WM Keyboard 离线 OCR 与扫码指南:Tesseract、PaddleOCR 与 zXing-cpp 多引擎
WM Keyboard 离线 OCR 与扫码指南:Tesseract、PaddleOCR 与 zXing-cpp 多引擎
WM Keyboard 是一款注重隐私的 Android 键盘,内置完全离线的 OCR 文字识别与 QR 码、条形码扫码工具。本文带你了解它的三台扫描引擎——Tesseract、PaddleOCR 与 zXing-cpp——各自擅长什么、如何自动路由,以及如何把摄像头拍到的文字和码值一键填入输入框,全程无需联网。
三个扫描工具一覽
WM Keyboard 把三个摄像头驱动的工具收在同一个 Scanners 分组下,全部内置于每个构建版本:
| 工具 | 作用 | 触发词 |
|---|---|---|
| Text scan (OCR) | 把印刷体文字读进输入框 | ocr |
| QR and barcode scanner | 解码 QR 码与条形码并插入/打开内容 | scan |
| Document scanner | 把纸质文档拍成裁剪、增强后的图片 | docscan |
在工具栏打开工具箱即可看到它们所在的工具网格:
直接输入触发词(如 ocr)也能通过建议条快速呼出对应工具。详细说明见官方文档 tools/scanner.mdx。
离线 OCR:多引擎自动路由
打开 Text scan (OCR),键盘会被全屏取景框取代——指向印刷文字,识别全部在设备本地完成。默认 Automatic 模式下,引擎按文字种类自动选择:
- ML Kit:读拉丁文字(英、法、西等);在有 Google Play 服务的手机上还能读简繁中文、日韩文与天城文,识别器由 Play 服务按需下载。
- PaddleOCR:读中文(简/繁)与日文(含竖排文字),基于百度 PP-OCRv5 移动端模型,两语言共用约 11 MB 的一次性下载。
- Tesseract:覆盖 100 多种语言,例如孟加拉文、印地语、阿拉伯语、俄语、希腊语、泰语等;每种语言需下载 0.4–12 MB 的
tessdata_fast数据,首次扫描时取景框会显示 Download 按钮并展示大小与进度。
首次使用:语言数据一次性下载
首次扫描某语言且需要 Tesseract 或 PaddleOCR 数据时,只需点一次 Download;数据存入应用私有目录,之后完全离线可用。也可以在设置页(Tools / Text scan (OCR) / Language data)手动下载或删除每种语言的数据;没有网络时,页面提供 Get the files 与 Import 手动导入 .traineddata 文件。
拍照后的结果操作
识别出的文字以按行分组的可点选词块呈现:
- 默认 Start with everything selected:所有词预选中,点一下即可取消不需要的词;
- Copy / Insert 作用于当前选中的词;
- Translate 直接把选中词交给翻译工具;
- 没有摄像头?右上角的图片按钮可从相册选截图或照片,同样本地识别;剪贴板中长按复制的图片也能 Extract text。
一个细节值得新手知道:Tesseract 会把每张照片读两遍——一遍用局部阈值(Sauvola)应对阴影、暗角和闪光灯强光,一遍用全局 Otsu 阈值应对深色屏幕上的浅色文字,然后保留结果更优的一次。原理见 native/tesseract-jni/README.md。
扫码:ML Kit 与 zXing-cpp 双引擎
QR and barcode scanner 同样是全屏取景,对准即持续解码,无需按快门。支持 QR 码及常见码制:Aztec、Code 39/93/128、Data Matrix、EAN-8/13、ITF、PDF417、UPC-A/E 等。
两个解码引擎可选,结果卡片完全一致:
- ML Kit(默认):GitHub 构建与有 Play 服务的 Play 版手机上可用;
- zXing-cpp(Apache-2.0 开源):F-Droid 构建默认用它(不含任何 Google 代码),无 Play 服务的 Play 版手机上也会自动启用;其他构建可在 Options → Read codes with zxing-cpp 手动切换。
解码出的值若是普通链接(https://… 等),结果卡片会多一个 Open 按钮;开启 Insert automatically 后,码值会在识别瞬间直接输入,无需确认。zXing-cpp 还会尝试识别深色背景上的浅色码(比如深色模式手机屏幕上的 QR 码),并额外支持 Micro QR、GS1 DataBar、MaxiCode 等 ML Kit 不读的类型,接口契约见 native/zxingcpp-jni/README.md。
扫码引擎为约 1 MB 的独立下载,首次打开时按需获取;扫相册里已有的 QR 截图可点左下角图片按钮,全程本地解码。
隐私与离线保障
三台扫描器的识别与解码完全在设备上进行,不上传任何照片,数据下载完成后即可离线使用。唯一例外是 OCR 手动切到 Online model(把照片发给你自己配置的视觉模型或 Rens 服务),以及 Load link details 抓取网页标题。
补充一点:F-Droid 构建出于构建策略不含 ML Kit、LiteRT 与 Tesseract,OCR 改由 PaddleOCR 跑在开源 MNN 引擎上,可离线读中文、日文与拉丁文字,其他文字则建议用 Online model。
延伸阅读
- 扫描工具完整文档:docs/src/content/docs/tools/scanner.mdx
- Tesseract 原生桥(5 个 JNI 函数、双阈值策略):native/tesseract-jni/README.md
- zXing-cpp 原生桥(码制覆盖与桌面验证数据):native/zxingcpp-jni/README.md
- 内置文档扫描器(OpenCV 页面检测与矫正):native/docscan-jni/README.md
- 离线与网络策略:docs/src/content/docs/privacy/offline.mdx
掌握这套多引擎路由后,无论拍外文说明书、扫支付码还是整理纸质票据,WM Keyboard 都能离线搞定。


