🚀 功能建议：多模态模型作为ocr渠道 · tisfeng/Easydict#871

2025-04-12T12:57:58.000Z

### 请先确认以下事项 - [x] 已仔细阅读了 [README](https://github.com/tisfeng/Easydict#readme) - [x] 在 [issues](https://github.com/tisfeng/Easydict/issues) 页面搜索过（包括已关闭的 issue），未发现类似功能建议 - [x] Easydict 已升级到 [最新版本](https://github.com/tisfeng/Easydict/releases) - [x] 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

(3 评论) (0 反应) (0 负责人)Swift (657 fork)batch import

PR wantedenhancementgood first issue

仓库指标

Star: (13,140 star)
PR 合并指标: (平均合并 14天 4小时) (30 天内合并 13 个 PR)

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

贡献者指南

研究方向: 研究 Easydict 中现有的 OCR 实现，了解如何添加新的 OCR 渠道，并研究 Qwen 和 Gemini 视觉模型的 API，以将它们集成为 OCR 提供商。
技术栈: swift
领域: desktop
议题类型: 功能
难度: 2
预计时间: 半天
活动状态: 活跃
清晰度: 清晰
前置要求: SwiftmacOS development
新手友好度: 60