PP-OCRv6 纯 Go 封装小记

把 PP-OCRv6 的检测和识别模型包成了一个纯 Go 库：github.com/lib-x/ppocr-v6-go 。用 pure-onnx 通过 purego 动态加载 ONNX Runtime，不需要 CGO，不用装 PaddlePaddle 和 OpenCV，除了两个模型文件，只有一个内嵌的字符字典。

代码量不大，时间主要花在把模型需要的参数一个个找出来，再验证对。这篇按"模型和文件从哪来、拿到新模型怎么入手、一张图怎么走完全流程"的顺序记录，中间有四个坑单独讲。

先看术语：检测、识别和它们背后的东西

整图 OCR 一般拆成两个模型。检测模型在整页图上找文字行，输出一堆框，它不认字；识别模型把每个框裁出来读成字符串，它不找位置。PP-OCRv6 是 PaddleOCR 的 v6 版本，det 和 rec 各有 medium / small / tiny 三档，本库用的是 medium det（约 62MB）和 small rec（约 21MB）。本库的组合是 medium det 加 small rec。模型卡表格里 medium 档检测 Hmean 是 86.2%、medium rec 识别准确率 83.2%，small rec 是 81.3%，论文在 arxiv 2606.13108 。这些是模型卡在标准测试集上的数字，和你手上某张图的端到端准确率是两回事。

模型以 ONNX 格式分发。ONNX 文件里除了权重，还存着一张计算图：节点怎么连、每个张量叫什么、形状是什么。ONNX Runtime 执行这张图，pure-onnx 用 purego 加载它的共享库，Go 侧就能直接跑推理。