跳转到内容

服务配置:文本块检测

服务配置中的「文本块检测」栏目用于配置检测文本块的专用模型。

当前大语言模型的视觉能力,虽然能清楚文本信息在图片的大致位置,但不擅长指出精确的坐标,所以这个工作些仅能通过专用于OCR的模型、专门的对象检测模型、区域分割模型来完成。

文本块检测查找漫画图片中的文字区域,并创建文本块。它决定后续提取文字和翻译的处理对象。

它只负责将文本区域找出,不等同于提取文字。检测器是否同时输出原文,要看具体服务。

服务是否需要 API是否同时输出原文适合场景
本地文本块检测器否否希望免费、离线检测文本块
PaddleOCR VL 1.6是是希望一次完成检测和 OCR
GLM-OCR是是提取竖排原文能力稍弱

在 设置 → 服务配置 → 文本块检测 中选择下载。下载完成后,应用会自动创建本地配置。也可以离线导入模型 ZIP,可在官网下载。

本地检测器当前只提供文本块位置。因此完整流程仍需要配置一个提供 提取文字 能力的服务,例如带视觉能力的通用 AI 服务、或者本地提取文字器。

通常情况下,「本地文本块检测器」和「本地提取文字器」配合,已经能适应大多数的漫画翻译场景,是猫译员目前的推荐配置。

本地文本块检测器能够自动区分「框内」和「其他」文本。

在线 OCR 需要 API Key。创建配置后,在批量处理或编辑器中选择对应模型。

由于它们会在文本块检测时同时返回原文,后续通常不需要再运行一次提取文字。

这两个模型均为开源模型,官方提供了在本地部署的开源代码和教程,具体步骤请参考其官方文档。