tisfeng/Easydict

🚀 功能建议：多模态模型作为ocr渠道

Open

#871 建立於 2025年4月12日

在 GitHub 查看
 (3 留言) (0 反應) (0 負責人)Swift (13,140 star) (657 fork)batch import
PR wantedenhancementgood first issue

描述

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

貢獻者指南

技術棧
swiftrest api
領域
apimachine learning
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
fresh
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
mostly clear
前置要求
Swift programmingFamiliarity with Easydict's codebaseKnowledge of REST API integration
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
45
研究方向
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.