304
zh不管是Codex,
4:39.304–4:40.385
enCodeout,
4:40.385–4:41.061
enCode,
4:41.061–4:41.872
zh还是小东西,
4:41.872–4:42.683
zh其实都一样。
4:42.683–4:43.183
zh呃,
4:43.183–4:44.439
zh我觉得这个最基本的哈,
4:44.439–4:45.791
zh就是人把东西发给他。
4:45.791–4:46.466
zh你不会的,
4:46.466–4:47.818
zh就直接问AI就行了。
4:47.818–4:48.629
zh就这么简单。
4:48.629–4:49.129
zh那,
4:49.129–4:50.926
zh百度的模型的能力一直都非常强。
4:50.926–4:51.426
zh那,
4:51.426–4:51.926
zh这个,
4:51.926–4:52.548
zhOCRV6呢,
4:52.548–4:54.304
zh它还有几个手机的一个版本。
4:54.304–4:54.804
zh就是,
4:54.804–4:56.331
zh我们可以在手机上去安装,
4:56.331–4:56.831
zh测试,
4:56.831–4:57.331
zh验证。
4:57.331–4:57.831
zh呃,
4:57.831–4:58.331
zh非常的方便。
4:58.331–4:58.831
zh呃,
4:58.831–4:59.980
zh它的手机端的地址,呃,
4:59.980–5:02.104
zh这是安卓的地址,
5:02.104–5:02.635
zh呃,
5:02.635–5:05.024
zh还有IOS的地址,
5:05.024–5:05.555
zh呃,
5:05.555–5:07.148
zh都是一样的。
5:07.148–5:11.927
zh因为它可以支持在安卓手机上的去这个,
5:11.927–5:13.785
zh上面去做测试。
5:13.785–5:17.237
zh因为它只有几兆的一个大小,
5:17.237–5:19.361
zh完全可以跑起来。
5:19.361–5:20.422
zh而且在,
5:20.422–5:20.953
zh呃,
5:20.953–5:22.015
zh浮器上,
5:22.015–5:22.546
zh呃,
5:22.546–5:24.139
zh就算你没有,
5:24.139–5:24.670
zh呃,
5:24.670–5:25.467
zh那个,
5:25.467–5:29.980
zhGPU在CPU上跑的速度也挺快的。
5:29.980–5:30.629
zh那,模型,
5:30.629–5:31.407
zh它不是大模,
5:31.407–5:33.743
zh不是基于VLM大语言模型的一个模型,
5:33.743–5:35.170
zh它是纯视觉的一个模型。
5:35.170–5:35.670
zh那,
5:35.670–5:36.468
zh它的一个效果呢,
5:36.468–5:36.968
zh也是,
5:36.968–5:37.468
zh呃,
5:37.468–5:37.968
zh秒杀了。
5:37.968–5:38.468
zh目前,
5:38.468–5:39.712
zh顶级了SOSA的这些模型,
5:39.712–5:40.880
zh能力确实非常强啊。
5:40.880–5:42.626
zh当然呢,说的是OCR提取啊,
5:42.626–5:43.499
zh比如说OCR,
5:43.499–5:43.999
zh呃,
5:43.999–5:44.499
zh图片理解,
5:44.499–5:45.121
zh它做不到啊,
5:45.121–5:45.621
zh那个呢,
5:45.621–5:47.117
zh就得用VL1.6的那个,
5:47.117–5:47.990
zhVL1.6呢,
5:47.990–5:49.612
zh它是做通用文档识别提取的。
5:49.612–5:50.609
zh那这个OCR呢,
5:50.609–5:51.483
zh它就是做图片,
5:51.483–5:52.231
zh就视觉模型。
5:52.231–5:52.731
zh啊,
5:52.731–5:53.603
zh它没办法进行推理。
5:53.603–5:54.103
zh那,
5:54.103–5:55.225
zh这就是二者的一个区别。
5:55.225–5:55.725
zh那,
5:55.725–5:56.225
zh好的,
5:56.225–5:56.725
zh今天就介绍的,
5:56.725–5:57.225
zh然后呢,
5:57.225–5:57.969
zh感兴趣的话,
5:57.969–5:59.216
zh可以自己来尝试一下,
5:59.216–6:02.459
zh也可以把它接入到你的所有的Agent里面去尝试一下。
6:02.459–6:02.959
zh那,
6:02.959–6:03.459
zh好的,
6:03.459–6:03.959
zh今天就介绍的,
6:03.959–6:04.580
zh谢谢大家。
0:00.000–0:01.199
各位朋友大家好,
0:01.199–0:03.148
欢迎大家关注昆蓬Talk。
0:03.148–0:07.345
那百度又推出了新的OCR的模型叫PadPad OCR V6。
0:07.345–0:12.142
那很多人说它前段时间不是出了一个PadPad OCR VL1.6吗?
0:12.142–0:12.642
确实。
0:12.642–0:14.091
我刚看了这个的时候,
0:14.091–0:15.440
我以为我看错眼了。
0:15.440–0:18.138
我特地去翻了一下我5月28号的视频,
0:18.138–0:20.386
就是介绍这个VL1.6的模型。
0:20.386–0:23.234
它确实推出了一个OCR V6的一个版本。
0:23.234–0:25.783
那这个模型跟它俩的一个区别是啥呢?
0:25.783–0:26.532
那目前呢,
0:26.532–0:27.881
这个PP OCR呢,
0:27.881–0:29.980
它不是基于VRM的一个模型,
0:30.000–0:30.765
这个模式。
0:30.765–0:31.836
那这个VL呢,
0:31.836–0:33.059
它是基于VRM,
0:33.059–0:35.048
就是大语言模型的这个模式。
0:35.048–0:36.424
那它这个OCR呢,
0:36.424–0:39.178
是基于原来的OCR5上面升级上来的。
0:39.178–0:39.942
那这个呢,
0:39.942–0:41.931
是基于它的一个升级的版本。
0:41.931–0:44.072
它还是基于它传统的那个架构。
0:44.072–0:44.684
所以呢,
0:44.684–0:45.449
它更轻量。
0:45.449–0:46.520
你比如说那个,
0:46.520–0:48.508
这个是0.9b的一个参数。
0:48.508–0:49.885
那我们看一下这个,
0:49.885–0:50.802
它这个V6,
0:50.802–0:52.026
它有多个版本哈。
0:52.026–0:52.638
然后呢,
0:52.638–0:53.862
它的最小的版本,
0:53.862–0:55.544
它都是几兆的一个参数,
0:55.544–0:56.462
