Manga OCR 指南：manga-ocr 模型安装、选型与漫画翻译

Manga OCR 是什么？这篇指南讲清 manga-ocr 和 manga-ocr-base 模型如何识别日文漫画文字，怎样用 pip 安装运行，为什么整页会读不出来，各类工具和开源翻译器分别适合什么场景，以及识别出文字之后怎样得到一张翻译好的漫画图片，并说明免费范围、使用限制和检查识别结果的方法。

2026年11月1日

AI Manga Translator 团队

Manga OCR 指识别漫画图片里的文字。大多数人搜这个词时，想找的是一个具体项目：manga-ocr，由 kha-white 开发的免费 Python 库，它从裁好的对话气泡里读取日文并输出纯文本。它不会寻找气泡，不会翻译，也不会把文字放回页面。

所以该怎么配置 Manga OCR，取决于你最后想得到什么。想要一句可以查词的日文，就安装 manga-ocr。想要一页能直接读懂的漫画，就需要 OCR、翻译和嵌字一起完成，这正是 OCR 漫画翻译工具一步做完的事。

本文事实已于 2026 年 11 月 1 日对照 manga-ocr 公开仓库、PyPI 页面和 Hugging Face 模型文件核对。我们没有做准确率评测，因此文中不给出自测的准确率百分比。封面是为本文制作的 AI 生成插画。

Manga OCR 是什么？

OCR 是光学字符识别，把图片里的像素变成可以复制的文字。Manga OCR 把这件事用到漫画页面上：文字在气泡里，经常竖排，还会压在画面上。

名字容易混淆，因为同一个项目有好几种写法：

manga-ocr： GitHub 仓库名，也是从 PyPI 安装的包名。
manga_ocr： 在终端运行的命令，也是 Python 里导入的模块名，类名是 MangaOcr。
manga-ocr-base： 库从 Hugging Face 下载的训练好的模型，完整名称是 kha-white/manga-ocr-base。
mangaocr： 许多应用和搜索里使用的连写形式，指的是同一个引擎。

如果某个工具的设置里把 “Manga OCR” 列为引擎，通常指这个模型或它的转换版本。营销页上泛泛写的 “manga OCR” 则可能是别的东西，要看产品具体写的是哪个引擎。

漫画为什么需要专门的 OCR

文档 OCR 期待的是白底上整齐的横排文字，漫画很少这样。manga-ocr 项目针对的是几乎每页都会遇到的五类问题：

竖排和横排文字，经常出现在同一页。
振假名，印在汉字旁边的小号注音。
压在图像上的文字，而不是干净的留白。
字体和风格多样，从书籍字体到喊叫式手绘字。
低质量图片，比如旧扫描件和压缩过的截图。

它还能一次读取多行文字，所以整个气泡可以直接输入，不用先拆成单行。它同样可以当作通用的印刷体日文 OCR 使用，README 也提到它在小说和游戏文字上应该表现不错。只要图片是紧贴文字的小裁剪，用它从图片提取日文是个实用的选择。

manga-ocr-base 模型如何工作

manga-ocr-base 模型是端到端的视觉编码器-解码器结构：视觉 Transformer 负责看图，BERT 风格的解码器逐个 token 写出日文。训练数据是 Manga109-s 数据集加上合成数据。

manga-ocr-base 概览，数据来自模型文件。小屏幕可左右滑动表格。
属性	数值	为什么重要
编码器 / 解码器	ViT / BERT	整体读图，不需要先切行。
输入尺寸	224 × 224 像素	你输入的任何图片都会缩放成这个正方形。
颜色	转换为灰度	彩色页面也按黑白读取。
输出上限	300 个 token	够读一个气泡，不是为整页文字设计的。
词表	6,144 个 token	为日文设计，不是多语言模型。
模型文件	444 MB	首次运行时下载，之后使用缓存。
许可（库）	Apache-2.0	可免费使用，也可用于其他项目。

