最近在做票据识别，发票、回单都有，PNG、PDF 混着来。要本地、离线跑——财务票据不想传第三方云，也不想按调用量付费。本地能跑的有传统专项 OCR（PaddleOCR、RapidOCR 这些）和自部署 VLM（PaddleOCR-VL、MinerU、Marker）两条，VLM 这次依赖冲突没装通，所以这篇先把又小又快、CPU 就能跑的传统专项 OCR 测明白。
我拿 13 张真实票据，纯 CPU（Apple M2 Pro）和 GPU（NVIDIA A10）各跑一轮，13 张共 69 个关键字段逐项打分。结论先放这儿：PP-OCRv6 和 RapidOCR 准确度打平、都能字段全对，真正要权衡的是速度和部署，取决于你有没有 GPU。
一、实测结果
准确度（字段命中率）和单张稳态耗时如下（耗时取一张代表样本连跑 ≥3 次、扔掉首次冷启动再取平均）：
| 引擎 | 字段命中率 | CPU 单张 | GPU 单张 | 说明 |
|---|---|---|---|---|
| PP-OCRv6 | 1.00（69/69） | 7.15s | 0.18s | 输出干净无空格噪音；GPU 提速约 40× |
| RapidOCR | 1.00（69/69） | 0.62s | 1.83s | 输出含空格需清洗；默认装的是 CPU 版 onnxruntime 没启用 GPU，故 GPU 反而慢 |
| Docling | 0.94（65/69） | 3.07s | — | 中等，部分扫描件不稳定 |
| markitdown / pdftotext | 0.87（53/61） | 秒级 | — | 仅抽带文字层 PDF，对图片返空 |
| pymupdf4llm | 0.77（47/61） | <0.1s | — | 纯文本抽取，带文字层 PDF 最全 |
| Tesseract(chi_sim) | 0.71（49/69） | 0.14s | — | 快，但中文票据基本认不出，排除 |
（文本抽取器只跑带文字层的 PDF，图片回单返空，所以它们的分母是 61 不是 69。）
两强打平在 1.00，差别只在工程性（速度、要不要清空格），具体见上图。有个反常的点值得说：RapidOCR 在 CPU 上 0.62s，挪到 GPU 上反而变成 1.83s——默认装的 rapidocr_onnxruntime 是 CPU 版、没启用 CUDA，根本没走显卡，加上模型小，传显存、起 kernel 的开销比省下的计算还多。小模型搬 GPU 不一定更快。
还得说明一句：这 1.00 是在「带文字层渲染成的图」上测的，相对干净；真实扫描件有模糊、倾斜、印章遮挡，分数会明显往下掉。别拿 1.00 当承诺，它只说明「清晰票据上不丢字段」，不是「永远不会错」。
二、选型建议
- 先分类：PDF 有文字层直接抽（pymupdf4llm，秒级零误差零模型），没有才上 OCR——我这 13 张里 11 张带文字层，先分类能省掉一大半 OCR。
- OCR 按硬件选：有 GPU 上 PP-OCRv6，纯 CPU 用 RapidOCR（记得清一层空格）。
- 金额字段必须二次校验：大小写金额交叉核对，任何引擎都不能盲信。
三、评测方法：让运动员和裁判分开
评测集是 7 张发票（增值税电子普通发票、各省公益捐赠票据）加 6 张银行回单（建行、中行、平安），其中 2 张回单是纯图片，必须 OCR 才能读。
方法上我特意把识别和打分分开，免得引擎自己又当运动员又当裁判。OCR 引擎只做一件事，图转文本，不自评、看不到答案。
OCR 吐出来是一整段没结构的文本，得先从里面把字段（金额、账号这些）抠出来才能比对，这一步叫后处理。坑在于：如果每个引擎配不同的后处理脚本，最后命中率的差异就分不清是「OCR 谁认得准」还是「谁的后处理写得好」。所以我让所有引擎都过同一份后处理脚本，比对前再统一去掉空格、逗号（RapidOCR 爱带空格、PP-OCRv6 不带，不抹平的话 RapidOCR 会因为空格平白丢分，可那不是它认错字）。这样剩下的命中率差异，就只反映 OCR 识别本身。
打分是另一套独立脚本，拿预测字段和标准答案逐项比对算命中率，确定、可复现、没有幻觉。标准答案是每张票据的关键字段（金额、账号、票号、单位、日期）：带文字层的票据，PDF 里本就存着正确文字，直接拿来当答案，再渲染成图喂给 OCR；2 张纯图票据的答案靠人工核对。
测试环境两套：CPU 机是 Apple M2 Pro（10 核 / 32GB / 纯 CPU 无独显），GPU 机是 NVIDIA A10（23GB 显存 / Ubuntu，阿里云 ECS）。设备直接决定哪些模型能跑、跑多快。
附录：评测里用到的开源项目
历史文章导入 · 历史文章编号：20260617-local-ocr-finance · 写作日期 2026-06-17