ingest | PaddleOCR v2 API 配额与错误码入库（raw 摘编+实践页+OCR 工具脚本，token 不落库）
This commit is contained in:
AAsige
@@ -92,6 +92,12 @@ last_updated: 2026-08-03
|
||||
**中文**: 语义知识
|
||||
**定义**: 存储在任何单个情节之外都存在的抽象：领域事实、一般启发式、项目约定和稳定的世界知识。
|
||||
|
||||
### PaddleOCR
|
||||
**英文**: PaddleOCR
|
||||
**中文**: PaddleOCR（飞桨 OCR 套件）
|
||||
**定义**: 百度飞桨开源的 OCR 工具套件；本 Wiki 使用其 v2 异步 API（云端）做中文文档 OCR，含 PP-OCRv6（行级文本 + 置信度）与 PaddleOCR-VL-1.6（整页 Markdown、表格/版面还原）两模型。
|
||||
**参见**: [[paddleocr-ocr工具链]]
|
||||
|
||||
### Personalized Memory (个性化记忆)
|
||||
**英文**: Personalized Memory
|
||||
**中文**: 个性化记忆
|
||||
|
||||
+2
-1
@@ -118,9 +118,10 @@ last_updated: 2026-08-07
|
||||
- [[玻璃数据字典与数据库设计|玻璃数据字典与数据库设计]] - 隆众、Wind、海关指标口径与质量检查
|
||||
- [[企业自由现金流分析|企业自由现金流分析]] - FCFF、FCFE 和现金流指标审阅方法
|
||||
|
||||
## 10. 网络工具
|
||||
## 10. 软件工具
|
||||
- [[mihomo-内核与配置体系|mihomo（Clash Meta 内核）架构与配置体系]] - 代理内核的分层架构、DNS 防污染（fake-ip）、规则路由、健康检查与提供者机制
|
||||
- [[mihomo-配置编写指南|mihomo 配置编写指南]] - 从零编写 config.yaml 的流程、模板与检查清单，供代写配置复用
|
||||
- [[paddleocr-ocr工具链|PaddleOCR OCR 工具链]] - 云端 OCR 双模型（PP-OCRv6 / VL-1.6）选型、配额与错误码速查
|
||||
|
||||
## 资料与证据
|
||||
- [[期货资料来源与证据边界|期货资料来源与证据边界]] - 期货资料轻量化迁移、证据等级和未复制文件说明
|
||||
|
||||
@@ -111,3 +111,4 @@ raw/技术/mihomo/官方文档-架构与核心概念-摘编.md d2540a477284aa6b4
|
||||
raw/技术/mihomo/官方文档-配置编写-摘编.md 17ad7664cb257744a3277c1709d15912156a521dcac1f014ccfd335f3880b1cf 2026-08-07 wiki/concepts/mihomo-内核与配置体系.md,wiki/practices/mihomo-配置编写指南.md,wiki/INDEX.md,wiki/Glossary.md,wiki/sources.md 2026-08-07 success
|
||||
raw/期货/00-整体相关/The-Laws-of-Trading-交易决策法则-2019-摘编.md sha256:a04313cd96173765c818128c915423f36c439d5c87308bd27b81be0bd8b56469 2026-08-07 wiki/concepts/交易决策法则.md,wiki/practices/交易决策检查清单.md,wiki/INDEX.md,wiki/sources.md,wiki/Glossary.md 2026-08-07 success
|
||||
raw/期货/00-整体相关/我国商品期货市场大交割的理论探究-中期协课题-2021-摘编.md sha256:9313f138332bf534e882bfcc4c0f8b74814f4403ea4750004bf75177f2982e7e 2026-08-07 wiki/concepts/大交割机制与实证.md,wiki/INDEX.md,wiki/Glossary.md,wiki/sources.md 2026-08-07 success
|
||||
