Pojęcia i przepływ pracy
Neko Translator dzieli tłumaczenie komiksu na cztery kroki, które można uruchamiać osobno. Każdy krok ma własne dane wejściowe, dane wyjściowe i wymaganą możliwość modelu, a niektóre kroki zależą od wyników wcześniejszych.
Zautomatyzowany przepływ tłumaczenia komiksu
Dział zatytułowany „Zautomatyzowany przepływ tłumaczenia komiksu”Pełny zautomatyzowany przepływ wygląda zwykle tak:
Wykryj bloki tekstu → Wyodrębnij tekst → Wyodrębnij podsumowanie obrazu → Przetłumacz
| Krok | Cel | Główne dane wejściowe | Główne dane wyjściowe |
|---|---|---|---|
| Wykryj bloki tekstu | Znalezienie dymków i innych obszarów z tekstem | Obraz komiksu | Położenie bloków tekstu; niektóre modele zwracają też tekst źródłowy |
| Wyodrębnij tekst | Odczytanie tekstu źródłowego w istniejących ramkach | Obraz komiksu i bloki tekstu | Tekst źródłowy |
| Wyodrębnij podsumowanie obrazu | Opisanie obrazu jako kontekstu dla tłumaczenia | Obraz komiksu | Opis obrazu |
| Przetłumacz | Wygenerowanie tłumaczenia na podstawie tekstu źródłowego i kontekstu | Tekst źródłowy, kontekst, glosariusz | Tekst tłumaczenia |
Wykrywanie bloków tekstu i wyodrębnianie tekstu to różne operacje. Wykrywanie określa tylko, „gdzie jest tekst”. Wyodrębnianie tekstu określa, „co jest napisane”.
Możliwości modeli się różnią. Na przykład PaddleOCR VL 1.6 i GLM-OCR potrafią wyodrębniać tekst podczas wykrywania położenia bloków tekstu, a lokalny detektor bloków tekstu wykrywa tylko położenie.
Podział przepływu na kroki pozwala człowiekowi ingerować w proces lub powtórzyć tylko jego część, a różnym osobom współpracować nad tą samą mangą.
- Wyodrębnianie tekstu wymaga istniejących bloków tekstu. Bloki tekstu mogą pochodzić z modelu wykrywania bloków tekstu albo zostać oznaczone ręcznie.
- Tłumaczenie wymaga tekstu źródłowego. Tekst źródłowy może pochodzić z modelu wyodrębniania tekstu albo zostać wpisany ręcznie.
- Wyodrębnianie podsumowania obrazu można uruchomić niezależnie.
- Tłumaczenie może wykorzystać podsumowanie obrazu jako kontekst, ale go nie wymaga.
Możliwości modeli
Dział zatytułowany „Możliwości modeli”Uniwersalne AI:
Każdy model w konfiguracji Uniwersalnego AI może deklarować możliwości, które zapewnia:
- Wyodrębnij tekst wymaga obsługi obrazów na wejściu. Model odczytuje obszar bloku tekstu.
- Wyodrębnij podsumowanie obrazu wymaga obsługi obrazów na wejściu. Model odczytuje obraz całej strony.
- Przetłumacz wymaga generowania tekstu.
Wykryj bloki tekstu:
Wykrywanie bloków tekstu wymaga specjalnie zintegrowanego detektora. Obsługiwane opcje to lokalny detektor bloków tekstu, PaddleOCR VL 1.6 i GLM-OCR. Modele Uniwersalnego AI nie są w tym zadaniu wystarczająco dokładne, dlatego na razie ta możliwość nie jest dla nich obsługiwana.
Wyodrębnij tekst:
Ta możliwość korzysta z dedykowanej usługi. Obecnie obsługiwaną opcją jest lokalny ekstraktor tekstu.
W przyszłości mogą zostać dodane kolejne dedykowane integracje, np. modele do rekonstrukcji obrazu.
Te możliwości modeli skonfigurowane w sekcji Profil usługi odpowiadają przyciskom automatyzacji w edytorze komiksu:

Istniejące wyniki i nadpisywanie
Dział zatytułowany „Istniejące wyniki i nadpisywanie”Uruchamiając krok osobno, zwykle możesz wybrać, czy przetworzyć tylko brakujące wyniki, czy wszystkie obiekty od nowa. Ponowne przetworzenie wszystkiego może nadpisać istniejące wyniki, w tym ręcznie poprawiony tekst źródłowy lub tłumaczenia. Przed rozpoczęciem przetwarzania wsadowego sprawdź zakres.
Co operacja automatyzacji wysyła na zewnątrz
Dział zatytułowany „Co operacja automatyzacji wysyła na zewnątrz”Dane wysyłane do usług zewnętrznych zależą od kroku:
- Wykrywanie bloków tekstu zwykle wysyła obraz całej strony.
- Lokalny detektor bloków tekstu działa offline i niczego nie wysyła na zewnątrz.
- Wyodrębnianie tekstu wysyła wycinek bloku tekstu lub całą stronę, w zależności od dostawcy.
- Lokalny ekstraktor tekstu działa na urządzeniu i nie wysyła żądań rozpoznawania do internetowej usługi OCR.
- Wyodrębnianie podsumowania obrazu wysyła obraz całej strony.
- Tłumaczenie wysyła głównie tekst, kontekst i wpisy glosariusza.
Szczegóły dotyczące przechowywania danych i prywatności znajdziesz na stronie Często zadawane pytania.