非常非常小。
0:56.462–0:56.962
而且,
0:56.962–0:58.144
你看350万的,
0:58.144–0:59.062
150万的,
0:59.062–0:59.980
150万的。
1:00.000–1:03.482
这个是350万的一个参数,
1:03.482–1:04.554
非常小。
1:04.554–1:05.357
就是,
1:05.357–1:09.375
基本上可以在CPU上来去运行。
1:09.375–1:10.446
当然了,
1:10.446–1:11.786
它虽然小,
1:11.786–1:15.536
但是它的性能不输那些大模型。
1:15.536–1:16.607
比如说,
1:16.607–1:20.357
我们来看一下它的一个能力哈。
1:20.357–1:21.429
这个是,
1:21.429–1:24.107
它在这个平均分数上,
1:24.107–1:25.714
它的84分。
1:25.714–1:27.054
你看那个,
1:27.054–1:30.000
GPT5.5才45分。
1:30.000–1:32.257
它是,它是在手机上可以运行的一个版本。
1:32.257–1:33.327
那我们来看一下哈。
1:33.327–1:34.040
它其实官方,
1:34.040–1:34.990
它提供了好几个,
1:34.990–1:35.490
呃,
1:35.490–1:35.990
呃,
1:35.990–1:36.490
模型哈。
1:36.490–1:36.990
比如说,
1:36.990–1:37.490
ONIX,
1:37.490–1:38.023
就是这种版本的,
1:38.023–1:39.505
就可以在手机上无缝去运行。
1:39.505–1:40.574
那我们来看一下哈。
1:40.574–1:42.000
这个是它官网的一个介绍。
1:42.000–1:43.013
那我们来看一下哈。
1:43.013–1:44.362
这个是它官网的一个介绍。
1:44.362–1:45.487
我刚开始看了的时候,
1:45.487–1:46.388
我以为我看错了,
1:46.388–1:47.175
确实没看错哈。
1:47.175–1:48.750
这是它的一个模型的一个能力。
1:48.750–1:49.763
整个的一个能力呢,
1:49.763–1:50.263
不管是,
1:50.263–1:50.763
那个,
1:50.763–1:51.263
呃,
1:51.263–1:51.763
呃,
1:51.763–1:52.430
Tiny的一个模型,
1:52.430–1:55.725
还是它的这个Midia这个模型的整个的一个能力都是非常非常强的。
1:55.725–1:56.225
呃,
1:56.225–1:56.850
百度的OCR呢,
1:56.850–1:57.525
我之前说过,
1:57.525–1:59.213
确实是他们最牛逼的一个产品哈。
1:59.213–2:00.000
就是在AI里。
2:00.000–2:01.277
啊,无人能力啊,
2:01.277–2:02.234
这个确实是。
2:02.234–2:03.191
那它目前呢,
2:03.191–2:05.904
也在那个HunkFace上开源了。
2:05.904–2:06.543
然后呢,
2:06.543–2:07.660
在它的官网上,
2:07.660–2:09.415
我们可以也可以看到它。
2:09.415–2:10.372
然后这里面,
2:10.372–2:10.872
呃,
2:10.872–2:12.606
前段时间又就有人问我说,
2:12.606–2:13.106
哎,
2:13.106–2:15.638
这个MCP在Codex里面怎么用。
2:15.638–2:16.138
嗯,
2:16.138–2:17.234
我的Codex,
2:17.234–2:18.989
我就给大家介绍一下哈。
2:18.989–2:22.500
因为我这个Codex不知道那个我都恢复没哈。
2:22.500–2:23.457
我来看一下。
2:23.457–2:25.372
其实安装就到AI时代了,
2:25.372–2:26.489
你不管怎么说,
2:26.489–2:28.085
你把它发给它就行了。
2:28.085–2:28.585
呃,
2:28.585–2:30.000
帮我安装这个MCP。
2:30.000–2:32.985
确实有人问如何在Codex里面去安装哈。
2:32.985–2:35.672
其实就把这部分的信息复制过来就行了。
2:35.672–2:38.507
然后这里面OXS token也在这里面。
2:38.507–2:39.552
大家不能看哈,
2:39.552–2:41.045
这个一会我就删掉了。
2:41.045–2:42.239
我现在就去删掉。
2:42.239–2:42.836
等会吧,
2:42.836–2:44.328
等我把这个视频录完。
2:44.328–2:46.269
然后点这儿获取令牌就行了。
2:46.269–2:48.806
然后它在这里面可以获取到它的令牌,
2:48.806–2:50.000
你可以把它删掉。
2:50.000–2:51.045
直接刷信一下,
2:51.045–2:51.791
它就变了。
2:51.791–2:53.134
那我们先不管它了。
2:53.134–2:53.634
呃,
2:53.634–2:54.328
让它看一下,
2:54.328–2:55.821
我们看一下额度恢复,
2:55.821–2:56.866
恢复没恢复哈。
2:56.866–2:57.366
啊,
2:57.366–2:57.866
恢复了。
2:57.866–2:58.366
好的,
2:58.366–2:59.254
我们稍等一下。
2:59.254–3:00.000
嗯。那我趁
3:00.000–3:02.041
它在之前的过程当中,
3:02.041–3:03.878
我也跟大家说一下,
3:03.878–3:05.102
在设置里面。
3:05.102–3:06.327
在设置里面,
3:06.327–3:10.000
MCP服务器里面也可以在这儿来手动,
3:10.000–3:10.500
啊,
3:10.500–3:11.429
手动设置。
3:11.429–3:13.265
比如说启动命令啊。
3:13.265–3:14.286
然后这个,
3:14.286–3:14.786
呃,
3:14.786–3:15.510
参数啊,
3:15.510–3:17.143
和它的环境变量。
3:17.143–3:17.643
那,
3:17.643–3:18.367
但是呢,
3:18.367–3:18.867
呃,
3:18.867–3:21.020
我们一般不手动设置哈。
3:21.020–3:22.449
有了AI之后,
3:22.449–3:25.510
其实它也花不了几个token。
3:25.510–3:27.755
所以我们一般正常情况,
3:27.755–3:30.000
肯定是用AI来生成的。
3:30.000–3:32.034
也让它加进来了,
3:32.034–3:33.559
就是在这儿。
3:33.559–3:35.339
我们可以看到。
3:35.339–3:35.847
那,
3:35.847–3:36.356
那,
3:36.356–3:39.407