raw/技术/paddleocr/paddleocr-api-配额与错误码-摘编.md sha256:b8d0e2c51e46e09ce789ff397149cfdde2b136d37a2c9cb981a99977cc90b3a7 2026-08-07 wiki/practices/paddleocr-ocr工具链.md,wiki/INDEX.md,wiki/sources.md 2026-08-07 success
|
||||
|
||||
|
@@ -295,3 +295,9 @@
|
||||
- 证据边界：统计期 2018—2021 年上半年；扫描件 OCR 对表格行列结构有损，仅正文文字明确转述的数字入摘编；"12 个合约"（风险检验）与"11 个品种"（成因分析）口径差异来自动力煤车船板交割无仓单数据。
|
||||
- 哈希：摘编按正文（frontmatter 之后 body）SHA-256 登记 `sha256:9313f138332bf534e882bfcc4c0f8b74814f4403ea4750004bf75177f2982e7e`。
|
||||
- 验证：wiki-audit.ps1 普通模式通过（0 ERROR、0 WARNING；78 个 Wiki 页面、668 条内部链接、111 条编译记录），`git diff --check` 通过。
|
||||
## [2026-08-07] ingest | PaddleOCR v2 API 配额与错误码入库
|
||||
- 输入：PaddleOCR 官方 API 文档（用户 2026-08-07 提供，配额与错误码两节）；同日 v2 jobs 接口实测（PP-OCRv6 与 PaddleOCR-VL-1.6 双模型多次 job 提交均 HTTP 200，中文金融表格文本识别正确）。
|
||||
- 保存：中文摘编 1 份入 `raw/技术/paddleocr/`（配额 3000 页/日/模型、单文件 100 页截断、错误码 403/413/422/429/500/503/504 表、本地工具链衔接）。
|
||||
- 编译：新增 `wiki/practices/paddleocr-ocr工具链.md`（practice：工具脚本入口、双模型选型口诀、配额/限流注意、错误码速查、实测记录）；`wiki/INDEX.md` 第 10 节更名“软件工具”并加条目；`wiki/sources.md` 新增“OCR 工具资料”小节；`wiki/Glossary.md` 新增 PaddleOCR 词条；登记 `wiki/compile-results.tsv`。
|
||||
- 证据边界：错误码行为仅按官方文档转述，未实测触发；配额数值为官方声明，可能调整；token 以 hermes-home/.env 为准。
|
||||
- 哈希：摘编文件字节 SHA-256 `b8d0e2c51e46e09ce789ff397149cfdde2b136d37a2c9cb981a99977cc90b3a7`。
|
||||
|
||||
@@ -0,0 +1,59 @@
|
||||
---
|
||||
title: "PaddleOCR OCR 工具链使用指南"
|
||||
source: "PaddleOCR 官方 API 文档 + 2026-08-07 本地实测（wikillm/scripts/paddleocr_v2_ocr.py）"
|
||||
tags:
|
||||
- "PaddleOCR"
|
||||
- "OCR"
|
||||
- "工具链"
|
||||
sources:
|
||||
- path: "raw/技术/paddleocr/paddleocr-api-配额与错误码-摘编.md"
|
||||
---
|
||||
|
||||
# PaddleOCR OCR 工具链使用指南
|
||||
|
||||
本页是**实践页**：说明本地 PaddleOCR 云端 OCR 工具链怎么用——两种模型的选型、调用方式、配额注意与结果处理。配额与错误码细则见 `raw/技术/paddleocr/` 摘编。
|
||||
|
||||
## 工具入口
|
||||
|
||||
```bash
|
||||
python wikillm/scripts/paddleocr_v2_ocr.py <本地文件或URL> [--model 模型名] [--out 输出目录]
|
||||
```
|
||||
|
||||
- 协议：PaddleOCR v2 异步 jobs API（提交 job → 轮询 → 下载 jsonl 结果）。
|
||||
- 凭证：`PADDLEOCR_ACCESS_TOKEN`（已存 hermes-home/.env；脚本内嵌 fallback token）。
