diff --git a/python/README.md b/python/README.md
index 6148a10c5..0f0ce298b 100755
--- a/python/README.md
+++ b/python/README.md
@@ -10,168 +10,161 @@
目录
- [RapidOCR Python](#rapidocr-python)
- - [简介和说明](#简介和说明)
- - [（推荐）pip安装快速使用](#推荐pip安装快速使用)
+ - [简介](#简介)
+ - [说明](#说明)
+ - [pip安装快速使用（推荐）](#pip安装快速使用推荐)
- [源码使用步骤](#源码使用步骤)
+### 简介
+- 该部分为python版的OCR推理，包括基于ONNXRuntime和OpenVINO两个推理引擎的包。
+- 因为模型较小，因此将相关模型都已打到Whl包，可直接pip安装使用。
-### 简介和说明
-- **各个版本的ONNX模型下载地址：**[百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)
-- 所有常用的参数配置都在[`config.yaml`](https://github.com/RapidAI/RapidOCR/blob/main/python/rapidocr_onnxruntime/config.yaml)下，一目了然，更加便捷
-- **目前[`config.yaml`](https://github.com/RapidAI/RapidOCR/blob/main/python/rapidocr_onnxruntime/config.yaml)中配置为权衡速度和准确度的最优组合。**
-- 每个独立的模块下均有独立的`config.yaml`配置文件，可以单独使用
-- `det`部分，`mobile` | `server` | `v2` | `v3`推理代码均为一个
- - 如果想要指定自己的模型，可以在初始化时，指定`det`模型路径，其他相关参数同理
- ```python
- from rapidocr_onnxruntime import RapidOCR
- rapid_ocr = RapidOCR(det_model_path='xxxxx.onnx')
- ```
-- `rec`部分，`mobile` | `server` | `v2` | `v3`推理代码均为一个
- - `rec`中`v2`和`v3`两个版本，差别仅在输入shape和模型。经过测试，采用`v3 rec模型`+`[3, 48, 320]`效果最好
- - 目前配置文件`config.yaml`中（如下所示）已是最优组合
- ```yaml
- module_name: ch_ppocr_v3_rec
- class_name: TextRecognizer
- model_path: resources/models/ch_PP-OCRv3_rec_infer.onnx
-
- rec_img_shape: [3, 48, 320]
- rec_batch_num: 6
- ```
-- 关于选择哪个推理引擎（onnxruntime 或者 openvino）?
+### 说明
+- `rapidocr_onnxruntime`和`rapidocr_openvino`两个包除推理引擎不同之外，其余均相同，默认都是在CPU上运行。
+- 按语义版本号来讲，两个包其主版本号和次版本号同步更新，修订号可能会有区别。也就是说`x.y.z`中`x`和`y`是一样的，`z`可能不同。
+- 各个版本的对应关系：
+ |版本|内置模型版本|对应PaddleOCR 分支|
+ |:---:|:---:|:---:|
+ |`v1.3.x`|PaddleOCR v4版| [release/2.7](https://github.com/PaddlePaddle/PaddleOCR/tree/release/2.7)|
+ |`v1.2.x`
`v1.1.x`
`v1.0.x`|PaddleOCR v3版| [release/2.6](https://github.com/PaddlePaddle/PaddleOCR/tree/release/2.6)|
+- 推荐使用[PaddleOCRModelConveter](https://github.com/RapidAI/PaddleOCRModelConverter)在线转换，现用现转。推理代码都是同一个，只需更换模型即可。已转好**ONNX模型下载地址：**[百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)，大家可自行搭配使用。
+- 所有常用的参数配置都在[`config.yaml`](https://github.com/RapidAI/RapidOCR/blob/main/python/rapidocr_onnxruntime/config.yaml)下，其中每个独立的模块下均有独立的`config.yaml`配置文件，可以单独使用。
+- 关于选择哪个版本的包（`rapidocr_onnxruntime` 或者 `rapidocr_openvino`）?
