Перейти к содержимому
Эта страница переведена ИИ и может содержать ошибки. Читать оригинал на английском

Настройка сервисов: обнаружение текстовых блоков

Раздел Обнаружение текстовых блоков в профилях сервисов настраивает специальные модели обнаружения текстовых блоков. Современные визуально-языковые модели часто могут приблизительно указать, где находится текст, но ненадёжно определяют точные координаты. Поэтому для этой задачи используются модели, специально адаптированные для OCR, обнаружения объектов или сегментации областей.

Обнаружение текстовых блоков находит области с текстом на изображениях комиксов и создаёт текстовые блоки. Эти блоки определяют, что будут обрабатывать последующие шаги извлечения текста и перевода.

Оно только находит области с текстом и не равнозначно извлечению текста. Возвращает ли детектор также исходный текст, зависит от сервиса.

СервисНужен APIВозвращает исходный текст при обнаруженииЛучше всего подходит для
Локальный детектор текстовых блоковНетНетБесплатное офлайн-обнаружение рамок
PaddleOCR VL 1.6ДаДаОбнаружение и OCR одним запросом
GLM-OCRДаДаЧуть хуже извлекает вертикальный исходный текст

Откройте Настройки → Профили сервисов → Обнаружение текстовых блоков и нажмите Скачать. После завершения загрузки приложение создаст локальный профиль. Также можно импортировать ZIP-архив модели офлайн; архив доступен на сайте Neko Translator.

Сейчас локальный детектор возвращает только положение текстовых блоков. Для полного процесса настройте сервис с возможностью Извлечь текст, например модель универсального ИИ с поддержкой изображений или локальный экстрактор текста. В большинстве сценариев перевода манги связки локального детектора текстовых блоков и локального экстрактора текста достаточно, и сейчас это рекомендуемая настройка.

Локальный детектор текстовых блоков умеет автоматически отличать текст внутри пузырей от остального текста.

При загрузке и импорте могут понадобиться выбор зеркала, а также возможны сетевые ошибки, отсутствующие файлы или сбои проверки хеша. Продолжайте после сбоя проверки, только если доверяете источнику модели и понимаете риск.

Онлайн-сервисам OCR нужен API-ключ. После создания конфигурации выберите соответствующую модель в пакетной обработке или в редакторе.

Поскольку эти сервисы возвращают исходный текст уже при обнаружении текстовых блоков, отдельный шаг извлечения текста обычно не нужен.

Обе модели имеют открытый исходный код, а их разработчики предоставляют исходный код и инструкции по локальному развёртыванию. Точные шаги см. в их официальной документации.

Всегда проверяйте:

  • не пропущены ли речевые пузыри или текст вне пузырей;
  • не объединены ли по ошибке несколько независимых текстовых блоков;
  • не содержат ли соседние текстовые блоки друг друга и не перекрываются ли они;
  • правильны ли положение и направление каждого текстового блока;
  • не нужна ли отдельная обработка для текста повествования и звуковых эффектов.