引言
rapidocrv3.0.0已经发布到pypi了，小伙伴们可以安装使用了。
在这里，我想先强调一下，rapidocrv3.0与v2.0系列主要区别：
- 集成了PP-OCRv5系列模型，包括mobile/server文本检测模型和mobile/server文本识别模型传入参数的不同，变动原因是之前参数设计不太合理，在集成PP-OCRv5过程中就体现出来的。
总结来说，这次升级与v2.0不兼容，大家请慎重考虑升级。
安装
pip install rapidocr==3.0.0# 便于快速验证，后续看自己安装需要的推理引擎pip install onnxruntime 验证是否安装成功：
rapidocr check# Success! rapidocr is installed correctly!使用
此次更新，重新调整了参数，从而可以支持不同阶段可以使用不同推理引擎、不同版本的OCR模型等多种组合，灵活满足需求。
由于PP-OCRv5在自建测评集中，并没有特别突出，因为考虑默认配置仍然是PP-OCRv4。rapidocrv3.0.0三个阶段的默认配置均是如下：
engine_type: 'onnxruntime'lang_type: 'ch'model_type: 'mobile'ocr_version: 'PP-OCRv4'想要使用PP-OCRv5的小伙伴，可以按照下面参数来使用：
from rapidocr import EngineType, LangDet, LangRec, ModelType, OCRVersion, RapidOCRengine = RapidOCR( params={ "Det.engine_type": EngineType.TORCH, "Det.lang_type": LangDet.CH, "Det.model_type": ModelType.MOBILE, "Det.ocr_version": OCRVersion.PPOCRV5, "Rec.engine_type": EngineType.PADDLE, "Rec.lang_type": LangRec.CH, "Rec.model_type": ModelType.MOBILE, "Rec.ocr_version": OCRVersion.PPOCRV5, })img_url = "https://img1.baidu.com/it/u=3619974146,1266987475&fm=253&fmt=auto&app=138&f=JPEG?w=500&h=516"result = engine(img_url)print(result)result.vis("vis_result.jpg")从上面来看，似乎变得更加繁琐了。但是随着引入了EngineType、ModelType、OCRVersion、LangDet、LangRec和LangCls枚举类，我们可以更加灵活地使用不同模型了。
这几个参数基本可以任意组合，当然前提是要有对应的模型。为此，我也更新了对应文档中的模型列表文档（rapidai.github.io/RapidOCRDoc…
同时，对应的在线demo也在更新中了，后续会逐步上线，小伙伴遇到需要OCR的图像时，不妨先在在线demo上快速查看某些场景图像的效果，从而方便决定用哪个参数，哪个模型。
由于官方文档站点已经尽量详细地介绍如何使用v3.0系列模型了。在这里，我不再过多赘述，欢迎小伙伴们前往文档站点查看。(rapidai.github.io/RapidOCRDoc…)