|推理引擎|推理速度更快|占用内存更少|
|:---:|:---:|:---:|
- |onnxruntime||✓|
- |openvino|✓|存在内存不释放的问题，参见[wiki](https://github.com/RapidAI/RapidOCR/wiki/openvino%E5%85%A5%E9%97%A8)|
-
-
-### （推荐）pip安装快速使用
-1. 安装包（⚠️注意：两个包接口一致，只是推理引擎不同而已，默认都是在CPU上运行）
- |包名|版本|安装命令|
- |:---|:---:|:---|
- |`rapidocr_onnxruntime`|
|`pip install rapidocr-onnxruntime`|
- |`rapidocr_openvino`|
|`pip install rapidocr-openvino`|
-
-1. 推理使用
- - 脚本使用：
- - ⚠️注意：初始化RapidOCR可不提供`config.yaml`，默认使用安装目录下的`config.yaml`。如有自定义需求：
- - 一是可直接通过初始化参数传入。详细参数参考下面命令行部分，和`config.yaml`基本对应。
- - 二是复制`config.yaml`，自行更改，然后初始化给出。e.g. `engine = RapidOCR(config_path="custom.yaml")`
- - 输入：`Union[str, np.ndarray, bytes, Path]`
- - 输出：
- - 有值：`([[文本框坐标], 文本内容, 置信度], 推理时间)`，
- - 示例：`[[左上, 右上, 右下, 左下], '小明', '0.99'], [0.02, 0.02, 0.85]`
- - 为空：`(None, None)`
- - 示例：
- ```python
- import cv2
- from rapidocr_onnxruntime import RapidOCR
- # from rapidocr_openvino import RapidOCR
-
- # RapidOCR可传入参数参考下面的命令行部分
- rapid_ocr = RapidOCR()
- # rapid_ocr = RapidOCR(config_path='custom.yaml')
-
- img_path = 'tests/test_files/ch_en_num.jpg'
-
- # 输入格式一：str
- result, elapse = rapid_ocr(img_path)
-
- # 输入格式二：np.ndarray
- img = cv2.imread('tests/test_files/ch_en_num.jpg')
- result, elapse = rapid_ocr(img)
+ |`rapidocr_onnxruntime`||✓|
+ |`rapidocr_openvino`|✓|⚠️ openvino存在内存不释放的问题，参见[wiki](https://github.com/RapidAI/RapidOCR/wiki/openvino%E5%85%A5%E9%97%A8)|
+
+
+### pip安装快速使用（推荐）
+1. 安装环境
+ |包名|版本|安装命令|
+ |:---|:---:|:---|
+ |`rapidocr_onnxruntime`|
|`pip install rapidocr-onnxruntime`|
+ |`rapidocr_openvino`|
|`pip install rapidocr-openvino`|
+
+2. python脚本使用
+ - ⚠️注意：初始化RapidOCR可不提供`config.yaml`，默认使用安装目录下的`config.yaml`。如有自定义需求：
+ - 一是可直接通过初始化参数传入。详细参数参考下面命令行部分，和`config.yaml`基本对应。
+ - 二是复制`config.yaml`，自行更改，然后初始化给出。e.g. `engine = RapidOCR(config_path="custom.yaml")`
+
+ - 输入：`Union[str, np.ndarray, bytes, Path]`
+ - 输出：
+ - 有值：`([[文本框坐标], 文本内容, 置信度], 推理时间)`，e.g. `[[左上, 右上, 右下, 左下], '小明', '0.99'], [0.02, 0.02, 0.85]`
+ - 为空：`(None, None)`
+ - 示例：
+ ```python
+ import cv2
+ from rapidocr_onnxruntime import RapidOCR
+ # from rapidocr_openvino import RapidOCR
+
+ # RapidOCR可传入参数参考下面的命令行部分
+ rapid_ocr = RapidOCR()
+
+ img_path = 'tests/test_files/ch_en_num.jpg'
+
+ # 输入格式一：str
+ result, elapse = rapid_ocr(img_path)
+
+ # 输入格式二：np.ndarray
+ img = cv2.imread('tests/test_files/ch_en_num.jpg')
+ result, elapse = rapid_ocr(img)
+
+ # 输入格式三：bytes
+ with open(img_path, 'rb') as f:
+ img = f.read()
+ result, elapse = rapid_ocr(img)
+
+ # 输入格式四：Path
+ result, elapse = rapid_ocr(Path(img_path))
