ORC文字辨識無法使用參數zh-TW

[Tim0320]

gmlkit.ocr(img,Language)的Language填入需要的語言
在更多語言中的ML Kit 文檔裡面有包含針對繁體中文的值 zh-TW
但使用該參數後卻無法讀取到任何中文文字

使用值 zh可以正常偵測中文字，但會在簡體與繁體之間來回切換

[SuperMonster003]

感謝反饋.

你是希望使用 AutoJs6 內建的 ML Kit 光學字元識別功能來識別僅包含正體字的圖片嗎.
另外 AutoJs6 沒有 gmlkit.ocr 的用法, 你使用的是其他版本的 Auto.js (如 Autox.js v6) 嗎.

---

zh-CN:

感谢反馈.

你是希望使用 AutoJs6 内置的 ML Kit 光学字符识别功能来识别仅包含正体字的图片吗.
另外 AutoJs6 没有 gmlkit.ocr 的用法, 你使用的是其他版本的 Auto.js (如 Autox.js v6) 吗.

[Tim0320]

我使用Autox.js v7版本作為使用
我想使用內建的ML Kit光學字元辨識僅辨識繁體字(正體字)的圖片

[SuperMonster003]

就 ML Kit (Text Recognition v2) 的能力來說, 只識別繁體中文或者只識別簡體中文這種 "簡繁分離" 基本上是做不到的.
ML Kit 的 "中文" 不是按 zh-CN / zh-TW 分模型的.

ML Kit 的 Text Recognition v2 文件中可以找到一些線索:

• "中文" 在 Supported languages 裡對應的 BCP-47 code 是 zh, 並註明指令碼 Hans/Hant (簡/繁都覆蓋).
• 在 Mapped languages 裡, zh-Hans / zh-Hant / zh-Hant-HK 都被對映到同一個 zh (也就是說, 這些 tag 不會觸發不同模型, 只是別名/對映).

所以從官方語義上講, 沒有一個 "zh-TW (繁體專用) OCR 模型" 可以選, 當你傳入某個 tag, 但最終仍按 zh 處理.

另外你提到 zh 能識別中文, 但 zh-TW 傳進去後讀不到任何中文, 一種猜測是 "zh" 在 Autoxjs v7 中可以命中 LATIN_AND_CHINESE, 但 "zh-TW" 沒有命中 "zh", 於是發生回退 (只識別 Latin), 於是導致沒有任何中文能識別出來. 大概過程如下:

• Language == "zh" -> LATIN_AND_CHINESE
• 其他值 (包括 "zh-TW") -> 退回到 Latin (只識別拉丁字元, 沒有中文結果)

最後, 如果確實需要輸出結果統一為繁體, 那麼使用 OpenCC 或許是一個可行方案.

下給以 AutoJs6 為例 (Autox.js v7 可根據專案實際情況做程式碼調整, 或向專案倉庫開發者尋求幫助), 給出一個 OpenCC 轉換示例:

images.requestScreenCapture();

let capt = images.captureScreen();

ocr.mode = 'mlkit';
let raw = ocr.mlkit(capt);

let tw = raw.map(it => opencc.s2twi(it));
console.log(tw);

如果追求極致精簡的話:

log(ocr().map(s => opencc.s2twi(s)));

當然, OpenCC 只是轉換而不是糾錯. 如果 OCR 本身把字識別錯了 (ML Kit 的速度很快, 但準確率可能不盡人意), 那麼轉換結果自然也會出現偏差.

如有其他問題, 歡迎繼續反饋.

---

就 ML Kit (Text Recognition v2) 的能力来说, 只识别繁体中文或者只识别简体中文这种 "简繁分离" 基本上是做不到的.
ML Kit 的 "中文" 不是按 zh-CN / zh-TW 分模型的.

ML Kit 的 Text Recognition v2 文档中可以找到一些线索:

• "中文" 在 Supported languages 里对应的 BCP-47 code 是 zh, 并注明脚本 Hans/Hant (简/繁都覆盖).
• 在 Mapped languages 里, zh-Hans / zh-Hant / zh-Hant-HK 都被映射到同一个 zh (也就是说, 这些 tag 不会触发不同模型, 只是别名/映射).

