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。
文本块检测负责什么
Section titled “文本块检测负责什么”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 |
本地文本块检测器
Section titled “本地文本块检测器”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。
PaddleOCR VL 1.6 和 GLM-OCR
Section titled “PaddleOCR VL 1.6 和 GLM-OCR”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。