Improve OCR speed and preprocessing

This commit is contained in:
messypy
2026-06-03 21:49:55 +09:00
committed by every_holiday
parent e8eb9463fa
commit 6f22223394
5 changed files with 195 additions and 13 deletions

View File

@@ -61,12 +61,39 @@ missing_count = 3
DISCORD_WEBHOOK_URL=
VRCHAT_USERNAME=
VRCHAT_PASSWORD=
OCR_CROP_LEFT=0.05
OCR_CROP_TOP=0.35
OCR_CROP_RIGHT=0.95
OCR_CROP_BOTTOM=0.95
OCR_PREPROCESS=1
OCR_SCALE=1.5
OCR_USE_ANGLE_CLS=0
```
`DISCORD_WEBHOOK_URL` は VRC ログ結果の Discord Webhook 通知に使う。
`VRCHAT_USERNAME` / `VRCHAT_PASSWORD` は `src/getUser.py` を使う場合だけ必要。
OCR 設定は速度と精度の調整用。
`OCR_CROP_*` は VRChat ウィンドウ内の相対座標。`0.0` から `1.0` で指定する。デフォルトは画面下側の中央寄りだけを読む。
フル画面 OCR に戻す場合。
```env
OCR_CROP_LEFT=0
OCR_CROP_TOP=0
OCR_CROP_RIGHT=1
OCR_CROP_BOTTOM=1
```
`OCR_PREPROCESS=1` はグレースケール化、コントラスト補正、シャープ化、拡大を行う。
`OCR_SCALE` は前処理時の拡大率。大きいほど小さい文字に強くなるが遅くなる。
`OCR_USE_ANGLE_CLS=0` は角度分類を切って高速化する。縦書きや回転文字を読む必要がある場合だけ `1` にする。
## OSC パラメータ
Avatar Parameters 側の名前と一致させる。
@@ -123,6 +150,8 @@ notice 条件に入った場合。
`translation` は OCR 結果を翻訳し、翻訳結果をクリップボードへコピーする。
OCR はデフォルトで画面全体ではなく、画面下側の中央寄りを切り出して読む。会話ログや字幕を読む用途では速く、余計な UI 文字を拾いにくい。
## runtime
新規の実行ログは基本的に以下へまとめる。