它说重启之后才可以使用。
3:39.407–3:41.441
那我们把它关了,
3:41.441–3:42.966
重新启一下。
3:42.966–3:43.729
OK,
3:43.729–3:46.525
我们随便传一张照片哈。
3:46.525–3:49.576
看一下桌面上有没有照片。
3:49.576–3:50.085
嗯,
3:50.085–3:51.864
桌面上有没有。
3:51.864–3:54.407
找一个要提取照片的。
3:54.407–3:54.915
嗯,
3:54.915–3:56.186
我找一个,
3:56.186–3:58.729
就我用AI生成的吧。
3:58.729–4:00.000
帮我提取。
4:00.000–4:04.330
帮我调用PP-OCRV6。
4:04.330–4:10.326
帮我调用PP-OCRV6这个MCP。
4:10.326–4:13.658
然后提取图片的内容。
4:13.658–4:16.322
变得文字内容吧。
4:16.322–4:19.987
然后PP-OCRV6,
4:19.987–4:20.653
对。
4:20.653–4:23.318
看它提起的效果。
4:23.318–4:26.649
我们再继续稍等一下。
4:26.649–4:27.315
啊,
4:27.315–4:29.980
我们可以看一下。
4:29.980–4:32.277
它已经把完整的内容已经提取出来了。
4:32.277–4:32.777
那,
4:32.777–4:33.358
其实这个呢,
4:33.358–4:34.034
不重要哈。
4:34.034–4:34.534
就是,
4:34.534–4:35.926
主要是给大家介绍一下,
4:35.926–4:37.683
这个MCP是怎么去安装的。
4:37.683–4:38.183
其实,
4:38.183–4:39.304
不管是Codex,
4:39.304–4:40.385
Codeout,
4:40.385–4:41.061
Code,
4:41.061–4:41.872
还是小东西,
4:41.872–4:42.683
其实都一样。
4:42.683–4:43.183
呃,
4:43.183–4:44.439
我觉得这个最基本的哈,
4:44.439–4:45.791
就是人把东西发给他。
4:45.791–4:46.466
你不会的,
4:46.466–4:47.818
就直接问AI就行了。
4:47.818–4:48.629
就这么简单。
4:48.629–4:49.129
那,
4:49.129–4:50.926
百度的模型的能力一直都非常强。
4:50.926–4:51.426
那,
4:51.426–4:51.926
这个,
4:51.926–4:52.548
OCRV6呢,
4:52.548–4:54.304
它还有几个手机的一个版本。
4:54.304–4:54.804
就是,
4:54.804–4:56.331
我们可以在手机上去安装,
4:56.331–4:56.831
测试,
4:56.831–4:57.331
验证。
4:57.331–4:57.831
呃,
4:57.831–4:58.331
非常的方便。
4:58.331–4:58.831
呃,
4:58.831–4:59.980
它的手机端的地址,呃,
4:59.980–5:02.104
这是安卓的地址,
5:02.104–5:02.635
呃,
5:02.635–5:05.024
还有IOS的地址,
5:05.024–5:05.555
呃,
5:05.555–5:07.148
都是一样的。
5:07.148–5:11.927
因为它可以支持在安卓手机上的去这个,
5:11.927–5:13.785
上面去做测试。
5:13.785–5:17.237
因为它只有几兆的一个大小,
5:17.237–5:19.361
完全可以跑起来。
5:19.361–5:20.422
而且在,
5:20.422–5:20.953
呃,
5:20.953–5:22.015
浮器上,
5:22.015–5:22.546
呃,
5:22.546–5:24.139
就算你没有,
5:24.139–5:24.670
呃,
5:24.670–5:25.467
那个,
5:25.467–5:29.980
GPU在CPU上跑的速度也挺快的。
5:29.980–5:30.629
那,模型,
5:30.629–5:31.407
它不是大模,
5:31.407–5:33.743
不是基于VLM大语言模型的一个模型,
5:33.743–5:35.170
它是纯视觉的一个模型。
5:35.170–5:35.670
那,
5:35.670–5:36.468
它的一个效果呢,
5:36.468–5:36.968
也是,
5:36.968–5:37.468
呃,
5:37.468–5:37.968
秒杀了。
5:37.968–5:38.468
目前,
5:38.468–5:39.712
顶级了SOSA的这些模型,
5:39.712–5:40.880
能力确实非常强啊。
5:40.880–5:42.626
当然呢,说的是OCR提取啊,
5:42.626–5:43.499
比如说OCR,
5:43.499–5:43.999
呃,
5:43.999–5:44.499
图片理解,
5:44.499–5:45.121
它做不到啊,
5:45.121–5:45.621
那个呢,
5:45.621–5:47.117
就得用VL1.6的那个,
5:47.117–5:47.990
VL1.6呢,
5:47.990–5:49.612
它是做通用文档识别提取的。
5:49.612–5:50.609
那这个OCR呢,
5:50.609–5:51.483
它就是做图片,
5:51.483–5:52.231
就视觉模型。
5:52.231–5:52.731
啊,
5:52.731–5:53.603
它没办法进行推理。
5:53.603–5:54.103
那,
5:54.103–5:55.225
这就是二者的一个区别。
5:55.225–5:55.725
那,
5:55.725–5:56.225
好的,
5:56.225–5:56.725
今天就介绍的,
5:56.725–5:57.225
然后呢,
5:57.225–5:57.969
感兴趣的话,
5:57.969–5:59.216
可以自己来尝试一下,
5:59.216–6:02.459
也可以把它接入到你的所有的Agent里面去尝试一下。
6:02.459–6:02.959
那,
6:02.959–6:03.459
好的,
6:03.459–6:03.959
今天就介绍的,
6:03.959–6:04.580
谢谢大家。
0:00.000–0:01.199
zh各位朋友大家好,
各位朋友大家好,
0:01.199–0:03.148
zh欢迎大家关注昆蓬Talk。
欢迎大家关注昆蓬Talk。
0:03.148–0:07.345
zh那百度又推出了新的OCR的模型叫PadPad OCR V6。
那百度又推出了新的OCR的模型叫PadPad OCR V6。
0:07.345–0:12.142
zh那很多人说它前段时间不是出了一个PadPad OCR VL1.6吗?
那很多人说它前段时间不是出了一个PadPad OCR VL1.6吗?
0:12.142–0:12.642
zh确实。
确实。
0:12.642–0:14.091
zh我刚看了这个的时候,
我刚看了这个的时候,
0:14.091–0:15.440