输入尺寸解释了最常见的 Manga OCR 错误：直接传入整页。下面是同一页用模型自己的预处理设置缩放出来的两种结果。

一整页漫画缩小到 224×224 像素的灰度图，日文对白已模糊，细小笔画丢失 — 本站原创图缩放为 224 × 224 灰度图后放大 3 倍显示，这就是模型收到的画面。本图没有运行 OCR。

裁出的单个气泡缩小到 224×224 像素的灰度图，日文依然清晰 — 本站原创图缩放为 224 × 224 灰度图后放大 3 倍显示，这就是模型收到的画面。本图没有运行 OCR。

这就是这个库没有“上传整页”模式的原因。总要有东西先找到文字区域，可以是你用截图工具手动框选，也可以是 comic-text-detector 这样的检测模型。

如何安装和运行 manga-ocr

这份 Manga OCR 教程按官方 README 编写。你需要 Python 3.9 或更新版本。最新发布的 Python 可能暂时不能用，因为 PyTorch 往往需要一段时间才能适配。

1. 安装

pip install manga-ocr

使用 uv 的话，运行 uv add manga-ocr；也可以不加入项目直接试用：

uvx manga_ocr

想用 manga-ocr GPU 加速，先按 PyTorch 官方说明安装 PyTorch。库会在可用时自动选择 CUDA 或 Apple MPS，否则回退到 CPU。

2. 在 Python 里读取图片

from manga_ocr import MangaOcr

mocr = MangaOcr()
text = mocr('/path/to/bubble.png')
print(text)

可以传文件路径，也可以传 PIL 图片。首次运行会下载模型，可能需要几分钟，之后识别都在你自己的电脑上完成。

3. 或者一边看漫画一边后台运行

这是很多日语学习者的用法。先启动剪贴板监听：

manga_ocr

用 ShareX 或 Flameshot 这类工具截取一块区域，manga-ocr 会从剪贴板读取图片并写回文字，再由 Yomitan 这样的词典读取。开始前等日志出现 OCR ready。

也可以改为监听截图文件夹：

manga_ocr "/path/to/sharex/screenshot/folder"

剪贴板模式会把你复制的任何图片都替换成识别文字，如果还需要正常粘贴图片，请改用文件夹模式。

常见安装问题

DLL load failed while importing fugashi： 可能是 Microsoft Store 版 Python 造成的，可以改从 python.org 安装。
找不到 manga_ocr 命令： 试试 python -m manga_ocr。
ARM 上 mecab-python3 安装失败： 参考仓库排错说明里链接的解决办法。
Linux 剪贴板模式： Wayland 安装 wl-copy，X11 安装 xclip。

哪种 Manga OCR 工具适合你？

选工具时，引擎本身没有输出用途重要。这个项目没有官方的 Manga OCR 在线服务，我们核对时 Hugging Face 上也没有该模型的推理服务商。

按目标选择 Manga OCR 工具。小屏幕可左右滑动表格。
你的目标	从哪里开始	得到什么	代价
查一个气泡	manga-ocr + 截图工具 + Yomitan	剪贴板里的文字	要配 Python；手动裁剪
读完整一卷日文	mokuro	阅读器里每页可选中的文字	要配 Python；需先处理整卷
不安装就提取整页文字	带页面检测的浏览器 OCR，例如 PaddleOCR 漫画预设	可复制或下载的文字	气泡顺序和人名仍要检查
搭建自己的流程	通过 Python API 或 ONNX 导出使用 manga-ocr-base	原始字符串	要自己加检测、排序和翻译
用另一种语言读这一页	AI Manga Translator	翻译好的页面图片	在线服务；需要登录；不导出文本

对读者来说，mokuro 是自然的下一步。它把 comic-text-detector 和 manga-ocr 结合起来，让你在浏览器里阅读可选中文字的漫画。论坛里推荐用于学习的 OCR 漫画阅读器，很多时候就是它。

