LunaTranslator OCR 设置实战从内置模型到云端 API一篇搞定【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打开一款视觉小说日文字幕刷过屏幕翻译栏却一片空白或者跳出来一堆错字——十有八九是 OCR 这一环没配好。LunaTranslator OCR 设置的本质就是给软件挑一个看图识字的引擎再把它的密钥、模型、设备三项填对。本文按使用场景带你走完这条路径30 秒定位问题5 分钟填好密钥。决策导航先对号入座再去看哪一段配置之前先做三秒判断避免把时间花在错误的方向上| 你的处境 | 推荐引擎 | 一句话原因 | 看哪段 | | - | - | - | - | | 刚装好日/中/英/繁游戏 | 内置 OCRPP-OCRv5_mobile | 零密钥零下载开箱即用 | ① | | Win11 且想省一切事 | SnippingTool | 白捡的系统能力免费且准 | ① | | 想要最高精度 | 内置 OCR 换 PP-OCRv6_medium / PP-OCRv5_server | 识别准确率最高大模型配 GPU 不卡 | ①④ | | 漫画、竖排、手写风 | manga-ocr | 竖排日文专家但横排是短板 | ③ | | 韩 / 俄 / 西等小语种 | 对应定制模型korean / eslav / latin | 语言定制版比通用版准 | ③ | | 本地跑不动或要多语种云端 | 百度 / 腾讯 / 有道 / 火山 / 讯飞 / Google 等 | 统一拿密钥→填字段→选变体 | ② | | 花体字、艺术字、重度滤镜 | 大模型通用接口 | 唯一能看懂画面语境的方案 | ⑤ | 开箱即用档内置 PP-OCR 模型 系统白捡的本地能力谁适合90% 的新手。装完软件后OCR 引擎默认就是内置 OCR不用填任何密钥。怎么配默认内置的是PP-OCRv5_mobile百度开源的印刷体识别模型约 17.7 MB覆盖简体中文、繁体中文、英文、日文直接就能用想要更高精度或其他语种打开内置 OCR 的模型管理对话框下拉列表来自远端模型仓库勾选过的条目前带 √点下载后软件会校验文件完整性再解压到cache/ocrmodel断网时会退回本地已有模型选模型的原则一句话要准就选 PP-OCRv6_medium99.7 MB或 PP-OCRv5_server148 MB要快就留 PP-OCRv5_mobile 或换 PP-OCRv6_tiny5.45 MB同一段里还有系统白捡的两项SnippingTool复用 Windows 截图工具内置的识别能力仅 Win10–Win11新版 Windows 11 可直接用旧版本在设置里点一下安装即可WeChat/QQ OCR只要你本机装了微信或新版 QQ 就能直接用。配错了会怎样模型名在下拉里找不到会报无可用模型模型目录缺det.onnx、rec.onnx、dict.txt三件套里的任何一个会报模型加载失败——重新下载对应模型即可。另外两个引擎WindowsOCR和Tesseract5在官方文档里都标注了效果太差不推荐使用仅当以上全部不可用时才当兜底。 机制深挖内置引擎每次识别前都会做一次自检——模型列表、线程数、GPU 设备任何一项变了就自动重新加载所以你切换模型、调线程、换显卡都不用重启软件。模型管理与推理入口在 src/LunaTranslator/ocrengines/local.py。☁️ 5 分钟填好云端 OCR 密钥百度、腾讯、有道、火山、讯飞统一接入谁适合本地算力吃紧、需要识别冷门语种、或者单纯想要云端精度的场景。所有云端厂商都是同一个接入套路拿密钥 → 填字段 → 选接口变体区别只在于密钥字段名。