Manga OCR 是一個 Vision Encoder‑Decoder OCR 工具,能閱讀垂直與水平的日語漫畫文字(包含振假名),適用於多種字體與低品質圖像,且源碼免費提供。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
299,000
Hugging Face 按讚數
192
收錄日
—
自頁面建立時收錄
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 2025年12月 | 204,000 |
| 2026年1月 | 217,000 |
| 2026年2月 | 221,000 |
| 2026年3月 | 324,000 |
| 2026年4月 | 289,000 |
| 2026年5月 | 295,000 |
| 2026年6月 | 368,000 |
| 2026年7月 | 424,000 |
| 2026年8月 | 659,000 |
| 2026年9月 | 1,000,000 |
| 2026年10月 | 804,000 |
| 2026年11月 | 299,000 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- meiki.txt.recognition.v0rtr4642kMeikiocr的 meiki.text.recognition.v0——一個基於 D‑FINE 的 MobileNetV4 模型,在日語視訊遊戲文字上微調——為水平文字提供最先進的準確性和延遲,能從 960×32 的輸入中偵測多達 48 個字符,並輸出每個字符的外框與置信度分數。
- meiki.text.detect.v0rtr4622kmeikiocr 提供一款基於 D‑FINE 的開源權重文字偵測模型,適用於遊戲視訊(v0.1 版,採用 MobileNet‑v4 主幹,提供兩種解析度變體與 64 框限制),以及實驗性低延遲 tiny 與 small 變體,已在日本遊戲及漫畫上訓練。
- manga-ocr-2025-onnxl0wgear9k一款基於 kha‑white 的 manga‑ocr 與 jzhang533 2025 基線構建的 ONNX Vision‑Encoder‑Decoder Manga OCR 模型,支援垂直/水平日文文字、振假名、疊加與低品質影像,訓練資料包含 manga109‑s 與合成數據,可透過 Hugging Face Optimum 使用 TrOCRProcessor 與 ORTModelForVision2Seq 部署。
- manga-ocrmayocream2kManga OCR 是一個 Vision Encoder‑Decoder 系統,能在各種字體與低品質影像中提供高品質的日本漫畫 OCR,包括帶有假名覆蓋的垂直與水平文字,亦可用於一般印刷日語 OCR。
- sarashina2.2-vision-3bsbintuitions1kSarashina2.2‑Vision‑3B 是一款日本大型視覺語言模型(3 B 參數),建立於 Sarashina2.2‑3B‑Instruct 和 SigLIP 的影像編碼器之上,在日本 VQA 基準如 BussinessSlide、Heron‑Bench、JDocQA 與 JMMMU 上取得競爭性分數,同時在英語任務 DocVQA、InfoVQA 及 RealworldQA 上亦表現優異。
- sarashina2.2-ocrsbintuitions1kSarashina2.2‑OCR 是一款 3‑B 參數、端到端的 OCR 模型,經過人類偏好優化後,能將日文與英文文件解析為 Markdown,並將表格轉換為 HTML,數學轉換為 LaTeX,圖形轉換為 bounding‑box 註釋;它透過將 SigLIP2 為基礎的視覺編碼器與 Sarashina2.2‑3B‑Instruct LLM 整合,實現高解析度視覺‑語言理解。
研究領域相近的資源
yomitokukotaro-kinoshita1.7kYomitoku是一個專為日語設計的AI驅動的文件圖像分析套件。GitHub共同: 視覺資料・多模態
Poricomblueaxis447漫畫圖像的光學字符識別。漫畫OCR桌面應用程式。GitHub共同: 視覺資料・多模態
owocraurorawright317日文文本的光學字符識別GitHub共同: 視覺資料・多模態
findtextcenternetlithium000367使用CenterNet的日文OCRGitHub共同: 視覺資料・多模態
handwritten-japanese-ocryas-sim37手寫日文OCR演示,使用觸控面板繪製輸入文本,使用Intel OpenVINO工具包。GitHub共同: 視覺資料・多模態
text_recognitionndl-lab8NDLOCR使用文字識別模組GitHub共同: 視覺資料・多模態