Konfiguracja usług: wykrywanie bloków tekstu
Do czego służy wykrywanie
Dział zatytułowany „Do czego służy wykrywanie”Sekcja Wykrywanie bloków tekstu w Profilu usługi służy do konfigurowania dedykowanych modeli wykrywania bloków tekstu. Obecne modele wizyjno-językowe często potrafią wskazać przybliżone położenie tekstu, ale nie określają wiarygodnie dokładnych współrzędnych. Dlatego do tego zadania używa się modeli specjalnie przystosowanych do OCR, wykrywania obiektów lub segmentacji obszarów.
Wykrywanie bloków tekstu znajduje obszary z tekstem na obrazach komiksu i tworzy bloki tekstu. Te bloki określają, co przetworzą późniejsze kroki wyodrębniania tekstu i tłumaczenia.
Wykrywanie tylko lokalizuje obszary z tekstem – nie jest tym samym co wyodrębnianie tekstu. To, czy detektor zwraca także tekst źródłowy, zależy od usługi.
Obsługiwane usługi
Dział zatytułowany „Obsługiwane usługi”| Usługa | Wymaga API | Zwraca tekst źródłowy podczas wykrywania | Najlepsze zastosowanie |
|---|---|---|---|
| Lokalny detektor bloków tekstu | Nie | Nie | Bezpłatne wykrywanie ramek offline |
| PaddleOCR VL 1.6 | Tak | Tak | Wykrywanie i OCR w jednym żądaniu |
| GLM-OCR | Tak | Tak | Nieco słabiej wyodrębnia pionowy tekst źródłowy |
Lokalny detektor bloków tekstu
Dział zatytułowany „Lokalny detektor bloków tekstu”Otwórz Ustawienia → Profil usługi → Wykrywanie bloków tekstu i kliknij Pobierz. Po zakończeniu pobierania aplikacja utworzy profil lokalny. Możesz też zaimportować model offline z archiwum ZIP dostępnego na stronie Neko Translator.
Lokalny detektor zwraca obecnie tylko położenie bloków tekstu. Aby uzyskać pełny przepływ pracy, skonfiguruj usługę obsługującą funkcję Wyodrębnij tekst, np. model Uniwersalnego AI z obsługą obrazu lub lokalny ekstraktor tekstu. W większości scenariuszy tłumaczenia mangi połączenie lokalnego detektora bloków tekstu z lokalnym ekstraktorem tekstu w zupełności wystarcza i jest obecnie zalecaną konfiguracją.
Lokalny detektor bloków tekstu potrafi automatycznie odróżnić tekst w dymkach od pozostałego tekstu.
Podczas pobierania i importu może być konieczny wybór serwera lustrzanego; mogą też wystąpić błędy sieci, brakujące pliki lub nieudana weryfikacja sumy kontrolnej. Kontynuuj po nieudanej weryfikacji tylko wtedy, gdy ufasz źródłu modelu i rozumiesz ryzyko.
PaddleOCR VL 1.6 i GLM-OCR
Dział zatytułowany „PaddleOCR VL 1.6 i GLM-OCR”Internetowe usługi OCR wymagają klucza API. Po utworzeniu konfiguracji wybierz odpowiedni model w przetwarzaniu wsadowym lub w edytorze.
Ponieważ te usługi zwracają tekst źródłowy podczas wykrywania bloków tekstu, osobny krok wyodrębniania tekstu zwykle nie jest potrzebny.
Oba modele są open source, a ich twórcy udostępniają kod źródłowy i samouczki dotyczące wdrażania ich lokalnie. Szczegółowe kroki znajdziesz w ich oficjalnej dokumentacji.
Sprawdzanie wyników wykrywania
Dział zatytułowany „Sprawdzanie wyników wykrywania”Zawsze sprawdź:
- czy nie pominięto żadnych dymków ani tekstu poza dymkami;
- czy kilka niezależnych bloków tekstu nie zostało omyłkowo scalonych;
- czy sąsiednie bloki tekstu nie zawierają się w sobie ani nie nakładają;
- czy położenie i kierunek każdego bloku tekstu są poprawne;
- czy narracja i efekty dźwiękowe wymagają osobnego potraktowania.