diff --git a/doc/doc_ch/PP-OCRv4_introduction.md b/doc/doc_ch/PP-OCRv4_introduction.md
index aba981022f7af2bb9afecb826fa2e26cad48c2a9..06467caac0fec5b139e5366fa2c7189aaada2ade 100644
--- a/doc/doc_ch/PP-OCRv4_introduction.md
+++ b/doc/doc_ch/PP-OCRv4_introduction.md
@@ -155,8 +155,25 @@ GTC（Guided Training of CTC），是在PP-OCRv3中使用过的策略，融合
 经过以上优化，最终PP-OCRv4在速度可比情况下，中文场景端到端Hmean指标相比于PP-OCRv3提升4.5%，效果大幅提升。具体指标如下表所示：
 
 | Model | Hmean |  Model Size (M) | Time Cost (CPU, ms) |
-|-----|-----|--------|----| --- |
+|-----|-----|--------|----|
 | PP-OCRv3 | 57.99% | 15.6 | 78 |
 | PP-OCRv4 | 62.24% | 15.8 | 76 |
 
 测试环境：CPU型号为Intel Gold 6148，CPU预测时使用openvino。
+
+除了更新中文模型，本次升级也优化了英文数字模型，在自有评估集上文本识别准确率提升6%，如下表所示：
+
+| Model | ACC |
+|-----|-----|
+| PP-OCR_en | 54.38% |
+| PP-OCRv3_en | 64.04% |
+| PP-OCRv4_en | 70.1% |
+
+同时，也对已支持的80余种语言识别模型进行了升级更新，在有评估集的四种语系识别准确率平均提升5%以上，如下表所示：
+
+| Model | 拉丁语系 |  阿拉伯语系 | 日语 | 韩语 |
+|-----|-----|--------|----| --- |
+| PP-OCR_mul | 69.60% | 40.50% | 38.50%  | 55.40% |
+| PP-OCRv3_mul | 75.20%| 45.37% | 45.80% | 60.10% |
+| PP-OCRv4_mul | 80.00%| 75.48% | 56.50% | 83.25% |
+