Manga OCR ONNX 方面，Hugging Face 上有社区导出的版本，可用于没有 PyTorch 的运行环境。使用前先看模型卡：有些导出基于重新训练的 manga-ocr-base-2025，而我们查看时它自己的模型卡还是空模板。

MangaTranslator 用什么 OCR 模型？

如果你搜的是 MangaTranslator OCR 模型，大概率指几个开源应用中的一个。从它们公开的 README 看，大多已经不只依赖一个 Manga OCR 引擎。

开源漫画翻译器列出的 OCR 模型，核对于 2026 年 11 月 1 日。小屏幕可左右滑动表格。
项目	列出的 OCR 模型	值得注意
MangaTranslator（meangrinch）	Manga OCR、PaddleOCR-VL-1.6	README 写明 OCR 和翻译可走云端 API 或本地 LLM。
Koharu	PaddleOCR VL 1.6、Manga OCR、Baberu OCR、Hayai OCR	检测、OCR 和修复模型分别选择。
manga-image-translator	32px、48px、48px_ctc、mocr	日文和韩文推荐 48px；提供 Manga OCR 文本框合并。

选 Manga OCR 模型的结论：紧贴文字的日文裁剪用 manga-ocr；需要多语言或整页识别时，再看 PaddleOCR-VL 或多语言引擎。这些项目更新很快，决定前请再核对当前 README。

从 Manga OCR 到漫画翻译

OCR 只是 Manga OCR 翻译流程中的一环。把一张生肉变成能读的页面要做好几件事，manga-ocr 只负责其中一件。

漫画翻译每个环节要做什么。小屏幕可左右滑动表格。
环节	做什么	manga-ocr 负责吗？
检测	找到气泡、旁白和画面上的文字	否
识别	把每个区域变成文字	是，仅日文
排序	按阅读顺序排列区域，通常从右到左	否
翻译	结合说话者和分镜语境转换文字	否
清理	从画面上去掉原文	否
嵌字	把译文放回每个气泡	否

你可以自己拼这条流程：逐块 OCR，把文字粘到翻译器，再用修图软件擦字和嵌字。这样控制力最强，打算精修发布时值得这么做。如果只是想读懂这一页，就太慢了。

OCR 漫画翻译工具会替你跑完这些环节。把完整页面上传到我们的单页漫画翻译，选好语言，它会检测文字、翻译、清理原文，并返回翻译好的图片。支持 15 MB 以内的 PNG、JPG、JPEG 或 WebP，源页面可以是日文、韩文或中文。

黑白漫画原页，对话气泡里是竖排日文 — 本站原创图，用来说明翻译前后要对比什么，不是实时任务结果。

同一页漫画，气泡里已嵌入英文对白 — 本站原创图，用来说明翻译前后要对比什么，不是实时任务结果。

按来源选择流程：最多 20 张图片用批量翻译，CBZ 或 ZIP 章节用 CBZ 翻译器，正在阅读的网页图片用浏览器扩展。专门处理日文生肉时，日漫翻译指南讲了振假名、敬语和省略主语等问题。

Manga OCR 的局限与结果检查

Manga OCR 最重要的局限很容易被忽略。README 提醒，模型总会试图识别出点什么，哪怕图片里没有文字，还可能“编造”出看起来很真实的句子。读起来通顺的日文，并不能证明识别正确。

一份独立测试展示了它在哪里出错。manga-ocr 的一个 Rust 移植版公布了真实页面的结果：9 个气泡通过 4 个。失败的分别是极小的说明文字、倾斜的动作字、喊叫字、相邻文字混入，以及一个错字。这只是移植版上的一页，算不上评测，而且这一页最长的气泡反而通过了，可见单看长度无法判断成败。README 另外给出了自己的提醒：文字越长越容易出错，手写字大概率不行。

