PaddleOCR-VL-1.5 PDF转MD懒人整合包：界面微调评测

前言

这次继续把 FastAPI 的界面改成 Gradio 界面——前者更适合 API 调用，后者则更适合交互式操作。简单来说，就是把底层逻辑换了一层更友好的外衣。

本期更新主要集中在两个方向：

• 只保留了 PDF 转 Markdown 和图片转 Markdown 两个功能，其他像 JSON、HTML、Excel 等格式都拿掉了。原因很简单：这两个场景的实用需求最强，其他格式转换在日常工作中间出现频率极低。
• 只提供 GPU 版本，不再保留 CPU 版本。VL1.5 这个模型对显存要求不低，CPU 跑的耗时确实太长，等不起。所以如果你的机器没有 8GB 左右显存，可能需要绕道了。

下面是两个版本的对比图：

懒人包使用

使用方式没什么门槛——直接双击 start.bat 就行了。

接下来就是等待终端启动，大概十几秒吧：

启动成功后，浏览器会自动弹出网页界面。你只需要注意一个点——输出的 Markdown 文件会存放在 runtime 文件夹下的 outputs 目录里。

Tips

目前试了几种 OCR 方案，只有这个 VL1.5 在 PDF 转 Markdown 上，识别率和排版效果都能打。其他方案，比如小红书的 OCR 根本不解析图片，PaddleOCR 的 PP-StructureV3 解析正确率还行，但 Markdown 排版总会有换行错乱等细节问题。

当然，代价是显存占用偏高。根据测试环境，VL1.5 大概需要 8GB 左右的显存才能流畅运行。如果你的显卡是 6GB 或者更低的，可能需要慎重考虑。