WEBVTT

00:00.000 --> 00:29.980
各位朋友大家好,欢迎大家关注昆蓬Talk。那百度又推出了新的OCR的模型叫PadPad OCR V6。那很多人说它前段时间不是出了一个PadPad OCR VL1.6吗?确实。我刚看了这个的时候,我以为我看错眼了。我特地去翻了一下我5月28号的视频,就是介绍这个VL1.6的模型。它确实推出了一个OCR V6的一个版本。那这个模型跟它俩的一个区别是啥呢?那目前呢,这个PP OCR呢,它不是基于VRM的一个模型,

00:30.000 --> 00:59.980
这个模式。那这个VL呢,它是基于VRM,就是大语言模型的这个模式。那它这个OCR呢,是基于原来的OCR5上面升级上来的。那这个呢,是基于它的一个升级的版本。它还是基于它传统的那个架构。所以呢,它更轻量。你比如说那个,这个是0.9b的一个参数。那我们看一下这个,它这个V6,它有多个版本哈。然后呢,它的最小的版本,它都是几兆的一个参数,非常非常小。而且,你看350万的,150万的,150万的。

01:00.000 --> 01:30.000
这个是350万的一个参数,非常小。就是,基本上可以在CPU上来去运行。当然了,它虽然小,但是它的性能不输那些大模型。比如说,我们来看一下它的一个能力哈。这个是,它在这个平均分数上,它的84分。你看那个,GPT5.5才45分。

01:30.000 --> 01:42.000
它是,它是在手机上可以运行的一个版本。那我们来看一下哈。它其实官方,它提供了好几个,呃,呃,模型哈。比如说,ONIX,就是这种版本的,就可以在手机上无缝去运行。那我们来看一下哈。这个是它官网的一个介绍。

01:42.000 --> 02:00.000
那我们来看一下哈。这个是它官网的一个介绍。我刚开始看了的时候,我以为我看错了,确实没看错哈。这是它的一个模型的一个能力。整个的一个能力呢,不管是,那个,呃,呃,Tiny的一个模型,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。呃,百度的OCR呢,我之前说过,确实是他们最牛逼的一个产品哈。就是在AI里。

02:00.000 --> 02:30.000
啊,无人能力啊,这个确实是。那它目前呢,也在那个HunkFace上开源了。然后呢,在它的官网上,我们可以也可以看到它。然后这里面,呃,前段时间又就有人问我说,哎,这个MCP在Codex里面怎么用。嗯,我的Codex,我就给大家介绍一下哈。因为我这个Codex不知道那个我都恢复没哈。我来看一下。其实安装就到AI时代了,你不管怎么说,你把它发给它就行了。呃,帮我安装这个MCP。

02:30.000 --> 03:00.000
确实有人问如何在Codex里面去安装哈。其实就把这部分的信息复制过来就行了。然后这里面OXS token也在这里面。大家不能看哈,这个一会我就删掉了。我现在就去删掉。等会吧,等我把这个视频录完。然后点这儿获取令牌就行了。然后它在这里面可以获取到它的令牌,你可以把它删掉。直接刷信一下,它就变了。那我们先不管它了。呃,让它看一下,我们看一下额度恢复,恢复没恢复哈。啊,恢复了。好的,我们稍等一下。嗯。那我趁

03:00.000 --> 03:30.000
它在之前的过程当中,我也跟大家说一下,在设置里面。在设置里面,MCP服务器里面也可以在这儿来手动,啊,手动设置。比如说启动命令啊。然后这个,呃,参数啊,和它的环境变量。那,但是呢,呃,我们一般不手动设置哈。有了AI之后,其实它也花不了几个token。所以我们一般正常情况,肯定是用AI来生成的。

03:30.000 --> 04:00.000
也让它加进来了,就是在这儿。我们可以看到。那,那,它说重启之后才可以使用。那我们把它关了,重新启一下。OK,我们随便传一张照片哈。看一下桌面上有没有照片。嗯,桌面上有没有。找一个要提取照片的。嗯,我找一个,就我用AI生成的吧。帮我提取。

04:00.000 --> 04:29.980
帮我调用PP-OCRV6。帮我调用PP-OCRV6这个MCP。然后提取图片的内容。变得文字内容吧。然后PP-OCRV6,对。看它提起的效果。我们再继续稍等一下。啊,我们可以看一下。

04:29.980 --> 04:59.980
它已经把完整的内容已经提取出来了。那,其实这个呢,不重要哈。就是,主要是给大家介绍一下,这个MCP是怎么去安装的。其实,不管是Codex,Codeout,Code,还是小东西,其实都一样。呃,我觉得这个最基本的哈,就是人把东西发给他。你不会的,就直接问AI就行了。就这么简单。那,百度的模型的能力一直都非常强。那,这个,OCRV6呢,它还有几个手机的一个版本。就是,我们可以在手机上去安装,测试,验证。呃,非常的方便。呃,它的手机端的地址,呃,

04:59.980 --> 05:29.980
这是安卓的地址,呃,还有IOS的地址,呃,都是一样的。因为它可以支持在安卓手机上的去这个,上面去做测试。因为它只有几兆的一个大小,完全可以跑起来。而且在,呃,浮器上,呃,就算你没有,呃,那个,GPU在CPU上跑的速度也挺快的。

05:29.980 --> 05:40.880
那,模型,它不是大模,不是基于VLM大语言模型的一个模型,它是纯视觉的一个模型。那,它的一个效果呢,也是,呃,秒杀了。目前,顶级了SOSA的这些模型,能力确实非常强啊。

05:40.880 --> 06:04.580
当然呢,说的是OCR提取啊,比如说OCR,呃,图片理解,它做不到啊,那个呢,就得用VL1.6的那个,VL1.6呢,它是做通用文档识别提取的。那这个OCR呢,它就是做图片,就视觉模型。啊,它没办法进行推理。那,这就是二者的一个区别。那,好的,今天就介绍的,然后呢,感兴趣的话,可以自己来尝试一下,也可以把它接入到你的所有的Agent里面去尝试一下。那,好的,今天就介绍的,谢谢大家。