zh我以为我看错眼了。
我以为我看错眼了。
0:15.440–0:18.138
zh我特地去翻了一下我5月28号的视频,
我特地去翻了一下我5月28号的视频,
0:18.138–0:20.386
zh就是介绍这个VL1.6的模型。
就是介绍这个VL1.6的模型。
0:20.386–0:23.234
zh它确实推出了一个OCR V6的一个版本。
它确实推出了一个OCR V6的一个版本。
0:23.234–0:25.783
zh那这个模型跟它俩的一个区别是啥呢?
那这个模型跟它俩的一个区别是啥呢?
0:25.783–0:26.532
zh那目前呢,
那目前呢,
0:26.532–0:27.881
zh这个PP OCR呢,
这个PP OCR呢,
0:27.881–0:29.980
zh它不是基于VRM的一个模型,
它不是基于VRM的一个模型,
0:30.000–0:30.765
zh这个模式。
这个模式。
0:30.765–0:31.836
zh那这个VL呢,
那这个VL呢,
0:31.836–0:33.059
zh它是基于VRM,
它是基于VRM,
0:33.059–0:35.048
zh就是大语言模型的这个模式。
就是大语言模型的这个模式。
0:35.048–0:36.424
zh那它这个OCR呢,
那它这个OCR呢,
0:36.424–0:39.178
zh是基于原来的OCR5上面升级上来的。
是基于原来的OCR5上面升级上来的。
0:39.178–0:39.942
zh那这个呢,
那这个呢,
0:39.942–0:41.931
zh是基于它的一个升级的版本。
是基于它的一个升级的版本。
0:41.931–0:44.072
zh它还是基于它传统的那个架构。
它还是基于它传统的那个架构。
0:44.072–0:44.684
zh所以呢,
所以呢,
0:44.684–0:45.449
zh它更轻量。
它更轻量。
0:45.449–0:46.520
zh你比如说那个,
你比如说那个,
0:46.520–0:48.508
zh这个是0.9b的一个参数。
这个是0.9b的一个参数。
0:48.508–0:49.885
zh那我们看一下这个,
那我们看一下这个,
0:49.885–0:50.802
zh它这个V6,
它这个V6,
0:50.802–0:52.026
zh它有多个版本哈。
它有多个版本哈。
0:52.026–0:52.638
zh然后呢,
然后呢,
0:52.638–0:53.862
zh它的最小的版本,
它的最小的版本,
0:53.862–0:55.544
zh它都是几兆的一个参数,
它都是几兆的一个参数,
0:55.544–0:56.462
zh非常非常小。
非常非常小。
0:56.462–0:56.962
zh而且,
而且,
0:56.962–0:58.144
zh你看350万的,
你看350万的,
0:58.144–0:59.062
zh150万的,
150万的,
0:59.062–0:59.980
zh150万的。
150万的。
1:00.000–1:03.482
zh这个是350万的一个参数,
这个是350万的一个参数,
1:03.482–1:04.554
zh非常小。
非常小。
1:04.554–1:05.357
zh就是,
就是,
1:05.357–1:09.375
zh基本上可以在CPU上来去运行。
基本上可以在CPU上来去运行。
1:09.375–1:10.446
zh当然了,
当然了,
1:10.446–1:11.786
zh它虽然小,
它虽然小,
1:11.786–1:15.536
zh但是它的性能不输那些大模型。
但是它的性能不输那些大模型。
1:15.536–1:16.607
zh比如说,
比如说,
1:16.607–1:20.357
zh我们来看一下它的一个能力哈。
我们来看一下它的一个能力哈。
1:20.357–1:21.429
zh这个是,
这个是,
1:21.429–1:24.107
zh它在这个平均分数上,
它在这个平均分数上,
1:24.107–1:25.714
zh它的84分。
它的84分。
1:25.714–1:27.054
zh你看那个,
你看那个,
1:27.054–1:30.000
zhGPT5.5才45分。
GPT5.5才45分。
1:30.000–1:32.257
zh它是,它是在手机上可以运行的一个版本。
它是,它是在手机上可以运行的一个版本。
1:32.257–1:33.327
zh那我们来看一下哈。
那我们来看一下哈。
1:33.327–1:34.040
zh它其实官方,
它其实官方,
1:34.040–1:34.990
zh它提供了好几个,
它提供了好几个,
1:34.990–1:35.490
zh呃,
呃,
1:35.490–1:35.990
zh呃,
呃,
1:35.990–1:36.490
zh模型哈。
模型哈。
1:36.490–1:36.990
zh比如说,
比如说,
1:36.990–1:37.490
enONIX,
ONIX,
1:37.490–1:38.023
zh就是这种版本的,
就是这种版本的,
1:38.023–1:39.505
zh就可以在手机上无缝去运行。
就可以在手机上无缝去运行。
1:39.505–1:40.574
zh那我们来看一下哈。
那我们来看一下哈。
1:40.574–1:42.000
zh这个是它官网的一个介绍。
这个是它官网的一个介绍。
1:42.000–1:43.013
zh那我们来看一下哈。
那我们来看一下哈。
1:43.013–1:44.362
zh这个是它官网的一个介绍。
这个是它官网的一个介绍。
1:44.362–1:45.487
zh我刚开始看了的时候,
我刚开始看了的时候,
1:45.487–1:46.388
zh我以为我看错了,
我以为我看错了,
1:46.388–1:47.175
zh确实没看错哈。
确实没看错哈。
1:47.175–1:48.750
zh这是它的一个模型的一个能力。
这是它的一个模型的一个能力。
1:48.750–1:49.763
zh整个的一个能力呢,
整个的一个能力呢,
1:49.763–1:50.263
zh不管是,
不管是,
1:50.263–1:50.763
zh那个,
那个,
1:50.763–1:51.263
zh呃,
呃,
1:51.263–1:51.763
zh呃,
呃,
1:51.763–1:52.430
zhTiny的一个模型,
Tiny的一个模型,
1:52.430–1:55.725
zh还是它的这个Midia这个模型的整个的一个能力都是非常非常强的。
还是它的这个Midia这个模型的整个的一个能力都是非常非常强的。
1:55.725–1:56.225
zh呃,
呃,
1:56.225–1:56.850
zh百度的OCR呢,
百度的OCR呢,
1:56.850–1:57.525
zh我之前说过,
我之前说过,
1:57.525–1:59.213
zh确实是他们最牛逼的一个产品哈。
确实是他们最牛逼的一个产品哈。
1:59.213–2:00.000
zh就是在AI里。
就是在AI里。
2:00.000–2:01.277
zh啊,无人能力啊,
啊,无人能力啊,
2:01.277–2:02.234
zh这个确实是。
这个确实是。
2:02.234–2:03.191
zh那它目前呢,
那它目前呢,
2:03.191–2:05.904
zh也在那个HunkFace上开源了。
也在那个HunkFace上开源了。
2:05.904–2:06.543
zh然后呢,
然后呢,
2:06.543–2:07.660
zh在它的官网上,
