功能请求：支持 Paddle OCR 作为 PDF 解析引擎

[moyu12-ae]

功能请求：支持 Paddle OCR 作为 PDF 解析引擎

背景

目前 DocuTranslate 的 convert_engine 支持以下 PDF 解析引擎：

• mineru（MinerU Cloud API）
• mineru_deploy（MinerU 本地部署）
• docling（Docling）
• identity（不做转换）

这些引擎都各有优劣，但社区中对 Paddle OCR 的呼声也很高。Paddle OCR 是百度开源的 OCR 引擎，具有以下优势：

Paddle OCR 的优势

1. 完全免费开源 — 无需 API Token，无调用次数限制
2. 本地部署 — 数据不出本地，适合隐私敏感场景
3. 多语言支持 — 支持 80+ 种语言识别
4. 高精度 — 在中文场景下识别准确率极高，特别适合中文学术论文、书籍翻译
5. 表格识别 — PaddleOCR 的表格识别能力（Table Recognition）非常出色
6. 活躍社区 — GitHub 40k+ Stars，文档丰富

期望行为

在 convert_engine 中新增 paddle_ocr 选项，新增相关配置参数（如语言选择、是否启用表格识别等），实现 X2MarkdownConverter 接口。

建议的配置参数

# 新增 convert_engine 选项: "paddle_ocr"
paddle_ocr_lang: str = "ch"            # OCR 语言
paddle_ocr_table_enable: bool = True   # 是否启用表格识别
paddle_ocr_formula_enable: bool = True # 是否启用公式识别

替代方案

目前用户只能使用 MinerU (需付费 Token) 或 Docling 作为替代，但缺少纯本地且免费的 OCR 方案。

参考资料

• PaddleOCR GitHub: https://github.com/PaddlePaddle/PaddleOCR
• PaddleOCR 文档: https://paddlepaddle.github.io/PaddleOCR/

[hwf1324]

mineru_deploy的pipeline后端使用的就是torch的PaddleOCR吧。

[xunbu]

目前可以本地部署mineru来解析pdf，而mineru就是基于paddleOCR来识别的。下一个阶段的问题是如何解决pdf排版问题以及寻找更好的pdf解析、翻译方式。暂时不考虑单独支持paddleOCR