Service-Konfiguration: Textblockerkennung
Was die Erkennung leistet
Abschnitt betitelt „Was die Erkennung leistet“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.
Unterstützte Dienste
Abschnitt betitelt „Unterstützte Dienste“| Dienst | API erforderlich | Gibt bei der Erkennung Ausgangstext zurück | Geeignet für |
|---|---|---|---|
| Lokaler Textblock-Detektor | Nein | Nein | Kostenlose Offline-Erkennung von Rahmen |
| PaddleOCR VL 1.6 | Ja | Ja | Erkennung und OCR in einer Anfrage |
| GLM-OCR | Ja | Ja | Etwas schwächer beim Extrahieren von vertikalem Ausgangstext |
Lokaler Textblock-Detektor
Abschnitt betitelt „Lokaler Textblock-Detektor“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.
PaddleOCR VL 1.6 und GLM-OCR
Abschnitt betitelt „PaddleOCR VL 1.6 und GLM-OCR“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.
Erkennungsergebnisse prüfen
Abschnitt betitelt „Erkennungsergebnisse prüfen“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.