在它的官网上,
2:07.660–2:09.415
zh我们可以也可以看到它。
我们可以也可以看到它。
2:09.415–2:10.372
zh然后这里面,
然后这里面,
2:10.372–2:10.872
zh呃,
呃,
2:10.872–2:12.606
zh前段时间又就有人问我说,
前段时间又就有人问我说,
2:12.606–2:13.106
zh哎,
哎,
2:13.106–2:15.638
zh这个MCP在Codex里面怎么用。
这个MCP在Codex里面怎么用。
2:15.638–2:16.138
zh嗯,
嗯,
2:16.138–2:17.234
zh我的Codex,
我的Codex,
2:17.234–2:18.989
zh我就给大家介绍一下哈。
我就给大家介绍一下哈。
2:18.989–2:22.500
zh因为我这个Codex不知道那个我都恢复没哈。
因为我这个Codex不知道那个我都恢复没哈。
2:22.500–2:23.457
zh我来看一下。
我来看一下。
2:23.457–2:25.372
zh其实安装就到AI时代了,
其实安装就到AI时代了,
2:25.372–2:26.489
zh你不管怎么说,
你不管怎么说,
2:26.489–2:28.085
zh你把它发给它就行了。
你把它发给它就行了。
2:28.085–2:28.585
zh呃,
呃,
2:28.585–2:30.000
zh帮我安装这个MCP。
帮我安装这个MCP。
2:30.000–2:32.985
zh确实有人问如何在Codex里面去安装哈。
确实有人问如何在Codex里面去安装哈。
2:32.985–2:35.672
zh其实就把这部分的信息复制过来就行了。
其实就把这部分的信息复制过来就行了。
2:35.672–2:38.507
zh然后这里面OXS token也在这里面。
然后这里面OXS token也在这里面。
2:38.507–2:39.552
zh大家不能看哈,
大家不能看哈,
2:39.552–2:41.045
zh这个一会我就删掉了。
这个一会我就删掉了。
2:41.045–2:42.239
zh我现在就去删掉。
我现在就去删掉。
2:42.239–2:42.836
zh等会吧,
等会吧,
2:42.836–2:44.328
zh等我把这个视频录完。
等我把这个视频录完。
2:44.328–2:46.269
zh然后点这儿获取令牌就行了。
然后点这儿获取令牌就行了。
2:46.269–2:48.806
zh然后它在这里面可以获取到它的令牌,
然后它在这里面可以获取到它的令牌,
2:48.806–2:50.000
zh你可以把它删掉。
你可以把它删掉。
2:50.000–2:51.045
zh直接刷信一下,
直接刷信一下,
2:51.045–2:51.791
zh它就变了。
它就变了。
2:51.791–2:53.134
zh那我们先不管它了。
那我们先不管它了。
2:53.134–2:53.634
zh呃,
呃,
2:53.634–2:54.328
zh让它看一下,
让它看一下,
2:54.328–2:55.821
zh我们看一下额度恢复,
我们看一下额度恢复,
2:55.821–2:56.866
zh恢复没恢复哈。
恢复没恢复哈。
2:56.866–2:57.366
zh啊,
啊,
2:57.366–2:57.866
zh恢复了。
恢复了。
2:57.866–2:58.366
zh好的,
好的,
2:58.366–2:59.254
zh我们稍等一下。
我们稍等一下。
2:59.254–3:00.000
zh嗯。那我趁
嗯。那我趁
3:00.000–3:02.041
zh它在之前的过程当中,
它在之前的过程当中,
3:02.041–3:03.878
zh我也跟大家说一下,
我也跟大家说一下,
3:03.878–3:05.102
zh在设置里面。
在设置里面。
3:05.102–3:06.327
zh在设置里面,
在设置里面,
3:06.327–3:10.000
zhMCP服务器里面也可以在这儿来手动,
MCP服务器里面也可以在这儿来手动,
3:10.000–3:10.500
zh啊,
啊,
3:10.500–3:11.429
zh手动设置。
手动设置。
3:11.429–3:13.265
zh比如说启动命令啊。
比如说启动命令啊。
3:13.265–3:14.286
zh然后这个,
然后这个,
3:14.286–3:14.786
zh呃,
呃,
3:14.786–3:15.510
zh参数啊,
参数啊,
3:15.510–3:17.143
zh和它的环境变量。
和它的环境变量。
3:17.143–3:17.643
zh那,
那,
3:17.643–3:18.367
zh但是呢,
但是呢,
3:18.367–3:18.867
zh呃,
呃,
3:18.867–3:21.020
zh我们一般不手动设置哈。
我们一般不手动设置哈。
3:21.020–3:22.449
zh有了AI之后,
有了AI之后,
3:22.449–3:25.510
zh其实它也花不了几个token。
其实它也花不了几个token。
3:25.510–3:27.755
zh所以我们一般正常情况,
所以我们一般正常情况,
3:27.755–3:30.000
zh肯定是用AI来生成的。
肯定是用AI来生成的。
3:30.000–3:32.034
zh也让它加进来了,
也让它加进来了,
3:32.034–3:33.559
zh就是在这儿。
就是在这儿。
3:33.559–3:35.339
zh我们可以看到。
我们可以看到。
3:35.339–3:35.847
zh那,
那,
3:35.847–3:36.356
zh那,
那,
3:36.356–3:39.407
zh它说重启之后才可以使用。
它说重启之后才可以使用。
3:39.407–3:41.441
zh那我们把它关了,
那我们把它关了,
3:41.441–3:42.966
zh重新启一下。
重新启一下。
3:42.966–3:43.729
enOK,
OK,
3:43.729–3:46.525
zh我们随便传一张照片哈。
我们随便传一张照片哈。
3:46.525–3:49.576
zh看一下桌面上有没有照片。
看一下桌面上有没有照片。
3:49.576–3:50.085
zh嗯,
嗯,
3:50.085–3:51.864
zh桌面上有没有。
桌面上有没有。
3:51.864–3:54.407
zh找一个要提取照片的。
找一个要提取照片的。
3:54.407–3:54.915
zh嗯,
嗯,
3:54.915–3:56.186
zh我找一个,
我找一个,
3:56.186–3:58.729
zh就我用AI生成的吧。
就我用AI生成的吧。
3:58.729–4:00.000
zh帮我提取。
帮我提取。
4:00.000–4:04.330
zh帮我调用PP-OCRV6。
帮我调用PP-OCRV6。
4:04.330–4:10.326
zh帮我调用PP-OCRV6这个MCP。
帮我调用PP-OCRV6这个MCP。
4:10.326–4:13.658
zh然后提取图片的内容。
然后提取图片的内容。
4:13.658–4:16.322
zh变得文字内容吧。
变得文字内容吧。
4:16.322–4:19.987
zh然后PP-OCRV6,
然后PP-OCRV6,
4:19.987–4:20.653
zh对。
对。
4:20.653–4:23.318
zh看它提起的效果。
看它提起的效果。
4:23.318–4:26.649
zh我们再继续稍等一下。
