提升 GameSentenceMiner OCR 识别准确率：自定义捕获区域与两遍识别系统配置实战

想让 GameSentenceMiner 在游戏里更准地挖出句子？核心就两件事：为游戏对话框划定自定义 OCR 捕获区域，并把**两遍识别系统（Two-pass OCR）**调对。这篇文章面向新手，用尽量少的时间帮你把识别准确率、速度和去重噪声一次性调到位。

为什么识别率总差一口气？

游戏字幕的 OCR 失败大多来自三个原因：

1. 扫描范围太宽——整窗口扫描会把 UI 图标、背景噪点当成文字；
2. 文字还在“打字机”式出现——第一遍识别抢跑了半成品文本；
3. 引擎选择不当——稳定监视和最终识别用了同一个慢引擎，或者干脆没开两遍流程。

GameSentenceMiner 的 OCR 管线正是为这三个问题设计的：按区域裁剪 → 稳定性引擎先盯住文本 → 主引擎二次精扫。

第一步：确认捕获源正确

画区域之前，先确认 GSM 抓到的画面本身是对的。Text Capture Wizard 会检查你的游戏源（Scene / Executable / Capture Type）：

• 预览发黑？尝试 “Switch to Game Capture” 切换捕获类型；
• 每个 OBS Scene 拥有独立的区域文件与振假名灵敏度，不同游戏互不干扰；
• 界面里 “Areas Recommended” 提示表示尚未画区域，整窗扫描——这正是识别率损失的常见起点。

第二步：绘制自定义 OCR 捕获区域

在 OCR 标签页点击 Select OCR Areas，会弹出区域选择器（Area Selector）：

工具栏按钮对应快捷键，鼠标/键盘都能完整操作：

区域类型	用途	说明
Normal（绿色区域）	自动 OCR	持续扫描的游戏对话区
Exclusion	排除区	覆盖不想识别的区域
Secondary（紫色区域）	菜单 OCR	供菜单快捷键触发的区域
Black Hole	黑洞区	屏蔽特定干扰

几个提升准确率的实用技巧：

• 只框对话框内部，避开角色立绘与按钮，识别噪声会明显下降；
• 选择器支持 Live 模式热重载：拖动区域后 300ms 防抖即生效（见 owocr_area_selector_qt.py 中的 LIVE_SAVE_DEBOUNCE_MS），不用关闭选择器就能观察 OCR 反应；
• 支持导入/导出区域 JSON，换游戏分辨率后可快速复用布局；
• 多区域场景可开启实验性 Compact OCR Areas，把多个区域打包去掉透明空隙，再自动映射回原坐标。

常用快捷键（均可在 Hotkeys 面板修改）：

动作	默认快捷键	作用
Manual（绿区）	Ctrl+Shift+M	手动跑一次主引擎精扫
Menu（紫区）	Ctrl+Shift+G	扫描菜单区域
Area Select	Ctrl+Shift+O	临时框选一次识别
Add Area	Alt+Shift+N	新增一个区域并立即应用
Whole Window	Ctrl+Shift+W	全窗口一次性扫描
Pause	Ctrl+Shift+P	全局暂停扫描（过剧情动画时用）

第三步：理解两遍识别系统（Two-pass OCR）

两遍识别是默认开启的，这是识别率的关键开关（twoPassOCR 默认 True，见 electron_config.py 中的 get_ocr_two_pass_ocr）。工作流如下：

1. **OCR1（稳定性引擎）**按扫描频率持续运行——用快引擎（如 OneOCR）盯住文本是否在变化；
2. 当下一帧扫描发现文本稳定不再变化（或文字消失、出现新句子）时，触发第二遍；
3. **OCR2（主引擎）**对裁剪后的图像做一次高精度识别，结果才是最终输出（终端里绿色高亮的 “OCR Run 2” 日志）。

触发与去重由一组比较阈值控制，全部位于 gsm_ocr.py：

• Duplicate Match Threshold（%）：越高越严格；不同句子被误判为重复时调高；
• Text Change Threshold（%）：越低越容易提前触发 OCR2；逐字动画文本可降低；
• Text Comparison Tuning（专家项）：Evolving Prefix、Truncation、Subset Coverage 等旋钮专门处理“短句是长句开头”“文字被截断”这类边界情况。

两个关键辅助开关

• Optimize Second Scan：第二遍扫描前把图像裁剪到文本包围盒，显著提速。若某些游戏的特殊文本被裁掉，可关闭它；
• Text Appears Instantly：⚠️ 仅当游戏文本一次性整句出现时才开启。打字机式/逐字动画文本开启它会导致输出非常混乱——这是新手最常见的“越调越差”来源。

进阶调优清单

按“先大后小”的顺序尝试：

1. Scan Image Quality（缩放比例）：漏掉小字号假名/汉字时调高（50% 快 → 100% 最准但最耗 CPU）；
2. Furigana Filter：过滤比正文小的字符；真实对话被吃掉时调低或归零，可用 Preview 窗口对着当前游戏选灵敏度；
3. Scan Rate：快文本选 Fast/Normal，慢速渐显文本选 Slow；
4. OBS Capture Preprocess：灰度 + 自动对比 + 锐化，能改善噪点场景里的字幕识别；
5. Ignore “OCR Run 1” Logs：两遍识别下控制台第一遍日志是噪声，勾选后界面只留绿色的 Run 2 结果；
6. 仍有个别词总识别错？用 OCR Replacement 规则页做识别后替换修正。

相关源码与文档

• 两遍控制器实现：GameSentenceMiner/ocr/gsm_ocr.py（TwoPassOCRController、触发与去重逻辑）
• 区域选择器 UI：GameSentenceMiner/ocr/owocr_area_selector_qt.py
• 兼容入口（旧导入路径）：GameSentenceMiner/ocr/two_pass_ocr.py
• OCR 设置面板组件：electron-src/renderer/src/components/tabs/OCRTab.tsx
• 配置读取：GameSentenceMiner/util/config/electron_config.py

小结

🎯 记住这套组合拳：框对话框 → 绿区 Normal + 紫区 Secondary → 保持两遍识别开启 → 逐字动画文本绝不开 Instantly。按这个顺序调整，绝大多数视觉小说和 RPG 的识别准确率都能稳定提升到可用水平。