本地文字识别(OCR)模型
现状:本地引擎已经接上灯箱和 MCP 了 —— 聊天图片的「OCR」按钮在线优先 (OIDB 0xe07_0)、在线不可用或失败时回退本地模型(见第四节);MCP / 内置助手那边 是同一个策略,两个工具
get_ocr_status/ocr_image_text,返回值里标明这次用的 是哪条腿。导出侧的批量自动 OCR 也已经接上(筛图 → 在线优先 → 本地兜底 → 回写消息文件),三个入口的识别结果共用一份按图片 md5 寻址的本机缓存 (见第六节)。模型侧这一轮的落地:注册表
packages/service/src/common/ocr_models.ts、 通用仓库model_store.ts、 设置页apps/desktop/src/renderer/src/components/settings/OcrModelsSection.tsx。
共用 AI 图片处理
图文输入、图片引用、处理状态和回退策略由 packages/agentlab/src/images.ts 提供;宿主通过 AiImagePort 注入取图、OCR、默认视觉模型及配置修订信息。aiImages 保存各功能偏好,agentLab.defaultVisionModel 保存唯一的默认视觉模型引用。策略或相关模型变化仅使对应功能的派生缓存失效。
OCR 的数值管线、筛图判据与 worker 协议统一位于 packages/agentlab/src/ocr,桌面旧入口仅重导出;Bot 使用同一 worker,sharp 与 onnxruntime-node 只在本地推理时按需加载。pnpm build:bot 同时构建 Bot 与独立 OCR worker。
宿主取图复用媒体协议的 resolveChatImageFile,包含本机缓存、外部 chatpic 与完整下载服务的既有回退,不以 QQ 离线为由跳过在线取图。上传附件按内容寻址保存在账号的 AgentLab images/ 目录,消息与草稿只存 ai-image: 引用,随克隆/助手数据备份并可迁移恢复;请求时才构造图像 Data URL,不将其写入历史或断点。 本地 OCR 直接取图的总期限为 30 秒,字节上限为 32 MiB,响应头和流式正文都受约束;媒体协议仍走完整缓存、在线下载及 rkey 回退。调用方取消会结束本轮取图等待、正文接收与推理,worker 超过 60 秒没有终态也会被回收,不影响其他识别任务。
图片预处理单实例并发上限为四个;通用描述以内容和模型身份缓存,内存最多 256 条、磁盘约 512 条并在七天后过期。指定问题的图片回答不使用或污染通用描述缓存。直接图文调用失败时只能在未收到正文、推理或工具片段前回退 OCR;取消不触发回退。
Bot 的图片输入保留 OneBot image 消息段的 file 和 url,先尝试 URL,失败后调用 get_image,优先使用其 URL,兼容同机可访问的文件路径。依据 OneBot 消息段规范及 NapCat get_image 实现与示例核验;不假定 Bot 与适配器共享文件系统。
一、为什么选 PP-OCR
在线那条线(OIDB 0xe07_0,见 packages/protocol/src/oidb/misc/ocr-image.ts) 的产物是:逐行文字 + 4 个角点 + 外接矩形,坐标就是喂进去那张图的像素坐标,另有一个 段落标记。
PP-OCR 的「检测(DBNet)+ 方向分类 + 识别(CRNN/SVTR)」三段式天然就是这个形状: 检测网络输出的本来就是多边形框(不是矩形),识别网络给每框文字 + 置信度。所以本地版 不需要重新设计数据结构,能直接产出同构的 blocks —— 灯箱覆盖层、OcrTextPanel 那套 按 rect 画框的 UI 可以原样复用。
二、选的模型
上游是 ModelScope 的 RapidAI/RapidOCR(PaddleOCR 官方 PP-OCR 模型的 ONNX 版,与官方 发布同源):
https://modelscope.cn/models/RapidAI/RapidOCR/resolve/master/
resolve/master 会 302 跳 CDN,下载器(model_store.ts)已经处理重定向与 Range 分片。
| 用途 | 注册表 id | 档位 | 文件 | 体积 |
|---|---|---|---|---|
| 识别(出文字) | ppocr-v5-mobile | PP-OCRv5 mobile | det + rec + cls + dict | 21.5 MB |
| 筛图(只判断有没有文字) | ppocr-v6-det-tiny | PP-OCRv6 det tiny | det | 1.7 MB |
精确字节数、落盘文件名与 URL 都写在注册表里(唯一事实源,别在这份文档里抄第二份):
| 文件角色 | 落盘名 |
|---|---|
det | ch_PP-OCRv5_det_mobile.onnx / PP-OCRv6_det_tiny.onnx |
rec | ch_PP-OCRv5_rec_mobile.onnx |