我们再继续稍等一下。
4:26.649–4:27.315
zh啊,
啊,
4:27.315–4:29.980
zh我们可以看一下。
我们可以看一下。
4:29.980–4:32.277
zh它已经把完整的内容已经提取出来了。
它已经把完整的内容已经提取出来了。
4:32.277–4:32.777
zh那,
那,
4:32.777–4:33.358
zh其实这个呢,
其实这个呢,
4:33.358–4:34.034
zh不重要哈。
不重要哈。
4:34.034–4:34.534
zh就是,
就是,
4:34.534–4:35.926
zh主要是给大家介绍一下,
主要是给大家介绍一下,
4:35.926–4:37.683
zh这个MCP是怎么去安装的。
这个MCP是怎么去安装的。
4:37.683–4:38.183
zh其实,
其实,
4:38.183–4:39.304
zh不管是Codex,
不管是Codex,
4:39.304–4:40.385
enCodeout,
Codeout,
4:40.385–4:41.061
enCode,
Code,
4:41.061–4:41.872
zh还是小东西,
还是小东西,
4:41.872–4:42.683
zh其实都一样。
其实都一样。
4:42.683–4:43.183
zh呃,
呃,
4:43.183–4:44.439
zh我觉得这个最基本的哈,
我觉得这个最基本的哈,
4:44.439–4:45.791
zh就是人把东西发给他。
就是人把东西发给他。
4:45.791–4:46.466
zh你不会的,
你不会的,
4:46.466–4:47.818
zh就直接问AI就行了。
就直接问AI就行了。
4:47.818–4:48.629
zh就这么简单。
就这么简单。
4:48.629–4:49.129
zh那,
那,
4:49.129–4:50.926
zh百度的模型的能力一直都非常强。
百度的模型的能力一直都非常强。
4:50.926–4:51.426
zh那,
那,
4:51.426–4:51.926
zh这个,
这个,
4:51.926–4:52.548
zhOCRV6呢,
OCRV6呢,
4:52.548–4:54.304
zh它还有几个手机的一个版本。
它还有几个手机的一个版本。
4:54.304–4:54.804
zh就是,
就是,
4:54.804–4:56.331
zh我们可以在手机上去安装,
我们可以在手机上去安装,
4:56.331–4:56.831
zh测试,
测试,
4:56.831–4:57.331
zh验证。
验证。
4:57.331–4:57.831
zh呃,
呃,
4:57.831–4:58.331
zh非常的方便。
非常的方便。
4:58.331–4:58.831
zh呃,
呃,
4:58.831–4:59.980
zh它的手机端的地址,呃,
它的手机端的地址,呃,
4:59.980–5:02.104
zh这是安卓的地址,
这是安卓的地址,
5:02.104–5:02.635
zh呃,
呃,
5:02.635–5:05.024
zh还有IOS的地址,
还有IOS的地址,
5:05.024–5:05.555
zh呃,
呃,
5:05.555–5:07.148
zh都是一样的。
都是一样的。
5:07.148–5:11.927
zh因为它可以支持在安卓手机上的去这个,
因为它可以支持在安卓手机上的去这个,
5:11.927–5:13.785
zh上面去做测试。
上面去做测试。
5:13.785–5:17.237
zh因为它只有几兆的一个大小,
因为它只有几兆的一个大小,
5:17.237–5:19.361
zh完全可以跑起来。
完全可以跑起来。
5:19.361–5:20.422
zh而且在,
而且在,
5:20.422–5:20.953
zh呃,
呃,
5:20.953–5:22.015
zh浮器上,
浮器上,
5:22.015–5:22.546
zh呃,
呃,
5:22.546–5:24.139
zh就算你没有,
就算你没有,
5:24.139–5:24.670
zh呃,
呃,
5:24.670–5:25.467
zh那个,
那个,
5:25.467–5:29.980
zhGPU在CPU上跑的速度也挺快的。
GPU在CPU上跑的速度也挺快的。
5:29.980–5:30.629
zh那,模型,
那,模型,
5:30.629–5:31.407
zh它不是大模,
它不是大模,
5:31.407–5:33.743
zh不是基于VLM大语言模型的一个模型,
不是基于VLM大语言模型的一个模型,
5:33.743–5:35.170
zh它是纯视觉的一个模型。
它是纯视觉的一个模型。
5:35.170–5:35.670
zh那,
那,
5:35.670–5:36.468
zh它的一个效果呢,
它的一个效果呢,
5:36.468–5:36.968
zh也是,
也是,
5:36.968–5:37.468
zh呃,
呃,
5:37.468–5:37.968
zh秒杀了。
秒杀了。
5:37.968–5:38.468
zh目前,
目前,
5:38.468–5:39.712
zh顶级了SOSA的这些模型,
顶级了SOSA的这些模型,
5:39.712–5:40.880
zh能力确实非常强啊。
能力确实非常强啊。
5:40.880–5:42.626
zh当然呢,说的是OCR提取啊,
当然呢,说的是OCR提取啊,
5:42.626–5:43.499
zh比如说OCR,
比如说OCR,
5:43.499–5:43.999
zh呃,
呃,
5:43.999–5:44.499
zh图片理解,
图片理解,
5:44.499–5:45.121
zh它做不到啊,
它做不到啊,
5:45.121–5:45.621
zh那个呢,
那个呢,
5:45.621–5:47.117
zh就得用VL1.6的那个,
就得用VL1.6的那个,
5:47.117–5:47.990
zhVL1.6呢,
VL1.6呢,
5:47.990–5:49.612
zh它是做通用文档识别提取的。
它是做通用文档识别提取的。
5:49.612–5:50.609
zh那这个OCR呢,
那这个OCR呢,
5:50.609–5:51.483
zh它就是做图片,
它就是做图片,
5:51.483–5:52.231
zh就视觉模型。
就视觉模型。
5:52.231–5:52.731
zh啊,
啊,
5:52.731–5:53.603
zh它没办法进行推理。
它没办法进行推理。
5:53.603–5:54.103
zh那,
那,
5:54.103–5:55.225
zh这就是二者的一个区别。
这就是二者的一个区别。
5:55.225–5:55.725
zh那,
那,
5:55.725–5:56.225
zh好的,
好的,
5:56.225–5:56.725
zh今天就介绍的,
今天就介绍的,
5:56.725–5:57.225
zh然后呢,
然后呢,
5:57.225–5:57.969
zh感兴趣的话,
感兴趣的话,
5:57.969–5:59.216
zh可以自己来尝试一下,
可以自己来尝试一下,
5:59.216–6:02.459
zh也可以把它接入到你的所有的Agent里面去尝试一下。
也可以把它接入到你的所有的Agent里面去尝试一下。
6:02.459–6:02.959
zh那,
那,
6:02.959–6:03.459
zh好的,
好的,
6:03.459–6:03.959
zh今天就介绍的,
今天就介绍的,
6:03.959–6:04.580
zh谢谢大家。
谢谢大家。

