This page was translated by AI and may contain errors. Read the English original
服務設定:文字區塊偵測
服務設定檔中的文字區塊偵測區段,用來設定專用的文字區塊偵測模型。目前的視覺語言模型通常能大致指出文字的位置,但無法可靠地定位精確座標。因此,這項任務使用專門針對 OCR、物件偵測或區域分割調整過的模型。
文字區塊偵測會找出漫畫圖片中的文字區域並建立文字區塊。這些區塊決定了後續擷取文字與翻譯步驟要處理的內容。
它只負責定位文字區域,與文字擷取不同。偵測器是否同時回傳原文,取決於所用的服務。
| 服務 | 是否需要 API | 偵測時是否回傳原文 | 適用情境 |
|---|---|---|---|
| 本機文字區塊偵測器 | 否 | 否 | 免費、離線偵測文字框 |
| PaddleOCR VL 1.6 | 是 | 是 | 一次請求完成偵測與 OCR |
| GLM-OCR | 是 | 是 | 擷取直排原文的能力稍弱 |
本機文字區塊偵測器
Section titled “本機文字區塊偵測器”開啟設定 → 服務設定檔 → 文字區塊偵測,選擇下載。下載完成後,應用程式會建立本機設定檔。你也可以離線匯入模型 ZIP,ZIP 檔可從 Neko Translator 網站取得。
本機偵測器目前只會回傳文字區塊的位置。若要完成整個工作流程,請設定提供擷取文字能力的服務,例如具備視覺能力的通用 AI 模型,或本機文字擷取器。在大多數漫畫翻譯情境中,將本機文字區塊偵測器搭配本機文字擷取器就已足夠,這也是目前推薦的設定。
本機文字區塊偵測器可以自動區分對話框內的文字與其他文字。
下載與匯入過程中,可能會遇到鏡像站選擇、網路錯誤、檔案缺失或雜湊值驗證失敗等情況。只有在你信任模型來源並了解風險時,才在驗證失敗後選擇繼續。
PaddleOCR VL 1.6 與 GLM-OCR
Section titled “PaddleOCR VL 1.6 與 GLM-OCR”線上 OCR 服務需要 API Key。建立設定後,請在批次處理或編輯器中選擇對應的模型。
由於這些服務會在文字區塊偵測時回傳原文,通常不需要另外執行擷取文字步驟。
這兩個模型都是開放原始碼,其維護者也提供了在本機部署的原始碼與教學。具體步驟請參閱各自的官方文件。
檢查偵測結果
Section titled “檢查偵測結果”請務必檢查:
- 是否有遺漏任何對話框或對話框外的文字;
- 是否有多個獨立的文字區塊被誤合併;
- 相鄰的文字區塊是否互相包含或重疊;
- 每個文字區塊的位置與方向是否正確;
- 旁白與音效是否需要分開處理。