怎么配打开 设置 → OCR把引擎下拉切到对应厂商字段会按厂商自动出现对照下表填写| 厂商 | 要填的字段 | 备注 | | - | - | - | | 百度 |API Key Secret Key智能云体系或APP ID 密钥翻译平台体系 | 接口下拉共 6 个变体见下方说明 | | 腾讯 |SecretId SecretKey图片翻译变体加填ProjectId| 还要选Regionap-beijing / ap-guangzhou / ap-hongkong / ap-seoul / ap-shanghai / ap-singapore | | 有道 |应用ID 应用密钥| 在 AI 开放平台创建应用后获得 | | 火山 |Access Key ID Secret Access Key| 先在火山引擎控制台开通视觉智能服务 | | 讯飞 |APPId APISecret APIKey三组 | 变体只有通用文字识别和印刷文字识别多语种两个 | | Google Cloud Vision | 单个key| 在 Google Cloud 为 Vision API 创建凭据即可 | | ocrspace |apikey 档位 | 档位下拉分pro/freefree 白嫖但配额有限 |以百度为例6 个变体里前 4 个都是通用文字识别的不同强度标准版 / 标准含位置版 / 高精度版 / 高精度含位置版后 2 个是图片翻译。两个容易踩的坑含位置变体会额外返回每块文字的坐标。只有带坐标的结果才能参与行合并和竖排自动判定普通 OCR 里台词被拆散、乱序先确认你选的是含位置版源语言设成自动时只有百度的标准版两个接口支持语言自动检测其他引擎会直接报当前 OCR 引擎不支持设置语言为自动把源语言改成具体语种即可。配错了会怎样报鉴权错误时按顺序查——密钥是否复制完整尤其空格和换行、接口变体和密钥体系是否匹配百度图片翻译两个变体用的是翻译平台密钥不是智能云密钥混填必挂、账户是否真的开通了这项服务。 图片翻译 ≠ OCR选了图片翻译变体后云端把识别 翻译一步做完返回的已经是目标语言文本软件会给结果打上标记并直接展示不再走你配置的翻译管线普通 OCR 只返回原文翻译要由翻译引擎接手。翻译 API 本身怎么配看官方文档翻译部分即可这里不展开。百度的两种鉴权细节access_token 是临时通行证按密钥对缓存不重复申请翻译平台变体在本地算 MD5 签名可看 src/LunaTranslator/ocrengines/baiduocr_X.py。 漫画竖排与多语种选对引擎台词不再翻车谁适合玩日漫改编游戏、漫画风 VN 的人以及需要识别韩语、斯拉夫语、拉丁语系的人。怎么配漫画竖排 → manga-ocr下载 manga-ocr 整合包分 CPU 版与 GPU 版它只对竖排、手写风文字有优势横向文本识别效果不佳——普通横排对话框的游戏别选它国内首次运行start.bat会去 huggingface 拉模型大概率失败。两种解法开代理可能要 TUN 模式或用 VS Code 打开整合包目录全局替换把huggingface.co换成hf-mirror.com再重跑start.bat控制台出现* Running on http://127.0.0.1:5665即服务就绪回到 LunaTranslator 选中 manga-ocr 引擎确认设置里的Port与它一致默认 5665可改。怎么配多语种 → 定制模型走内置 OCR 的模型下载通道即可korean_PP-OCRv5_mobile、eslav_PP-OCRv5_mobile、latin_PP-OCRv5_mobile 都支持在界面里下载并直接切换下拉选中后支持的语言一行会写明覆盖范围。配错了会怎样manga-ocr 窗口一闪而过或连接超时九成是服务没起来、端口不一致选了韩语模型去认英文画面会得到大量怪替换换回通用模型就好。 机制深挖manga-ocr 其实是个本机 HTTP 服务——LunaTranslator 把截图写成临时 PNG请求http://127.0.0.1:{端口}/image拿回纯文本无坐标实现只有几十行在 src/LunaTranslator/ocrengines/mangaocr.py。⚡ 让本地识别快一倍GPU、OpenVINO 与线程数三件套谁适合想上 PP-OCRv5_server 这类大模型、或内置模型跑起来明显吃 CPU 的人。三件加速工具都在内置 OCR 的同一个对话框里。怎么配线程数thread1~16默认 4。核多的机器可以直接拉到 8~12立竿见影GPU 开关DirectML 通道软件是 Win10 版、或系统是 Windows 11 时才会出现。