Zum Inhalt springen
Diese Seite wurde von einer KI übersetzt und kann Fehler enthalten. Englisches Original lesen

Service-Konfiguration: Textblockerkennung

Im Abschnitt Textblockerkennung des Service-Profils konfigurieren Sie spezielle Modelle zur Textblockerkennung. Aktuelle Vision-Language-Modelle können oft grob angeben, wo sich Text befindet, bestimmen aber genaue Koordinaten nicht zuverlässig. Für diese Aufgabe werden daher Modelle verwendet, die speziell für OCR, Objekterkennung oder Bereichssegmentierung angepasst sind.

Die Textblockerkennung findet Textbereiche in Comicbildern und erstellt Textblöcke. Diese Blöcke bestimmen, was die nachfolgenden Schritte zur Textextraktion und Übersetzung verarbeiten.

Sie lokalisiert nur Textbereiche und ist nicht dasselbe wie die Textextraktion. Ob ein Detektor auch den Ausgangstext zurückgibt, hängt vom Dienst ab.

DienstAPI erforderlichGibt bei der Erkennung Ausgangstext zurückGeeignet für
Lokaler Textblock-DetektorNeinNeinKostenlose Offline-Erkennung von Rahmen
PaddleOCR VL 1.6JaJaErkennung und OCR in einer Anfrage
GLM-OCRJaJaEtwas schwächer beim Extrahieren von vertikalem Ausgangstext

Öffnen Sie Einstellungen → Service-Profil → Textblockerkennung und wählen Sie Herunterladen. Nach Abschluss des Downloads legt die App das lokale Profil an. Sie können auch offline ein Modell-ZIP importieren; das ZIP-Archiv ist auf der Website von Neko Translator erhältlich.

Der lokale Detektor gibt derzeit nur die Positionen der Textblöcke zurück. Für einen vollständigen Arbeitsablauf konfigurieren Sie einen Dienst, der Text extrahieren bereitstellt, etwa ein Modell der Generischen KI mit Bildverständnis oder den lokalen Textextraktor. In den meisten Szenarien der Manga-Übersetzung genügt die Kombination aus lokalem Textblock-Detektor und lokalem Textextraktor; sie ist derzeit die empfohlene Einrichtung.

Der lokale Textblock-Detektor kann Text in Sprechblasen automatisch von anderem Text unterscheiden.

Bei Downloads und Importen können Spiegelserverauswahl, Netzwerkfehler, fehlende Dateien oder fehlgeschlagene Hash-Prüfungen eine Rolle spielen. Fahren Sie nach einer fehlgeschlagenen Prüfung nur fort, wenn Sie der Modellquelle vertrauen und das Risiko verstehen.

Online-OCR-Dienste erfordern einen API-Schlüssel. Wählen Sie nach dem Erstellen einer Konfiguration das entsprechende Modell in der Stapelverarbeitung oder im Editor aus.

Da diese Dienste bereits bei der Textblockerkennung den Ausgangstext zurückgeben, ist ein separater Schritt Text extrahieren in der Regel nicht nötig.

Beide Modelle sind Open Source, und ihre Entwickler stellen Quellcode und Anleitungen für die lokale Bereitstellung zur Verfügung. Die genauen Schritte entnehmen Sie der offiziellen Dokumentation.

Prüfen Sie immer:

  • ob Sprechblasen oder Text außerhalb von Sprechblasen übersehen wurden;
  • ob mehrere unabhängige Textblöcke fälschlicherweise zusammengeführt wurden;
  • ob benachbarte Textblöcke einander enthalten oder überlappen;
  • ob Position und Richtung jedes Textblocks stimmen;
  • ob Erzähltexte und Soundeffekte gesondert behandelt werden müssen.