企业官网建设流程全解析

LunaTranslator OCR 引擎设置一步到位：按场景选对识别方案

【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator

提取不到文字、识别出来一堆错字、识别太慢跟不上剧情——这三个吐槽基本都源于 OCR 引擎没选对或没调对。LunaTranslator 的 OCR 设置页里有一二十个引擎，从在线云接口到内置模型再到系统组件，各有各的擅长。下面按"你处在什么场景"来讲，该选哪个、怎么填、坑在哪。

先跑起来：内置 OCR 零配置怎么用

装完软件什么都不用填。默认引擎是"内置 OCR"，自带 PP-OCRv5_mobile 这个轻量识别模型，支持简体中文、繁体中文、英文、日文，约 17.7 MB，开箱即认。框选游戏对话框就能出字。

但很多人第一反应是"一句话为什么被切成了好几段"。这多半不怪引擎：OCR 引擎一次返回的是"文字块+坐标"，模型常会把同一行切成多个小块，之后由后处理做三件事：

• 竖排/横排判定：不手动指定时，按文字块的宽高比例猜——整体高大于宽就当竖排。设置里有横向、竖向、自适应三档，默认自适应；
• 行合并：默认开启，把距离足够近的两个块并成一行（"足够近"的阈值系数默认 0.4）；
• OCR 纠错：按你配置的替换规则修正常错的字。

所以台词被拆开时，先调行合并的距离阈值和竖排判定，而不是急着换引擎。

多语种游戏：语言包模型优先于云接口

内置默认模型只覆盖中日英繁。玩韩语、西语、俄语的游戏，就在内置 OCR 设置的模型列表里下载对应语言模型：

• 韩语 → korean_PP-OCRv5_mobile
• 拉丁语系（法语、西语等）→ latin_PP-OCRv5_mobile
• 东斯拉夫语系 → eslav_PP-OCRv5_mobile
• 想通用 → PP-OCRv6 系列（支持"任意"语言）

模型在设置页内直接下载，会校验文件大小和 MD5，存进本地缓存目录，并且支持热切换——换模型不用重启软件。一个完整的模型目录必须含 det.onnx（找文字在哪）、rec.onnx（认字）、dict.txt（字表）三个文件，手动挪动后识别突然失败时，先查它们是否齐全。

语种特别多时（百度接口支持中文到泰语、阿拉伯语共 17 种左右），再考虑在线接口或"大模型通用接口"：后者把截图直接交给多模态大模型认字，配置和翻译页的大模型一样，填 API Key、接口地址、模型名即可。优点是懂语境，艺术字、复杂背景都不怕；缺点是延迟高、耗 token，不适合高频自动 OCR。

日文竖排漫画：manga-ocr 与镜像解决办法

manga-ocr 是专门针对日文漫画文字做的本地引擎，基于 transformer 模型，竖排和手写风格字表现最好；但文档明确提示它对横向文本识别不佳，横排文字的游戏别用。

它的工作方式是本地服务：先跑起官方整合包（在官网 Resource 页下载 CPU 或 GPU 整合包，执行 start.bat），服务默认监听本机 5665 端口（设置里可改，1~65535），LunaTranslator 把截图发给它的 /image 接口拿文字。

国内用户首次启动几乎必失败，因为它要从 huggingface.co 下模型。两种办法：开代理（建议 TUN 模式，要覆盖命令行流量）；或者用 VS Code 打开整合包目录，全局搜索把所有 huggingface.co 替换成 hf-mirror.com（替换项多，等一会儿），重跑 start.bat。控制台出现 Running on http://127.0.0.1:5665 即启动成功。

精度拉满：内置模型怎么选

| 模型 | 检测准确率 Hmean(%) | 识别准确率(%) | 支持语言 | 体积(MB) | | - | - | - | - | - | | PP-OCRv5_server | 83.8 | 86.38 | 简中、繁中、英、日 | 148 | | PP-OCRv6_medium | 86.2 | 83.2 | 任意 | 99.7 | | PP-OCRv6_small | 84.1 | 81.3 | 任意 | 25.2 | | PP-OCRv5_mobile（默认） | 79.0 | 81.29 | 简中、繁中、英、日 | 17.7 | | korean_PP-OCRv5_mobile | 79.0 | 88.0 | 韩语 | 12.2 | | latin_PP-OCRv5_mobile | 79.0 | 84.7 | 拉丁字母语言 | 11.3 | | eslav_PP-OCRv5_mobile | 79.0 | 81.6 | 东斯拉夫语言 | 11.2 | | PP-OCRv6_tiny | 80.6 | 73.5 | 任意 | 5.45 |

两个思路：识别准确率要最高选 PP-OCRv5_server（86.38%）；检测要最强选 PP-OCRv6_medium（86.2%）；想要体积和精度平衡就 PP-OCRv6_small。高精度模型重，想跟上剧情速度，配合下一节的提速手段。精度还有更高要求的，再上云端高精度接口（如百度高精度版、腾讯通用印刷体），代价是填密钥、走流量。

