PaddleOCR 3.5を試した本音レビュー｜無料で使える最新OCR

1. 「PDFや画像からテキストを構造化したいのに、既存OCRでは精度が出ない」とお悩みではありませんか？

RAGやDocument AIの開発を始めると、多くの方が同じ壁にぶつかります。「LLMに渡す前段のOCR・文書解析の品質が低く、回答精度が安定しない」という課題です。表組み・数式・複雑なレイアウトを正しく構造化できないと、いくら高性能なLLMを使っても下流の処理は破綻してしまいます。

この課題を放置すると、RAGの検索結果が的外れになり、ユーザーから「AIが嘘をつく」とクレームを受けることになります。検証チームの工数も膨らみ、プロジェクトそのものが頓挫するケースも珍しくありません。

そこで本記事では、2026年5月18日に公開されたPaddleOCR 3.5を実際に検証し、Hugging Face Transformersバックエンド対応で何が変わったのかを正直にレビューしていきます。中国・百度（Baidu）が開発するオープンソースのOCRエンジンとして広く使われてきたPaddleOCRですが、今回のアップデートで日本のエンジニアにとっても格段に導入しやすくなったと感じました。

▶ PaddleOCR 3.5で文書ingestion基盤を構築する（オープンソース・無料）

2. PaddleOCR 3.5の概要｜OSSとして世界中の開発者が支持する文書解析エンジン

PaddleOCRは、中国の検索エンジン大手Baidu（百度）が中心となって開発するディープラーニング基盤「PaddlePaddle」上に構築されたOCR・文書解析ライブラリです。GitHubでは数万のスターを獲得しており、オープンソースOCRの中でも特に活発に開発が続けられているプロジェクトの一つです。

PaddleOCRが単なる文字認識ツールにとどまらず、レイアウト解析・表組み認識・数式認識・文書方向検出までを一気通貫で扱える「Document AIフルスタック」だという点です。スキャンPDFを投入するだけで、テキスト・表・図の位置情報まで構造化されたデータとして返してくれます。

PaddleOCR 3.5の主な変更点

公式ブログによると、PaddleOCR 3.5では以下の3点が大きな変更点として挙げられています。

• Transformersバックエンド対応: engine="transformers"を指定するだけで、Hugging Face Transformersを推論バックエンドとして利用可能に
• ブラウザベースOCR: WebAssembly経由でブラウザ内OCRが可能（公式SNS発表）
• Document-to-Markdown変換: 文書を直接Markdown形式に変換する機能を追加

提供されるモデルとしては、軽量・高速なOCRシリーズ「PP-OCRv5」と、視覚言語モデル（VLM）ベースの文書解析シリーズ「PaddleOCR-VL 1.5」の2系統が用意されており、用途に応じて使い分けられる設計になっています。

3. 主要機能の詳細｜実機検証でわかった処理性能

特に印象的だったのは推論バックエンドの選択肢が広がったことです。従来のPaddle静的グラフ・動的グラフに加えて、PyTorch/Transformersネイティブで動かせるようになったため、既存のHugging Face Hubエコシステムとの統合が劇的に楽になりました。

主要機能の一覧

機能カテゴリ	内容	対応モデル
テキスト検出・認識	多言語OCR（日本語・英語・中国語・韓国語等）	PP-OCRv5
文書解析	レイアウト・表・数式・図の構造化	PaddleOCR-VL 1.5
方向検出	文書全体・テキスト行レベルの回転補正	内蔵パイプライン
歪み補正	湾曲・歪みのある文書の正規化	内蔵パイプライン
推論バックエンド	Paddle静的/動的グラフ、Transformers	全モデル
デバイス対応	CPU / NVIDIA GPU / ROCm	環境依存

セットアップは10分以内で完了

CUDA 12.6環境であれば以下のコマンドだけで導入が完了します。

python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
python -m pip install "paddleocr==3.5.0" "paddlex==3.5.2" "transformers>=5.4.0"

PythonAPIから呼び出す際も、engine="transformers"を一行追加するだけで切り替えられる点はシンプルで好印象でした。複雑な設定ファイルを書く必要がなく、既存のスクリプトに最小限の改修で組み込めるのは大きな利点です。

4. 日本語ユーザー向け評価｜実機で確認した4つのポイント

日本のエンジニアにとって最も気になるのは「日本語環境で快適に使えるのか」という点だと思います。実際に検証した結果を率直にお伝えします。

項目	評価	検証メモ
日本語UI	△	公式ドキュメント・GitHubは英語/中国語中心。日本語ドキュメントは限定的
日本円決済	−	PaddleOCR自体は無料OSS。Hugging Face Spacesでホストする場合は米ドル決済
日本語サポート	×	公式サポートは英語/中国語。日本語コミュニティは小規模
日本語OCR精度	◎	PP-OCRv5は日本語認識に対応。縦書き・手書きはやや弱いが活字は実用レベル

ツール自体のドキュメントは英語中心ですが、PP-OCRv5の日本語認識精度は十分実用に耐えるレベルだということです。特に印刷物・PDFの活字に対しては高い精度を発揮しました。一方で、手書き日本語や複雑な縦書きレイアウトについては「公式サイトで要確認」とした方が無難です。

サポート面では、日本語での問い合わせ窓口は用意されていないため、GitHubのIssueやコミュニティフォーラムを英語で活用することになります。社内導入の際は、英語ドキュメントを読めるエンジニアが最低1名はいることが望ましいと考えられます。