影片筆記：PP-OCRv6正式发布！Tiny仅1.5M、本地浏览器单图97ms，我实测用MCP把OCR能力接入AI工作流，开发者的文字识别引擎又进化了

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

  • 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片介紹百度發布的 PP-OCR V6 模型，強調其參數極小（Tiny 僅 1.5M）、運行速度快（本地瀏覽器單圖 97ms），並示範如何利用 MCP（Model Context Protocol）協議將該 OCR 能力接入 AI 工作流（如 Codex），實現高效的文字提取。

核心重點

  1. PP-OCR V6 模型特性：
  • 這是基於傳統架構升級的版本，與基於 VLM（視覺語言模型）的 VL1.6 不同。
  • 參數極小：Tiny 版本僅 1.5M，整體參數範圍從幾兆到幾百萬不等。
  • 運行環境靈活：支援 CPU 運行，甚至可在手機端（Android/iOS）運行。
  • 性能表現：在特定測試中平均分達 84 分，優於對比模型 GPT5.5 的 45 分。
  • 能力定位：專注於純視覺文字提取，無推理能力。
  1. MCP 技術應用：
  • 講者示範在 Codex 開發環境中安裝與配置 MCP 伺服器。
  • 透過獲取 Token 並配置 MCP 伺服器，成功調用 PP-OCR V6 模型。
  • 強調利用 AI 輔助生成配置比手動設置更簡單，實現了從圖片到文字內容的自動化提取。
  1. 模型對比與選擇：
  • PP-OCR V6：適合純文字提取任務，無推理能力，效能強大。
  • VL1.6：基於 VLM 架構，具備通用文檔識別與推理能力。
  • 建議開發者可根據需求接入各種 Agent 進行嘗試。

