PaddleOCR

結論として、PaddleOCR は OCR や文書解析を自前で持ちたい場合の有力候補です。特に中国語中心の業務、オフライン配置、画像や PDF からの構造化抽出に向きます。これは汎用チャット LLM でも、すぐ使える SaaS スキャンアプリでもありません。たとえるなら、Tesseract の現代的なオープンソース代替に、文書理解モデル群が加わったものです。

実際の用途として、証拠からは軽量 OCR、ブラウザ内 OCR、document-to-Markdown、そして PaddleOCR-VL のような文書理解モデルまで確認できます。公式 X 投稿は 3.5 や PP-OCRv6 の機能範囲を示す“注目度の証拠”として有効で、Zhihu の導入記録や比較記事は、ローカル導入や一部 CPU 実行、実務での解析利用を示す“使える証拠”としてより重みがあります。従来型 OCR より、元文書から扱いやすい構造化出力を得る方向が強いです。

導入ハードルとコストについては、現時点の証拠で言えるのは「オープンソースで自前運用可能」までで、安定した商用 API 料金は確認できません。主なコストは環境構築と保守です。コミュニティ記事ではローカル導入が確認でき、VL 系はモデル取得、GPU 環境、依存関係調整が必要になる場合があります。「CPU で動く」は一部ローカル OCR 構成の実測に基づくため、全 VL モデルへ一般化すべきではありません。

向いているのは、実装力があり、データを外に出したくなく、領収書・表・PDF・ナレッジ化処理をまとめて回したいチームです。逆に、設定不要の完成済みサービスだけを求める人には不向きです。SNS 上の合意としては、GitHub Star 増加、X での拡散、SOTA や榜単投稿が多く、“話題性の証拠”は非常に強い一方、“使いやすさの証拠”は Zhihu の実測・導入記録・体験談が中心で数は限定的です。したがって議論の質は、公式発表多め、転載やランキング多め、チュートリアルと実測もあるがサンプルはまだ限られる、と見るのが妥当です。