サービス設定:テキストブロック検出
サービスプロファイルのテキストブロック検出セクションでは、テキストブロック検出専用のモデルを設定します。現在の視覚言語モデルは、テキストのおおよその位置を示せることは多いものの、正確な座標を特定する点では信頼性に欠けます。そのため、このタスクには OCR、物体検出、領域分割に特化して調整されたモデルを使用します。
テキストブロックの検出では、漫画の画像内のテキスト領域を見つけてテキストブロックを作成します。これらのブロックによって、後続のテキストの抽出と翻訳のステップで何を処理するかが決まります。
検出はテキスト領域の位置を特定するだけで、テキストの抽出とは異なります。検出器が原文も返すかどうかはサービスによって異なります。
対応サービス
Section titled “対応サービス”| サービス | API の要否 | 検出時に原文を返す | 適した用途 |
|---|---|---|---|
| ローカルテキストブロック検出器 | 不要 | いいえ | 無料かつオフラインでのボックス検出 |
| PaddleOCR VL 1.6 | 必要 | はい | 1 回のリクエストで検出と OCR を行う |
| GLM-OCR | 必要 | はい | 縦書きの原文の抽出はやや苦手 |
ローカルテキストブロック検出器
Section titled “ローカルテキストブロック検出器”設定 → サービスプロファイル → テキストブロック検出を開き、ダウンロードを選択します。ダウンロードが完了すると、アプリがローカルのプロファイルを作成します。モデルの ZIP をオフラインでインポートすることもできます。ZIP は Neko Translator の公式サイトで入手できます。
ローカル検出器が現在返すのは、テキストブロックの位置だけです。ワークフローを完結させるには、画像認識に対応した汎用 AI モデルやローカルテキスト抽出器など、テキストを抽出を提供するサービスを設定してください。ほとんどの漫画翻訳では、ローカルテキストブロック検出器とローカルテキスト抽出器を組み合わせれば十分で、現在はこの構成を推奨しています。
ローカルテキストブロック検出器は、吹き出し内のテキストとそれ以外のテキストを自動的に区別できます。
ダウンロードやインポートでは、ミラーの選択、ネットワークエラー、ファイルの欠落、ハッシュ検証の失敗などが発生する場合があります。検証に失敗した後に続行を選ぶのは、モデルの入手元を信頼でき、リスクを理解している場合だけにしてください。
PaddleOCR VL 1.6 と GLM-OCR
Section titled “PaddleOCR VL 1.6 と GLM-OCR”オンラインの OCR サービスには API キーが必要です。設定を作成したら、一括処理またはエディターで対応するモデルを選択します。
これらのサービスはテキストブロックの検出時に原文を返すため、通常は個別のテキスト抽出ステップは不要です。
どちらのモデルもオープンソースで、メンテナーがローカルにデプロイするためのソースコードとチュートリアルを提供しています。具体的な手順は公式ドキュメントを参照してください。
検出結果を確認する
Section titled “検出結果を確認する”必ず次の点を確認してください。
- 吹き出しや吹き出しの外のテキストに検出漏れがないか
- 独立した複数のテキストブロックが誤って結合されていないか
- 隣接するテキストブロックが互いを含んだり重なったりしていないか
- 各テキストブロックの位置と方向が正しいか
- ナレーションや効果音を個別に扱う必要があるか