DirectML 可以理解成Windows 官方给的显卡跑 ONNX 模型的通道。打开开关后会列出检测到的显卡供选择对大模型收益最明显OpenVINO 通道Intel CPU / NPU / GPU 的加速方案。下载 onnxruntime-openvino 安装包解压后把runtimes/win-x64/native里的文件全部覆盖到LunaTranslator/files/DLL64重启软件Device 下拉就会出现 Intel 设备列表。配错了会怎样对话框里显示当前软件或操作系统版本不支持使用GPU说明 DirectML 这条路被版本卡住了只能改试 OpenVINOOpenVINO 选项死活不出现检查 DLL 是否真的覆盖进了files/DLL64并完整重启过。 机制深挖GPU 可用性由运行库动态探测——先问 DMLDML 不可用再问 OpenVINO都不可用才显示不支持。所以同一台机器装不装那个 nupkg界面长得不一样。 花体字救星大模型通用接口何时才值得开谁适合内置模型和云端 API 都搞不定的极端画面——花体字、艺术字、重度滤镜/特效背景或者必须看懂语境才能认对的文字。怎么配OCR 引擎选大模型通用接口配置与翻译侧的大模型接口完全共用填API Key、API接口地址任何兼容 OpenAI 协议的端点、model三项就能跑。默认提示词是Recognize the {srclang} text in the picture.识别图中的{源语言}文本打开使用自定义 prompt可以改写它只要自定义提示词里包含{tgtlang}占位符返回结果就会被当作图片翻译直接展示不再二次翻译。什么时候值得用把它当救火队而不是主力——每次识别都是一次多模态 API 调用延迟以秒计Token 持续消耗还依赖网络。日常跟读游戏用内置模型足够遇到个别页面认不出来再临时切过去。识别不准怎么调常见症状对号入座| 症状 | 可能原因 | 你的动作 | | - | - | - | | 翻译栏始终空白 | OCR 自动化没开或选区没框住文字 | 先确认 OCR 已启用、截图选区盖住文本再谈引擎 | | 云端 API 报鉴权错误 | 密钥不完整变体与密钥体系不匹配服务未开通 | 按配错了会怎样一节逐条核对 | | 无可用模型 / 模型加载失败 | 模型缺失或目录不全 | 重新下载确认目录含det.onnx、rec.onnx、dict.txt| | GPU 选项不出现 | 软件版本或系统不支持 DirectML | 改试 OpenVINO 通道 | | manga-ocr 连接不上 | 服务未启动、端口不一致 | 看服务窗口是否出现Running on http://127.0.0.1:5665对齐Port| | 一句话被拆成多段 / 乱序 | 行合并阈值不合适、竖排判定错 | 调ocrmergelines_distance默认 0.4调大更激进检查全局verticalocr是否与实际排版一致 | | 同一句话反复重译 | 文本相似度阈值偏低 | 调高文本相似度阈值编辑距离超过阈值才输出新文本 | 机制深挖引擎只是看图识字的一半。识别结果回来后会经历三步后处理——按文本块宽高比猜竖排、按距离阈值合并同行的碎块ocrmergelines_distance默认 0.4、执行 OCR 纠错替换。所以拆散乱序这类问题多半出在后半程而不是引擎本身实现见 src/LunaTranslator/ocrengines/baseocrclass.py。收尾选型就一条主线场景决定引擎参数只是收尾——日常用内置模型加系统白捡能力精度和速度的矛盾交给 GPU极端字体才召唤大模型。每个引擎的字段与默认值都能在 src/LunaTranslator/defaultconfig/ocrsetting.json 查到各家官方密钥申请入口整理在 docs/zh/useapis/ocrapi.md想动手改引擎就看 src/LunaTranslator/ocrengines/。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考