5. 料金プラン｜PaddleOCR本体は完全無料、ホスティング先で課金が発生

PaddleOCRはApache 2.0ライセンスのオープンソースソフトウェアで、本体の利用料は完全無料です。商用利用も可能で、ライセンス料は一切発生しません。

ただし、自前のサーバーや推論基盤で動かす場合は、そのインフラ費用が別途必要になります。参考として、Hugging Face Spacesでホストする場合の料金は以下の通りです（公式料金ページより）。

プラン	月額料金	日本円目安	主な内容	申込
PaddleOCR本体	$0	無料	OSS・Apache 2.0ライセンス・商用利用可	無料で開始
HF Spaces CPU Basic	$0	無料	2 vCPU/16GB RAM・デモ用途	登録のみ
HF Pro	$9	約1,400円	個人開発者向け・優先実行枠	HF公式
HF Spaces Nvidia T4	$0.40/h	約60円/時	GPU推論・小規模本番	HF公式
HF Spaces Nvidia A10G large	$1.50/h	約230円/時	本格的な本番ワークロード	HF公式

※2026年6月時点・1ドル=約153円換算。最新の料金は公式サイトで要確認。

Hugging Faceの決済はStripeを採用しており、世界標準の安全な決済基盤です。サブスクリプションの解約はいつでも可能で、解約手続きもダッシュボードから数クリックで完了します。日本のクレジットカードでの決済に対応していますが、米ドル建てとなるため為替変動の影響を受ける点には注意が必要です。

個人開発・社内PoCであれば、まずは無料のPaddleOCR本体を自分のPCにインストールして試すのが最もコストを抑えられる選択肢だと感じました。

▶ PaddleOCR 3.5を今すぐインストールして文書解析を始める（完全無料・登録不要）

6. 競合OCRツールとの比較｜どれを選ぶべきか

OCR・文書解析ツールはいくつかの選択肢があります。実際に複数を比較検討した上での個人的な感想をまとめます。

ツール	主な機能	価格帯	日本語対応	特徴	申込
PaddleOCR 3.5	OCR + 文書解析 + 表/数式	無料（OSS）	◎	Transformers対応で統合容易	無料で試す
Tesseract OCR	テキスト認識のみ	無料（OSS）	○	軽量・歴史長い・レイアウト解析なし	−
Google Cloud Vision API	OCR + ラベル検出等	$1.50/1000枚〜	◎	クラウドAPI・高精度・従量課金	−
Amazon Textract	OCR + 表/フォーム解析	$1.50/1000枚〜	○	AWS統合・帳票特化	−
Adobe Acrobat Pro	PDF編集 + OCR	月額約2,380円	◎	GUI操作・非エンジニア向け	−

それぞれに明確な得意分野があると感じました。ChatGPTのコード書きと比較するように単純な優劣はつけられませんが、用途別に整理すると判断しやすくなります。

• 大量の文書を社内で処理したい → PaddleOCR 3.5（無料・自社サーバーで完結）
• 高精度なクラウドAPIを使いたい → Google Cloud Vision API（従量課金だが安定）
• GUI操作で非エンジニアが使いたい → Adobe Acrobat Pro
• 軽量なテキスト抽出のみで十分 → Tesseract OCR

Google Cloud Visionと比較した個人的な感想として、PaddleOCRはオンプレミスで完結できる点が大きな強みです。機密文書を外部APIに送りたくない金融・医療・法務などの業種では、PaddleOCRの方が圧倒的に導入しやすいと感じました。

7. こんな人におすすめ / こんな人には向かない

こんな方にPaddleOCR 3.5は特におすすめ

• RAG・Document AI・社内検索システムを構築している開発者
• 機密文書を外部APIに送れない（金融・医療・法務等の）業種の方
• Hugging Face / PyTorch / Transformersのスタックを既に使っているチーム
• 表組み・数式・複雑なレイアウトを構造化する必要がある方
• クラウドの従量課金を避けて、自社GPUで処理したい方

こんな方には向きません

• 非エンジニアでGUI操作したい方 → Adobe Acrobat ProやスキャンPDFの組み込みOCRが扱いやすいです
• 月数十枚程度の少量処理のみ → Google Cloud Vision APIの無料枠（月1,000枚）で十分カバーできます
• 日本語の手書き帳票特化 → AI inside「DX Suite」など日本製の帳票特化サービスの方が高精度です
• 英語ドキュメントを読みたくない方 → 公式ドキュメントは英語/中国語中心のため苦戦します

8. 総合評価｜オープンソースOCRの最有力候補

★★★★☆（4.5 / 5.0）

PaddleOCR 3.5は、Transformersバックエンド対応によって「使いやすさ」が大きく向上した、オープンソースOCRの最有力候補だと評価できます。日本語の公式ドキュメントが整備されていない点だけが惜しい点ですが、エンジニアであれば導入の障壁は十分に低いと感じました。

9. よくある質問（FAQ）

FAQセクションは下記の通りです。

10. まとめ｜文書ingestion基盤を無料で構築するならPaddleOCR 3.5

本記事の要点をまとめます。

• PaddleOCR 3.5はApache 2.0ライセンスの完全無料OSS。商用利用可能で、Transformersバックエンドが新たに追加された
• RAG・Document AIの前処理基盤として最有力。表・数式・複雑レイアウトまで構造化できる
• 日本語の活字認識は実用レベルだが、公式ドキュメントは英語中心のため英語が読めるエンジニア向け

こんな方には特におすすめ: 社内の機密文書をクラウドAPIに送らずにオンプレで処理したい開発者、Hugging Faceエコシステムでドキュメント処理を完結させたいチーム、無料でDocument AI基盤を構築したいスタートアップの方。これらに当てはまる方は、まずローカル環境にインストールして実機で精度を確認してみることをおすすめします。

▶ PaddleOCR 3.5で文書ingestion基盤を今すぐ構築する
（完全無料・登録不要・商用利用可）