+ print(result)
+ ```
+
+3. 命令行使用
+ - 参数说明：
+ ```bash
+ $ rapidocr_onnxruntime -h
+ usage: rapidocr_onnxruntime [-h] -img IMG_PATH [-p] [--text_score TEXT_SCORE]
+ [--use_angle_cls USE_ANGLE_CLS]
+ [--use_text_det USE_TEXT_DET]
+ [--print_verbose PRINT_VERBOSE]
+ [--min_height MIN_HEIGHT]
+ [--width_height_ratio WIDTH_HEIGHT_RATIO]
+ [--det_use_cuda DET_USE_CUDA]
+ [--det_model_path DET_MODEL_PATH]
+ [--det_limit_side_len DET_LIMIT_SIDE_LEN]
+ [--det_limit_type {max,min}]
+ [--det_thresh DET_THRESH]
+ [--det_box_thresh DET_BOX_THRESH]
+ [--det_unclip_ratio DET_UNCLIP_RATIO]
+ [--det_use_dilation DET_USE_DILATION]
+ [--det_score_mode {slow,fast}]
+ [--cls_use_cuda CLS_USE_CUDA]
+ [--cls_model_path CLS_MODEL_PATH]
+ [--cls_image_shape CLS_IMAGE_SHAPE]
+ [--cls_label_list CLS_LABEL_LIST]
+ [--cls_batch_num CLS_BATCH_NUM]
+ [--cls_thresh CLS_THRESH]
+ [--rec_use_cuda REC_USE_CUDA]
+ [--rec_model_path REC_MODEL_PATH]
+ [--rec_img_shape REC_IMAGE_SHAPE]
+ [--rec_batch_num REC_BATCH_NUM]
+
+ optional arguments:
+ -h, --help show this help message and exit
+ -img IMG_PATH, --img_path IMG_PATH MUST
+ -p, --print_cost
+
+ Global:
+ --text_score TEXT_SCORE
+ --use_angle_cls USE_ANGLE_CLS
+ --use_text_det USE_TEXT_DET
+ --print_verbose PRINT_VERBOSE
+ --min_height MIN_HEIGHT
+ --width_height_ratio WIDTH_HEIGHT_RATIO
+
+ Det:
+ --det_use_cuda DET_USE_CUDA
+ --det_model_path DET_MODEL_PATH
+ --det_limit_side_len DET_LIMIT_SIDE_LEN
+ --det_limit_type {max,min}
+ --det_thresh DET_THRESH
+ --det_box_thresh DET_BOX_THRESH
+ --det_unclip_ratio DET_UNCLIP_RATIO
+ --det_use_dilation DET_USE_DILATION
+ --det_score_mode {slow,fast}
+
+ Cls:
+ --cls_use_cuda CLS_USE_CUDA
+ --cls_model_path CLS_MODEL_PATH
+ --cls_image_shape CLS_IMAGE_SHAPE
+ --cls_label_list CLS_LABEL_LIST
+ --cls_batch_num CLS_BATCH_NUM
+ --cls_thresh CLS_THRESH
+
+ Rec:
+ --rec_use_cuda REC_USE_CUDA
+ --rec_model_path REC_MODEL_PATH
+ --rec_img_shape REC_IMAGE_SHAPE
+ --rec_batch_num REC_BATCH_NUM
+ ```
+ - 示例：
+ ```bash
+ $ rapidocr_onnxruntime -img tests/test_files/ch_en_num.jpg
+ ```
- # 输入格式三：bytes
- with open(img_path, 'rb') as f:
- img = f.read()
- result, elapse = rapid_ocr(img)
+### 源码使用步骤
- # 输入格式四：Path
- result, elapse = rapid_ocr(Path(img_path))
- print(result)
- ```
- - 命令行使用：
- ```bash
- $ rapidocr_onnxruntime -h
- usage: rapidocr_onnxruntime [-h] -img IMG_PATH [-p] [--text_score TEXT_SCORE]
- [--use_angle_cls USE_ANGLE_CLS]
- [--use_text_det USE_TEXT_DET]
- [--print_verbose PRINT_VERBOSE]