詳細大綱

1. PP-OCR V6 模型介紹

  • 發布背景：百度推出全新 OCR 模型 PP-OCR V6。
  • 架構差異：
  • PP-OCR V6 基於傳統架構，專注於純視覺提取。
  • 對比 VL1.6（基於 VLM 大語言模型架構），V6 沒有推理能力。
  • 參數與運行環境：
  • 參數規模極小，從幾兆到 350 萬參數不等。
  • 支援 CPU 運行，支援手機端（Android/iOS）。
  • 性能表現：
  • 平均分 84 分。
  • 對比 GPT5.5 在特定測試中僅得 45 分，PP-OCR V6 效能更強。

2. MCP 在 Codex 中的安裝與使用

  • 安裝方式：透過 AI 協助生成配置，而非手動設置。
  • 具體步驟：
  1. 獲取 Token。
  2. 配置 MCP 伺服器。
  3. 重啟服務。
  • 實際操作：透過 MCP 調用 PP-OCR V6 提取圖片文字，驗證了技術可行性。

3. 模型能力與應用場景

  • PP-OCR V6：純視覺模型，專注圖片文字提取，無推理能力。
  • VL1.6：通用文檔識別提取，具備推理能力。
  • 應用建議：可接入各種 Agent 進行嘗試，結合 MCP 協議擴展 AI 工作流。

工具 / 模型 / 名詞整理

  • PP-OCR V6：百度推出的新 OCR 模型，基於傳統架構。
  • PP-OCR VL1.6：百度之前推出的基於 VLM 的模型。
  • Codex：講者使用的開發環境/工具。
  • MCP (Model Context Protocol)：講者演示安裝的伺服器協議，用於連接 AI 與外部工具。
  • GPT5.5：作為性能對比參考的模型。
  • Tiny：PP-OCR V6 的模型版本之一，參數僅 1.5M。
  • Android：支援的作業系統。
  • iOS：支援的作業系統。
  • HunkFace：講者提到模型在此處開源的平台（疑點：通常指 Hugging Face）。
  • ONIX：講者提到的手機端版本名稱（疑點：可能指 ONNX 格式）。
  • Midia：PP-OCR V6 的模型版本之一（疑點：可能指 Medium）。
  • Codeout：講者提到的其他開發環境（疑點：可能指 Cursor 或其他）。
  • 小東西：講者提到的其他開發環境（疑點：可能指 Cursor 或其他）。
  • VRM：逐字稿中多次提到「基於 VRM 的一個模型」（疑點：通常視覺語言模型縮寫為 VLM）。
  • SOSA：逐字稿中提到「頂級了 SOSA 的这些模型」（疑點：通常指 SOTA）。
  • 浮器：逐字稿中提到「在浮器上」（疑點：通常指「瀏覽器」）。
  • 刷信：逐字稿中提到「直接刷信一下」（疑點：通常指「刷新」）。

操作流程整理

  1. 準備環境：在 Codex 開發環境中準備調用 MCP 伺服器。
  2. 獲取憑證：獲取必要的 Token。
  3. 配置伺服器：透過 AI 輔助生成配置，設置 MCP 伺服器。
  4. 重啟服務：重啟相關服務以應用配置。
  5. 調用模型：透過 MCP 協議調用 PP-OCR V6 模型。
  6. 執行提取：輸入圖片，模型返回提取的文字內容。

值得注意的限制或風險

  • 模型能力限制：PP-OCR V6 是純視覺模型，專注於文字提取，無推理能力。若需理解或推理內容，應使用 VL1.6 等基於 VLM 的模型。
  • 辨識疑點影響：逐字稿中存在多個疑似識別錯誤的名稱（如 HunkFace, ONIX, Midia, Codeout, 小東西, VRM, SOSA, 浮器, 刷信），可能影響對具體技術細節或工具名稱的準確理解，需查證原始資料。

逐字稿辨識疑點

  • HunkFace：逐字稿中寫為「HunkFace」，通常開源模型平台為 Hugging Face，此處需查證。
  • ONIX：逐字稿中寫為「ONIX」，在 AI 模型領域通常指 ONNX 格式，此處需查證。
  • Midia：逐字稿中寫為「Midia」，通常模型大小分類為 Tiny, Small, Medium, Large 等，此處需查證是否為 Medium 的誤聽。
  • Codeout：逐字稿中寫為「Codeout」，常見開發環境為 Cursor, VS Code 等，此處需查證。
  • 小東西：逐字稿中寫為「小東西」，作為開發環境名稱顯得突兀，需查證是否為特定工具暱稱或聽寫錯誤。
  • VRM：逐字稿中多次提到「基於 VRM 的一個模型」及「基於 VRM」，通常視覺語言模型縮寫為 VLM，此處需查證。
  • SOSA：逐字稿中提到「頂級了 SOSA 的这些模型」，通常指 SOTA (State of the Art)，此處需查證。
  • 浮器：逐字稿中提到「在浮器上」，通常指「瀏覽器」，此處需查證。
  • 刷信：逐字稿中提到「直接刷信一下」，通常指「刷新」，此處需查證。
  • 提起來的效果：逐字稿中提到「看它提起來的效果」，語意不通，可能為「提取出來的效果」，此處需查證。
  • 变得文字内容：逐字稿中提到「变得文字内容吧」，可能為「變成文字內容」，此處需查證。

可延伸追問

  1. PP-OCR V6 的 Tiny 版本（1.5M）在實際手機端運行時的具體功耗與溫度表現如何？
  2. 若需結合推理能力，應如何將 PP-OCR V6 的提取結果與 VL1.6 或其他 LLM 進行串接？
  3. MCP 協議在接入不同開發環境（如 Codex, Cursor 等）時，配置上有何具體差異？
  4. 逐字稿中提到的「HunkFace」、「ONIX」、「Midia」等名稱，經查證後正確的技術術語為何？

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」，例如：videonote 網址 英文 雙語 學習