cls | ch_PP-LCNet_x0_25_textline_ori_cls_mobile.onnx |
dict | ppocrv5_dict.txt |
为什么筛图用「检测模型」而不是一个分类器
需求是「这张图值不值得 OCR」。检测网络的输出为空本身就等于「没有文字」,而且是全家族 里最省的档位(1.7 MB),还不需要字典与识别网络 —— 不需要再单独训一个"截图 / 风景" 分类器。
代价:tiny 档在小字、低分辨率、低对比上更保守,可能把「文字很少」的图判成没有文字。 实测结论在第五节(真实抽样 140 张,与识别模型的检测头一致率 95%,误判两个方向都有); 接线时按那里给的判据收紧,或者把筛图换成 ch_PP-OCRv5_det_mobile(4.6 MB,更稳)。 加档位是纯注册表改动,UI 逐条渲染。
三、存储与下载
- 落在
<appDataRoot>/models/<id>/,和语音模型同一个根(id 全局唯一,靠前缀 区分;voice_transcribe.ts与ocr_models.ts不许撞 id,有测试兜着)。刻意不放在 cache 目录下 —— 「清空缓存」不该把模型一起清掉。 - 下载机制(多线程分片 / 单线程流式、进度事件、状态、删除)在
common/model_store.ts,语音与图片 两个家族共用,ModelStore<T>只管文件级的事,不认识模型语义。 - 设置项:
settings.ocr.modelId(识别模型)/settings.ocr.filterModelId(筛图模型), 空 = 未选。数值都指向注册表 id。 - IPC:
bootstrap.ocrModels/downloadOcrModel/onOcrModelProgress/deleteOcrModel/setOcrModel({ kind, modelId })。
四、推理引擎与接线(已落地)
分工和语音那条线一样:模型管理在 @weq/service(零原生),推理在 app 侧。
| 文件 | 干什么 |
|---|---|
main/ocr/pipeline.ts | 纯 TypeScript 的 PP-OCR 管线:det 前后处理 / 透视裁切 / 方向分类 / CTC 解码 / 段落分组。不 import onnxruntime(会话以最小接口注入),所以能单测 |
main/ocr/worker.ts | fork 出去的子进程入口:加载 onnxruntime-node,跑管线,回一行行结果 |
main/ocr/engine.ts | 主进程这侧:fork worker、喂裸 RGB、把结果整成与在线版同构的 OcrBlock |
main/ocr/image.ts | 字节 → 裸 RGB(Electron 的 nativeImage,不额外引解码库) |
main/ocr/local.ts | 可用性判定(模型下好没)+ 取图(复用媒体协议那条链)+ 跑引擎 |
要点:
- 隔离:
onnxruntime是原生库、CPU 推理每张图几百毫秒到几秒,所以跑在 fork 出来的 子进程里(照transcribe/worker.ts)——崩了只死这一个 worker。 - 线程:
intraOpNumThreads = min(8, 核数)。实测 16 核机器上一张 40 行的截图:默认 线程 6.1s,8 线程 2.4-3.4s,再往上(12 / 16)反而变慢。 - 超参:det
limit_side 960/thresh 0.3/box_thresh 0.5/unclip 1.5; rec 高度归一 48、宽度按长宽比(≥320),超过 1600 就切段识别再拼回来(超长行硬喂 会掉出训练分布);cls 只在置信度 ≥ 0.9 时才转 180°。 - 坐标系:产出与在线版同构 ——
quad4 角点(左上 → 右上 → 右下 → 左下)、rect外接矩形、parag({"Parag":{"ParagNo":n}})、field2= 置信度 ×100。灯箱覆盖层 按回包自带的imageWidth/Height换算(本地那条腿可能拿到的是缩略图,用元素里 记的原图尺寸会错位)。
灯箱(图片大图)的接线:在线优先、本地兜底
account.ocrChatImage 一个入口两条腿,策略在主进程里:
- 在线(OIDB 0xe07_0):当前来源已启用 QQ 在线能力、QQ 在线且 a2/d2/d2key/guid 齐全时优先走它 (见
ocrOnlineBlocker)。它拿fileToken现签 CDN 直链交给服务端。 - 本地模型:上面缺一项,或者在线那条路失败(图过期 / 服务端取不到)时,用
settings.ocr.modelId指向的模型跑一遍。取图复用media_protocol.handleMediaRequest——渲染层把灯箱正在显示的src递进来,等价于主进程自己发一次同一个「虚拟请求」, 本地落盘 → chatpic 备份 → CDN → OIDB 补下 的优先级白拿。
FailedOperation.DownLoadError 只代表服务端本次下载图片失败,不能据此认定链接已过期。 ChatImageOcrService 会刷新对应场景的 rkey 并重试一次(包括导出传入缓存 rkey 的调用); 重试仍失败才交由上层回退本地模型。其它识别错误不会触发这次下载重试。
返回值带 source(oidb / local),灯箱据此在结果面板上标「在线 / 本地模型」。 按钮门禁:getGroupAlbumAccessState 多返回一个 ocrLocalModelId,渲染层按 「在线可用 或 本地模型下好了」决定能不能点;两条腿都没有才置灰并说明原因。
MCP / 内置助手的入口:get_ocr_status + ocr_image_text
同一个策略也挂在工具注册表(main/mcp/tools.ts) 上,因此外部 MCP 客户端与内置助手都能调:
| 工具 | 干什么 |
|---|---|
get_ocr_status | 查两条腿现在各能不能走(在线:当前来源 QQ 在线能力启用、QQ 在线且物料齐全;本地:宿主支持且识别模型已下载并选中),reason 给出不能走的原因 |
ocr_image_text | 定一张图 → 识别文字,engine 可选 auto(默认)/ online / local |
怎么定图:kind + conv + msgId 定位聊天里的图片(同一消息多张图用 imageIndex), 或者直接给本机文件 path(绝对路径 / ~/ 开头)。
取图那一步按 MCP 的处境改写:外部调用者没有渲染层的 weq-media:// 地址,所以走消息 定位时图片字节直接从本机媒体缓存里捞(fileSearch,与 transcribe_voice_message 同一条 路,取不到就如实报错);path 那种则直接读盘 —— 这也是 local.ts 的取图链新长出来的 一条腿(data: / 本机路径 / weq-media:// / http(s):// 四条来源)。
回给调用者的区分信息(用户要的「能看出走的哪条」就落在这三个字段上):
source:online/local;全局筛图判断无文字、跳过 OCR 时为filter,同时返回skipped: true;engine:中文说明,如「在线接口(QQ 图片文字识别 OIDB 0xe07_0)」/「本地离线模型 (ppocr-v5-mobile,本机推理,未联网)」;offline:布尔,true即本地处理(离线识别或筛图,这次没有任何图片内容离开本机)。
settings.ocr.prefilterEnabled 默认 true,全局控制非手动 OCR 的预筛选。导出及助手/MCP 工具先复用识别缓存,未命中时再按该开关筛图;关闭时也不采用旧的无文字筛图结论。筛图不可用或失败则继续 OCR 并记录原因,不自动下载模型。图片灯箱的手动识别入口不调用筛图。该开关属于应用设置,与模型资源引用独立保存,不接受导出旧任务参数覆盖。
另外 notes[] 记录中途的回退与跳过原因(例如「在线接口没成:服务端已经取不到这张图了」 「本机没有已下载的识别模型,本地这条腿走不了」),失败时返回 ok: false + error + notes,而不是抛一句没头没尾的错。
两个工具都只读(不写库、不上传文件),所以照常进外部 MCP 只读面板;path 那条腿 只能走本地模型 —— 在线接口要的是聊天图片的 fileToken,本机文件没有。
导出侧:ocrfilter + ocr 两个阶段(已落地)
导出里的自动 OCR 与语音转写同构:和消息导出并发跑,产物 ocr.json 落在 bundle 根目录,消息文件早在落盘时就埋好了锚点,最后由回写把文件名换成文字。差别只有一条 —— 语音锚点是 [语音: 名字],图片是 [图片: 名字](HTML 是图片下方的 <small class="cap">名字</small>,只在勾了 OCR 时渲染,免得给所有导出加文件名水印)。
预筛选(ocrfilter)┐ 识别(ocr) 回写
筛图模型 det-only ├─▶ 在线 0xe07_0(新→旧、并发、连败 10 张放弃)
没文字的图跳过 │ └─ 没拿到的 → 本地 PP-OCR ──▶ ocr.json ──▶ [图片] 文字
(两条腿**并行**)┘第 1、2 步是并行的:筛图在后台跑,在线 worker 只等自己那张图的结论(verdicts 里的 promise),筛好一张就发一张 —— 以前是「整批 56 张筛完才开始在线」,白等一次筛图的时间。 承诺必须在开跑前全部摆好,否则晚到的 worker 会把「还没筛到」当成「不用筛」直接发请求。
代码分工(和灯箱那条线一样,service 零原生):
| 位置 | 干什么 |
|---|---|
@weq/service export/ocr_export.ts | 三步流水线的策略:预筛选、新→旧排序、并发、连续失败放弃、本地兜底、失败记账、写 ocr.json。纯 TS,可单测 |
同上 runBatchWithFailureLimit | 通用的「并发 + 连续失败就整体放弃」执行器(单测钉住语义) |
@weq/service export/ocr_rewrite.ts | 回写:TXT / CSV / ChatLab JSON 换 [图片: 名字],HTML 换那行小字(多行转 <br>) |
