manga-ocr: 针对漫画文本气泡和复杂布局优化的日语 OCR 引擎

它解决了什么问题

manga-ocr 提供专门针对漫画中日语文本优化的高质量光学字符识别 (OCR) 功能。它解决了漫画 OCR 中常见的挑战，例如纵向和横向文本、注音 (furigana)、叠加在复杂图像上的文本、多样化的字体样式以及低质量的图像源。

工作原理

该项目使用基于 Transformers 的 Vision Encoder Decoder 框架构建的自定义端到端模型。与将文本拆分为行的传统 OCR 模型不同，manga-ocr 可以在单次前向传播中识别多行文本，从而能够一次性处理整个文本气泡。

适用人群

它专为想要从漫画、小说或视频游戏中提取日语文本的用户设计。对于那些使用 ShareX、Flameshot 等工具并结合 Yomitan 等词典应用进行阅读和挖掘工作流的用户来说，特别有用。

亮点

• 基于 Vision Encoder Decoder 的自定义端到端模型
• 支持纵向和横向日语文本
• 处理注音 (furigana) 和叠加在图像上的文本
• 在单次处理中识别多行文本气泡
• 可以在后台运行，处理来自剪贴板或特定文件夹的图像