所以从官方语义上讲, 没有一个 "zh-TW (繁体专用) OCR 模型" 可以选, 当你传入某个 tag, 但最终仍按 zh 处理.

另外你提到 zh 能识别中文, 但 zh-TW 传进去后读不到任何中文, 一种猜测是 "zh" 在 Autoxjs v7 中可以命中 LATIN_AND_CHINESE, 但 "zh-TW" 没有命中 "zh", 于是发生回退 (只识别 Latin), 于是导致没有任何中文能识别出来. 大概过程如下:

• Language == "zh" -> LATIN_AND_CHINESE
• 其他值 (包括 "zh-TW") -> 退回到 Latin (只识别拉丁字符, 没有中文结果)

最后, 如果确实需要输出结果统一为繁体, 那么使用 OpenCC 或许是一个可行方案.

下给以 AutoJs6 为例 (Autox.js v7 可根据项目实际情况做代码调整, 或向项目仓库开发者寻求帮助), 给出一个 OpenCC 转换示例:

images.requestScreenCapture();

let capt = images.captureScreen();

ocr.mode = 'mlkit';
let raw = ocr.mlkit(capt);

let tw = raw.map(it => opencc.s2twi(it));
console.log(tw);

如果追求极致精简的话:

log(ocr().map(s => opencc.s2twi(s)));

当然, OpenCC 只是转换而不是纠错. 如果 OCR 本身把字识别错了 (ML Kit 的速度很快, 但准确率可能不尽人意), 那么转换结果自然也会出现偏差.

如有其他问题, 欢迎继续反馈.

[Tim0320]

經過你的說明我去查看了ML Kit的文檔，發現說僅繁體頁面才有此BCP-47="zh-TW"的值

雖然不太確定這參數能否調用(如更新ML kit或更換版本)，但先謝謝你的答覆，我先嘗試使用您提供的方法

[SuperMonster003]

在英文原版的表格中, 第一列是語言本地寫法, 例如中文行顯示 "中文", 英文行顯示 "English".

你提供的截圖裡 zh-TW 這行第一列顯示 "英文", 很可能是把某個語言名 (English) 錯塞到了 zh-TW 這行.

更重要的是, 在 ML Kit 官方英文頁 (Text recognition v2: supported languages / mapped languages) 裡, 並沒有把 zh-TW 列為單獨條目; 中文相關的 "對映" 條目是 zh-Hans/zh-Hant/zh-Hant-HK, 並且它們都會 mapped to zh.

這也進一步說明, 截圖中異常存在的 zh-TW, 可信度很低, 更像是前端翻譯的 bug 或錯配.
必要的話可以考慮跟社群反饋一下.

不論如何, 不論是 Autox.js v7 還是 AutoJs6, 整合的 ML Kit (OCR) 都是最新版本的.
文件可能出現紕漏, 最終還是以實際測試結果為準 (目前的實際結果應該就是不能做到 "簡繁分離").

---

zh-CN:

在英文原版的表格中, 第一列是语言本地写法, 例如中文行显示 "中文", 英文行显示 "English".

你提供的截图里 zh-TW 这行第一列显示 "英文", 很可能是把某个语言名 (English) 错塞到了 zh-TW 这行.

更重要的是, 在 ML Kit 官方英文页 (Text recognition v2: supported languages / mapped languages) 里, 并没有把 zh-TW 列为单独条目; 中文相关的 "映射" 条目是 zh-Hans/zh-Hant/zh-Hant-HK, 并且它们都会 mapped to zh.

这也进一步说明, 截图中异常存在的 zh-TW, 可信度很低, 更像是前端翻译的 bug 或错配.
必要的话可以考虑跟社区反馈一下.

不论如何, 不论是 Autox.js v7 还是 AutoJs6, 集成的 ML Kit (OCR) 都是最新版本的.
文档可能出现纰漏, 最终还是以实际测试结果为准 (目前的实际结果应该就是不能做到 "简繁分离").