Textractor项目解决Artemis引擎游戏文本提取问题的技术方案
2025-07-02 07:55:49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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
453
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425