跳到內容
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

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。

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。

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。