网上的准确率表格也要谨慎看待。有些 Manga OCR 文章给出 99% 以上的数字，却通常不写样本和方法。分数取决于测试页面，不如用你自己的页面试一试。

检查 Manga OCR 输出时，重点看：

裁剪边缘： 如果混入相邻气泡的文字，就裁得更紧。
长气泡： 拆开后分别再跑一次。
相似字符： 对照图片检查ン和ア、シ和ツ这类片假名。
人名： 结合上下文确认读音，模型看不到前后页。
空白区域： 空白或纯画面的裁剪如果有输出，一律当作编造。
拟声词： 自己读，它们常常是画出来的，而不是排出来的字。

翻译后的页面同样要仔细看。通顺的句子也可能来自认错的字。下载前要对比什么，可以看我们的日文漫画图片翻译指南。

Manga OCR 免费吗？

走开源路线的话，是免费的。manga-ocr 免费使用，采用 Apache-2.0 许可，模型下载后识别都在你的电脑上运行，页面留在本地。代价是安装时间、磁盘空间，以及在较慢硬件上的等待。

免费 OCR 漫画翻译工具则是另一回事，因为翻译和图片清理都有运行成本。在 AI Manga Translator 上，开始翻译需要登录，每页消耗 1 积分，任务失败会退回积分。账户里的试用积分可以用来测试页面；下载结果需要购买过积分包。当前积分包见价格页。

把页面上传到任何在线服务，都等于发送给这个服务。请先阅读隐私政策，并且只处理你拥有或获准翻译的页面。

常见问题

Manga OCR 是什么？

Manga OCR 指识别漫画图片里的文字。这个名字也常指 kha-white 开发的开源 Python 库 manga-ocr 及其 manga-ocr-base 模型。它从裁好的文字区域读取日文，输出纯文本。

manga-ocr 能读取一整页漫画吗？

不太可靠。这个库没有页面或气泡检测器，模型还会把所有输入缩放到 224 × 224 像素，整页输入后每个字几乎不剩细节。请裁出单个气泡或文字块，或者使用 mokuro 这类先检测文字区域的工具。

manga-ocr 免费吗？

免费。manga-ocr 采用 Apache-2.0 许可，在你自己的电脑上运行。你要付出的是安装时间、约 444 MB 的模型空间和硬件资源。在线翻译服务是另一回事，各有自己的限制。

manga-ocr 能识别韩漫或中文漫画吗？

不能。manga-ocr 是为日文设计的。韩漫或中文漫画请选择支持对应语言的 OCR 引擎，或者使用支持这些源语言的翻译工具。AI Manga Translator 支持日文、韩文和中文源页面。

Manga OCR 能读手写字和拟声词吗？

这两类都要当作难点。manga-ocr 的 README 说它大概率处理不了手写文字。风格化拟声词、倾斜的动作字和极小的说明文字，也是 Manga OCR 最容易出错的地方。

有安卓、iPhone 或 Chrome 上的 Manga OCR 吗？

kha-white 的库是桌面端 Python 包，不是手机应用，也不是浏览器扩展。安卓上有社区应用提供本地 OCR；我们的 Chromium 扩展可以就地翻译漫画图片，但不导出 OCR 文本。

做漫画识别时，manga-ocr 比 Tesseract 或 Google 翻译好吗？

它面向的输入不同。manga-ocr 是针对漫画字体训练的，包括竖排和振假名。网上看到的准确率数字，要先确认有没有写明方法和样本，因为结果很依赖测试用的页面。

AI Manga Translator 用的是 manga-ocr 吗？能导出 OCR 文本吗？

我们不声称使用某个特定 OCR 模型，你也不能自行选择，并且没有文本导出功能。工具返回的是翻译好的页面图片。如果你需要日文原文用于学习或自建流程，请使用 manga-ocr 或 mokuro。

选择你的下一步

想要日文文本，就安装 manga-ocr 并裁紧文字。想读懂这一页，就跳过安装：选一张对话多的页面开始，并和原图对比结果。

准备好了就开始：翻译一页漫画 →

来源：GitHub 上的 manga-ocr、PyPI、Hugging Face 模型、mokuro、manga-ocr-rs 测试结果。开源项目的细节会随版本变化。