tisfeng/Easydict

🚀 功能建议：多模态模型作为ocr渠道

Open

#871 opened on 2025年4月12日

GitHub で見る
 (3 comments) (0 reactions) (0 assignees)Swift (13,140 stars) (657 forks)batch import
PR wantedenhancementgood first issue

説明

请先确认以下事项

  • 已仔细阅读了 README
  • 在 issues 页面搜索过（包括已关闭的 issue），未发现类似功能建议
  • Easydict 已升级到 最新版本
  • 我理解并认可上述内容，并理解项目维护者精力有限，不遵循规则的 issue 可能会被无视或直接关闭

功能描述

是否可以考虑拓宽ocr渠道，比如像使用qwen和gemini这类多模态模型做ocr，效果都还不错

使用场景

ocr

实现方案（可选）

和翻译一样拓宽ocr渠道，接入本地ocr模型或者多模态模型ocr

是否愿意提交 PR 实现该功能

  • 我愿意提交 PR 实现该功能

コントリビューターガイド

技術スタック
swiftrest api
領域
apimachine learning
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-2 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
fresh
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
mostly clear
前提条件
Swift programmingFamiliarity with Easydict's codebaseKnowledge of REST API integration
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
45
調査方針
Examine the existing OCR service implementations (likely in files like `Easydict/OCR/OCRService.swift` or similar) to understand the pattern for adding new services. Then implement support for multimodal model APIs (e.g., Qwen, Gemini) following the same pattern, including authentication, request formatting, and response parsing. Check the issue comments for any additional context or maintainer guidance. Test with sample images to ensure correct OCR output.