|
||||
- 输出：每页原始 JSON（`page_N.json`）+ 模型专属产物（见下）。
|
||||
|
||||
## 模型选型
|
||||
|
||||
| 模型 | 输出形态 | 适用场景 |
|
||||
|---|---|---|
|
||||
| `PP-OCRv6`（默认） | 行级文本 + bbox 坐标 + 每行置信度（`rec_scores`） | 纯文字提取：截图、照片、扫描件文字 |
|
||||
| `PaddleOCR-VL-1.6` | **整页 Markdown**（`doc_N.md`，表格还原为 HTML 表格）+ 版面分块 + 可视化图 | 带表格/复杂版式的文档：研报、报表、书籍页面 |
|
||||
|
||||
选型口诀：**纯文字用 v6，带表格用 VL-1.6**。两模型配额独立（各 3000 页/日），可轮换规避 429。
|
||||
|
||||
## 配额与限流（2026-08-07 官方声明）
|
||||
|
||||
- 每用户 × 每模型 **3000 页/日**；超额返回 429，当日该模型不可用。
|
||||
- **单文件 ≤ 100 页**，超过只解析前 100 页（静默截断，无报错）。
|
||||
- 批量任务（如整本书扫描件）务必先按章拆页；大批量按批次规划并预留双模型轮换。
|
||||
|
||||
## 常见错误速查
|
||||
|
||||
| 码 | 含义 | 处理 |
|
||||
|---|---|---|
|
||||
| 403 | Token 错/URL 不匹配 | 核对 hermes-home/.env 中的 token |
|
||||
| 413 | 请求体过大 | 减页数/文件大小 |
|
||||
| 429 | 超当日页数上限 | 换模型或次日再试 |
|
||||
| 504 | 网关超时 | 稍后重试（大文件建议先拆页） |
|
||||
|
||||
## 实测记录（2026-08-07）
|
||||
|
||||
- PP-OCRv6：中文金融表格图片识别，文本置信度 0.94–1.00，行级输出正确。
|
||||
- PaddleOCR-VL-1.6：同图整页 Markdown 还原，5 行 4 列表格 HTML 全部正确（品种/产地/价格/较昨日）。
|
||||
|
||||
## 相关
|
||||
|
||||
- [[Glossary|术语表]] - PaddleOCR、OCR 等术语
|
||||
- raw 摘编：`raw/技术/paddleocr/paddleocr-api-配额与错误码-摘编.md`
|
||||
- 官方：https://www.paddleocr.com / https://paddleocr.aistudio-app.com
|
||||
@@ -100,3 +100,7 @@ last_updated: 2026-08-07
|
||||
## 网络工具资料
|
||||
|
||||
- [[mihomo-内核与配置体系|mihomo（Clash Meta 内核）架构与配置体系]]、[[mihomo-配置编写指南|mihomo 配置编写指南]] - [MetaCubeX/mihomo](https://github.com/MetaCubeX/mihomo)（Clash Meta 内核，GPL-3.0，默认分支 Meta）官方 README、官方文档 [wiki.metacubex.one](https://wiki.metacubex.one/)（虚空终端 Docs）与 Alpha 分支 `docs/config.yaml` 全量示例（2026-08-07 抓取）；中文摘编保存在 `raw/技术/mihomo/`。官方示例中服务器/密码/密钥为占位符，模板未在真实实例上运行验证
|
||||
|
||||
## OCR 工具资料
|
||||
|
||||
- [[paddleocr-ocr工具链|PaddleOCR OCR 工具链]] - PaddleOCR v2 异步 API（paddleocr.aistudio-app.com/api/v2/ocr/jobs）配额与错误码官方文档（2026-08-07 用户提供）+ 同日本地实测（PP-OCRv6 / PaddleOCR-VL-1.6 双模型真实调用通过）；中文摘编保存在 `raw/技术/paddleocr/`，工具脚本 `scripts/paddleocr_v2_ocr.py`
|
||||
|
||||
Reference in New Issue
Block a user