이미지 안의 텍스트를 읽는 문제는 요즘 쉽게 “멀티모달 모델에 넣으면 된다”로 정리되곤 한다. 하지만 실제 서비스의 OCR은 조금 다르다. 문서, 스크린샷, 산업 라벨, 디지털 디스플레이처럼 입력은 지저분하고, 처리량은 많고, 결과는 downstream 시스템이 바로 쓸 수 있는 구조화된 텍스트여야 한다. PP-OCRv6가 흥미로운 지점은 바로 여기다.
PaddleOCR의 최신 모델 패밀리인 PP-OCRv6는 Hugging Face에 공개되면서 1.5M, 7.7M, 34.5M 파라미터의 세 계층을 제시했다. tiny는 제한된 환경과 저지연 데모에, small은 모바일·데스크톱·균형형 OCR 서비스에, medium은 정확도 중심의 서버 파이프라인과 산업 OCR에 맞춰져 있다. small과 medium은 중국어 간체·번체, 영어, 일본어, 46개 라틴 문자 기반 언어를 포함해 50개 언어를 지원한다.
성능 숫자도 전용 OCR 모델의 존재 이유를 보여준다. PaddleOCR의 내부 멀티시나리오 벤치마크에서 PP-OCRv6_medium은 detection Hmean 86.2%, recognition accuracy 83.2%를 기록했다. PP-OCRv5_server와 비교하면 텍스트 검출은 +4.6%p, 인식은 +5.1%p 올랐다. 중요한 건 이 숫자가 수십억 파라미터 모델이 아니라 34.5M 파라미터 모델에서 나온다는 점이다.
구조적으로는 검출과 인식 양쪽을 손봤다. 텍스트 검출에는 RepLKFPN을 사용해 작은 글자, 회전된 글자, 저해상도 입력, 복잡한 배경에서 텍스트 영역을 잡는 능력을 높였다. 인식 쪽에는 EncoderWithLightSVTR을 넣어 로컬 문맥과 글로벌 attention을 함께 활용한다. 백본은 PPLCNetV4로 통일해 tiny, small, medium이 완전히 따로 노는 모델이 아니라 같은 설계 방향을 공유하는 패밀리로 묶인다.
배포 선택지도 이 릴리스의 핵심이다. PaddleOCR에서는 Paddle Inference가 기본 경로이고, Hugging Face나 PyTorch 중심 환경을 위한 Transformers backend, ONNX Runtime을 쓰는 환경을 위한 ONNX 경로도 제공된다. 같은 PaddleOCR API에서 engine="transformers"나 engine="onnxruntime"를 지정해 런타임을 바꿀 수 있으므로, 데모에서 운영 환경으로 넘어갈 때 선택지가 넓다.
물론 PP-OCRv6가 VLM의 자리를 모두 대신하는 것은 아니다. 이미지 전체의 의미를 추론하거나, 문서 맥락을 이해하거나, 복잡한 질의응답을 처리하는 일은 여전히 더 큰 멀티모달 모델이나 별도 문서 파이프라인이 필요하다. 하지만 텍스트 박스를 찾고, 문자열을 인식하고, JSON으로 저장해 검색·분석·RAG·문서 파싱 시스템에 넘기는 반복 작업에서는 전용 OCR의 비용 구조가 강하다.
이번 공개는 OCR이 사라지는 기술이 아니라 더 작고 배포 가능한 형태로 재정렬되고 있다는 신호에 가깝다. 특히 대량 이미지 처리, 다국어 문서 수집, 산업 현장 OCR, 스크린샷 기반 데이터 추출처럼 처리량과 비용이 민감한 영역에서는 “큰 모델 하나”보다 “작은 OCR 모델과 명확한 후처리 파이프라인”이 더 현실적인 선택일 수 있다.