零成本本地方案：SnippingTool 与微信/QQ OCR

• SnippingTool：复用 Windows 10/11 截图工具内置的 OCR，完全本地、免费，准确率很高。最新版 Win11 直接可用，其他系统需要在设置里安装模块（软件会按包族名定位系统截图工具，找不到就自动下载 oneocr.dll 等必要文件）。截图小于 50×50 像素时会自动放大再识别。
• WeChat/QQ OCR：复用微信或新版 QQ 客户端的 OCR 组件，需要本机装了对应客户端，无需任何密钥，开关即装即用。

另外两个引擎建议主动避开：WindowsOCR和Tesseract5。官方文档都标注"效果太差，不推荐使用"，配置里也已被标记为过时，其他引擎全挂时才拿来兜底。

识别太慢怎么提速

按性价比排序：

1. 推理线程数：1~16 可选，默认 4。多核机器往上加，是第一个该做的免费提速；
2. GPU（DML）：ONNX Runtime 的 DirectML 提供者，让显卡干卷积计算。软件为 Win10 版或系统为 Windows 11 时可用，支持时内置 OCR 设置会出现"使用GPU"开关，打开后还能在下拉里挑具体显卡；
3. OpenVINO：用 Intel CPU/NPU/GPU 的话，下载 onnxruntime-openvino 的 nupkg 包，解压后把 runtimes/win-x64/native 里的文件覆盖到 files/DLL64 目录，重启软件，Device 下拉里就会出现 OpenVINO 支持的各类设备。

怎么判断选项在不在：不支持 DML 时，设置里会直接显示"当前软件或操作系统版本不支持使用GPU"；覆盖了 DLL 却没有 OpenVINO 选项，就是文件没拷全，重做一遍。

🔑 在线 OCR 密钥配置速查

密钥栏全是隐藏输入，粘贴时注意别带空格。申请入口和申请方式详见 docs/zh/useapis/ocrapi.md。

| 厂商 | 需要的凭据 | 接口差异 | | - | - | - | | 百度 | API Key + Secret Key | 共 6 个选项：智能云通用识别（标准/含位置/高精度/高精度含位置）和智能云图片翻译用这一对密钥；第 6 项"翻译开放平台图片翻译"改用平台的 APP ID + 密钥 | | 腾讯 | SecretId + SecretKey | 通用印刷体识别与图片翻译两接口，后者还要填 ProjectId；Region 可选 ap-beijing 等 6 个地域 | | 有道 | APP_KEY + APP_SECRET | 通用文字识别、图片翻译两接口 | | 火山 | Access Key ID + Secret Access Key | 无接口选项，直接填 | | 讯飞 | APPId + APISecret + APIKey | 三组凭据；接口可选通用文字识别或印刷文字识别（多语种） | | Google Cloud Vision | 单个 key | 控制台给 Vision API 建凭据后填入 | | ocrspace | apikey | 接口选 pro 或 free，free 档受配额限制 | | 大模型通用接口 | API Key | 加接口地址、模型名，配置与翻译大模型相同 |

最容易填错的三个坑：

1. 百度前 5 项和第 6 项是两套完全不同的密钥体系，把智能云的 Key 填进翻译平台接口必挂；
2. 讯飞是唯一要三组凭据的厂商，漏一组都不行；
3. 所有叫"图片翻译"的接口（百度 4/5、腾讯、有道）是云端一次完成"识别+翻译"，返回的已是目标语言文本，软件会特殊标记、不再走翻译管线——别以为翻译坏了。

顺带一提：百度智能云标准版接口可以把源语言设为自动检测；密钥换到的 token 会缓存，不会每次截图都重新申请。

出问题了先查这里

• 提取不到文字：引擎有没有勾选、截图区域设了没有；SnippingTool 老系统要先装模块；
• 在线接口报鉴权错误：按"密钥是否复制完整 → 接口类型选对没有 → 控制台是否开通服务"的顺序查；
• 内置模型加载失败：模型目录里 det.onnx、rec.onnx、dict.txt 是否齐全，损坏就删掉重新下载；
• 没有 GPU 选项：当前软件或系统版本不支持 DML，改走 OpenVINO；
• 没有 OpenVINO 选项：确认 DLL 是否完整覆盖进 files/DLL64；
• manga-ocr 起不来：内网连不上 huggingface，用上面的镜像替换法；
• 结果乱序、台词被拆散：回头调行合并距离阈值与竖排判定；
• 同一句话反复重译：把自动化里的"文本相似度阈值"调高，让识别结果与上次差得够多才输出，详见 docs/zh/ocrparam.md。

一页决策清单

• 中日英繁、零配置：内置 OCR（PP-OCRv5_mobile）；
• 韩语/拉丁/东斯拉夫：下载对应语言包模型；
• 精度优先：PP-OCRv5_server 或 PP-OCRv6_medium，配合 GPU 或 OpenVINO；
• 日文竖排漫画：manga-ocr（横排文字别用它）；
• Windows 零成本高精度：SnippingTool；机器上有微信或新版 QQ：WeChat/QQ OCR；
• 多语种、艺术字、复杂背景：云端高精度接口或大模型通用接口；
• 避开：WindowsOCR、Tesseract5。

所有引擎的参数与默认值可在 src/LunaTranslator/defaultconfig/ocrsetting.json 里对照，每个引擎的具体实现在 src/LunaTranslator/ocrengines/ 下，遇到怪问题直接翻源码。

【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator