BallonsOCR

BallonsOCR 是一个面向漫画、条漫、插图文本场景的桌面 OCR 提取工具，聚焦“文本检测 + OCR 识别 + 原文导出”。

本项目基于 dmMaze/BallonsTranslator 修改而来，当前方向已经调整为独立的新项目，不再以整套漫画翻译流程为核心。

来源与致谢

• 上游项目：dmMaze/BallonsTranslator
• 当前项目在其基础上做了提取器化改造、界面精简和默认流程调整
• 许可证沿用仓库中的 GPL-3.0，重新分发或继续修改时请保留原始许可与署名信息

当前定位

BallonsOCR 主要解决的是“从漫画页面里尽可能稳定地提取原文”。

当前默认流程：

1. 文本检测
2. OCR 识别
3. 导出原文文本

默认不再以“机器翻译 + 回填译文 + 翻译排版”为主要目标。

支持的内容

• 日漫、条漫、一般漫画页
• 对话框文本、旁白框、说明文字
• 一定程度上的拟声词和不规则文本区域
• 横排与竖排混合页面

实际效果仍然取决于：

• 选用的检测器
• 选用的 OCR 后端
• 原图清晰度
• 文本区域是否严重变形、遮挡或过小

支持的识别语言

当前项目的默认配置主要针对以下语言场景做了优化：

• 日语
• 简体中文
• 繁体中文
• 英语

说明：

• 不同 OCR 后端支持的语言能力不同
• smart_ocr 会按文本方向把区块分发给不同 OCR 引擎
• 如果你切换到云端或系统 OCR，最终可用语言还取决于对应后端本身

当前可用的核心能力

• 文本检测
• OCR 识别
• smart_ocr 分发器
• 原文导出为 txt / md
• 项目结果保存为 json
• 中文设置界面
• 提取模式下的界面精简

相比上游项目的主要变化

• 默认目标改为“文本提取”而不是“翻译”，翻译相关模块与交互已大幅移除或停用
• 默认提取模式下不再强依赖 GPU，CPU 环境可以直接启动并完成基础检测 / OCR 流程
• GPU 仍然可选，但不是使用前提

运行方式

图形界面

python launch.py

命令行批处理

python launch.py --headless --exec_dirs "D:\\path1,D:\\path2"

首次运行说明

首次运行时，程序可能会：

• 安装缺失的 Python 依赖
• 下载检测或 OCR 所需模型
• 初始化运行缓存

这属于正常行为，并不表示程序自动更新到了别的项目版本。

输出结果

当前流程通常会产出：

• 项目文件：imgtrans_*.json
• 原文导出：*_source.txt
• 原文导出：*_source.md

OCR 与检测说明

项目当前保留并支持多种检测 / OCR 后端；其中默认推荐思路是：

• 文本检测优先本地检测器
• OCR 默认优先 smart_ocr
• smart_ocr 会把竖排与横排区块分流到不同 OCR 引擎

如果某个后端在当前运行中失败，分发器会自动降级到备用引擎。

许可证

本项目保留上游项目的许可证文件：

• LICENSE

如果你基于本项目继续发布修改版本，请同时保留：

• 原许可证
• 上游项目来源说明
• 你自己的修改说明