- [--min_height MIN_HEIGHT]
- [--width_height_ratio WIDTH_HEIGHT_RATIO]
- [--det_use_cuda DET_USE_CUDA]
- [--det_model_path DET_MODEL_PATH]
- [--det_limit_side_len DET_LIMIT_SIDE_LEN]
- [--det_limit_type {max,min}]
- [--det_thresh DET_THRESH]
- [--det_box_thresh DET_BOX_THRESH]
- [--det_unclip_ratio DET_UNCLIP_RATIO]
- [--det_use_dilation DET_USE_DILATION]
- [--det_score_mode {slow,fast}]
- [--cls_use_cuda CLS_USE_CUDA]
- [--cls_model_path CLS_MODEL_PATH]
- [--cls_image_shape CLS_IMAGE_SHAPE]
- [--cls_label_list CLS_LABEL_LIST]
- [--cls_batch_num CLS_BATCH_NUM]
- [--cls_thresh CLS_THRESH]
- [--rec_use_cuda REC_USE_CUDA]
- [--rec_model_path REC_MODEL_PATH]
- [--rec_img_shape REC_IMAGE_SHAPE]
- [--rec_batch_num REC_BATCH_NUM]
-
- optional arguments:
- -h, --help show this help message and exit
- -img IMG_PATH, --img_path IMG_PATH MUST
- -p, --print_cost
-
- Global:
- --text_score TEXT_SCORE
- --use_angle_cls USE_ANGLE_CLS
- --use_text_det USE_TEXT_DET
- --print_verbose PRINT_VERBOSE
- --min_height MIN_HEIGHT
- --width_height_ratio WIDTH_HEIGHT_RATIO
-
- Det:
- --det_use_cuda DET_USE_CUDA
- --det_model_path DET_MODEL_PATH
- --det_limit_side_len DET_LIMIT_SIDE_LEN
- --det_limit_type {max,min}
- --det_thresh DET_THRESH
- --det_box_thresh DET_BOX_THRESH
- --det_unclip_ratio DET_UNCLIP_RATIO
- --det_use_dilation DET_USE_DILATION
- --det_score_mode {slow,fast}
-
- Cls:
- --cls_use_cuda CLS_USE_CUDA
- --cls_model_path CLS_MODEL_PATH
- --cls_image_shape CLS_IMAGE_SHAPE
- --cls_label_list CLS_LABEL_LIST
- --cls_batch_num CLS_BATCH_NUM
- --cls_thresh CLS_THRESH
-
- Rec:
- --rec_use_cuda REC_USE_CUDA
- --rec_model_path REC_MODEL_PATH
- --rec_img_shape REC_IMAGE_SHAPE
- --rec_batch_num REC_BATCH_NUM
-
- $ rapidocr_onnxruntime -img tests/test_files/ch_en_num.jpg
- ```
+
-### 源码使用步骤
1. 下载整个项目到本地
```shell
cd RapidOCR/python
```
2. 下载链接下的`resources`目录（包含模型和显示的字体文件）
- - 下载链接：[Github](https://github.com/RapidAI/RapidOCR/releases/download/v1.1.0/resources.zip) | [Gitee](https://gitee.com/RapidAI/RapidOCR/releases/download/v1.1.0/resources.zip) | [百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)
- - `resources/models`下模型搭配已经为最优组合（速度和精度平衡）
- ```text
- ch_PP-OCRv3_det + ch_ppocr_mobile_v2.0_cls + ch_PP-OCRv3_rec
- ```
+ - 下载链接：[百度网盘](https://pan.baidu.com/s/1PTcgXG2zEgQU6A_A3kGJ3Q?pwd=jhai) | [Google Drive](https://drive.google.com/drive/folders/1x_a9KpCo_1blxH1xFOfgKVkw1HYRVywY?usp=sharing)
- 最终目录如下，自行比对:
```text
.
@@ -249,3 +242,4 @@
```bash
python demo.py
```
+
\ No newline at end of file
