Textractor项目解决Artemis引擎游戏文本提取问题的技术方案
2025-07-02 15:26:18作者:魏献源Searcher
背景分析
Textractor作为一款优秀的游戏文本提取工具,在视觉小说翻译领域广受欢迎。近期用户反馈在运行《サキュせかTE》游戏体验版时遇到文本提取失效的问题。经技术分析,该游戏采用了新版Artemis x64引擎,其文本渲染机制与旧版存在显著差异。
问题根源
- 引擎版本兼容性问题:原版Textractor的texthook.dll模块仅支持旧版Artemis引擎的hook签名,无法识别新版引擎的文本内存结构。
- 特殊文本渲染干扰:游戏采用了假名注音(furigana)显示功能,这种双层文本结构会干扰标准文本提取流程。
解决方案
核心模块升级
技术团队提供了改进版的texthook.dll模块,主要包含以下优化:
- 新增对Artemis x64 v2+引擎的hook签名识别
- 优化内存扫描算法,准确定位新版引擎的文本缓冲区
- 增加多级指针解析功能,适应新版引擎的内存管理机制
备用Hook方案
若不便替换核心模块,可通过手动添加H-code实现文本提取:
HS65001#-44@15491A:サキュせかTE 誘惑に負けないで 体験版 ~サキュバスに管理された世界で~.exe
HS65001#-24@19BEB0:サキュせかTE 誘惑に負けないで 体験版 ~サキュバスに管理された世界で~.exe
辅助优化措施
针对假名注音干扰问题,提供系统文件替换方案:
- 替换游戏目录下的system文件夹
- 强制禁用引擎的ruby文本渲染功能
- 确保提取的文本为纯净内容
技术原理深度解析
新版Artemis引擎在内存管理方面做出以下变更:
- 采用动态内存分配策略,文本缓冲区地址不再固定
- 引入文本分段存储机制
- 增加元数据标记系统
改进版texthook.dll通过以下方式应对:
- 签名扫描与动态地址追踪
- 内存页属性检测优化
- 引入二级缓存机制
实施建议
- 优先使用新版texthook.dll获取最佳兼容性
- 游戏更新后需验证hook有效性
- 建议配合文本后处理脚本处理特殊格式
结语
本次技术方案展示了游戏文本提取工具如何应对引擎升级带来的兼容性挑战。通过核心模块升级与辅助方案相结合的方式,既解决了即时需求,也为后续类似问题提供了解决思路。建议用户关注项目更新以获取持续的技术支持。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
308
2.71 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
361
2.84 K
暂无简介
Dart
599
132
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.07 K
616
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
774
74
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
787
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
464