可能和硬件有关，试了一下，cpu推理也很快。https://modelscope.cn/models/damo/cv_convnextTiny_ocr-recognition-general_damo/quickstart 模型推理 / 代码范例
此回答整理自“魔搭ModelScope开发者联盟群 ①”。
)

ModelScope 本身不支持多进程。它是一个用于加载和预处理模型的工具，而不是用于执行模型推理的工具。ModelScope 的主要目的是提高模型加载速度和内存使用效率。要实现多进程，您需要在使用 ModelScope 加载模型后，使用其他库（如多线程或多进程库）并行处理图像。
对于 OCR 识别任务，您可以考虑使用多线程来提高处理速度。这里有一个使用 Python 的多线程库concurrent.futures和Pillow库的示例：

import os
from PIL import Image
from concurrent.futures import ThreadPoolExecutor
from model_scope import ModelScope
def ocr_recognition(image_path):

# 使用 ModelScope 加载模型  
model_scope = ModelScope(model='damo/cv_convnextTiny_ocr-recognition-general_damo')  
model = model_scope.load_model()  

# 打开图像  
image = Image.open(image_path)  

# 对图像进行预处理（例如调整大小、颜色空间等）  
#...  

# 使用模型进行 OCR 识别  
#...  

return result

定义一个函数，用于将图像路径作为参数传递给 ocr_recognition 函数

def process_image(image_path):
result = ocr_recognition(image_path)

# 处理识别结果，例如保存到文件或输出到控制台  
#...

使用多线程池并行处理图像

with ThreadPoolExecutor() as executor:
for image_path in image_paths:
executor.submit(process_image, image_path)
CopyCopy

在这个示例中，我们使用concurrent.futures.ThreadPoolExecutor创建一个线程池来并行处理图像。process_image函数将图像路径作为参数传递给ocr_recognition函数。这样，您可以同时处理多个图像，从而提高 OCR 识别的速度。