apps/desktop/main/ocr/local.ts | 注入的两条本地腿:runLocalOcrFile(出文字)/ runLocalOcrFilterFile(只判断有没有文字) |
apps/desktop/main/ocr/online.ts | 注入的在线腿:0xe07_0 一张一发 + rkey 缓存(批量只签一条,约 45 分钟) |
export/task_manager.ts | 两个阶段 + 进度 / 日志 / 回写时序(和语音转写一样等消息文件落盘) |
几个刻意的选择:
- 预筛选只对本机有本体的图生效(要读像素)。本机没有、又还没过期的图直接送在线 —— 服务端自己去 CDN 取图,不需要本地有文件。
- 筛图失败的图按「有文字」处理:宁可多跑一次识别,也不静默丢文字。筛图模型中途 不可用(被删了)则整体跳过预筛选,只留一条告警。
- 判据是「检测框非空」,但丢掉面积占整图 ≥ 90% 的框(
main/ocr/filter.ts的judgeTextBoxes,纯函数可单测)。140 张实测样本上这条规则只改判 2 张(都是 420×420、 框正好等于整图的误报);剩下的误报(占比 59-64%)与「整屏都是文字的小截图」在面积、 置信度上都分不开 —— 加置信度阈值(≥ 0.5)一个都没滤掉(误报框的分数有 0.91-0.96), 所以判据故意留松:多跑几张识别只是慢一点,漏判是真丢文字。 - 在线从新到旧试,连败 10 张就放弃(
OCR_ONLINE_FAILURE_LIMIT):服务端取不到图 往往是整批一起过期,继续试只是白等;放弃后剩下的全部回退本地(有模型的话)。 单张「超时」不算连败(runBatchWithFailureLimit的isFatal):某张图的回包没按时 解出来不代表整条腿挂了(2026-10-16 那次 8 张超时就把后面 35 张一起判了死刑), 失败类型见OcrFailureKind(timeout/download_error/credential/other)。 - 在线认过但一个字都没识别出来的图不再送本地:图能取到、服务端也认过一遍了,本地 多半同样是空。这种既不算成功也不算失败(
text: ''留在ocr.json里)。 ocr.json一定写(哪怕一张都没识别),形状稳定:
{
"generatedAt": "2026-10-16T…",
"stats": { "total": 120, "ok": 43, "failed": 1, "online": 30, "local": 13,
"timeouts": 0, "onlineOnly": 5, "filtered": 77 },
"images": {
"A1B2.jpg": {
"text": "第一行\n第二行",
"source": "oidb",
"width": 1080, "height": 1920, "elapsedMs": 320,
"blocks": [{ "text": "第一行", "quad": {…}, "rect": {…}, "parag": "…", "field2": 97 }]
}
}
}面板入口(ExportLightbox 左列「图片识别」栏,单独一块、不在「扩展功能」里): OCR 开关的放行条件是「QQ 在线 或 本地识别模型已下载」;「在线识别」开关只在 QQ 在线 + 当前来源 QQ 在线能力启用 + 物料齐全时出现。面板里只提供筛图模型的下载(下完自动 setOcrModel 设为当前模型)—— 筛图是在线 / 离线共有的前置步骤,放进来不会引出「要不要开在线」的 选择;出文字的识别模型统一在「设置 → 图片识别」里下(它是在线拿不到时的兜底)。 渲染层把「筛图模型当下下好没有」作为 media.ocrPrefilter 传给主进程(实时判定, 不进持久化预设),主进程据此把 ocrfilter 阶段标成 skipped 而不是空跑。
进度与心跳:ocr 阶段的分母 = 进识别腿的图(被筛掉的会从分母里减掉),分子 = 已经有 结论的图;在线阶段每 10 s 一条 在线识别进行中:已定 x/y(成功 a · 失败 b · 超时 c · 在飞 d)。 回包最慢要等 native 的 30 s 应答截止时间,没有这两样的话界面上就是一个不动的 0%。
坑:应答体被压 zlib(dataFlag=1)。服务端在应答体较大(几 KB 以上)时会把 SSO 层的 body 压成 zlib,native 层原先解不开就把整帧丢掉 —— 表现为「字越多的图越容易失败」,而且每个 请求要干等 30 s 才报超时(client.rs 的 REPLY_TIMEOUT)。native 侧已接上解压(packer.rs 的 inflate_body,不校验校验和,带 zlib 头 / 裸 deflate 都认);导出侧另加了 45 s 单张兜底 (main/ocr/online.ts)并把这类失败单列成 timeouts,免得下次再从「没有可用的本地识别模型」 这种转译过的文案去猜。
尚未接入的范围:服务层定时导出模板(scheduler.ts 的 ScheduleOptions)没有 OCR 选项, 群相册等独立资源导出也不因此获得 OCR。普通聊天与频道私聊的消息导出已接入同一 OCR 管线。
打包(按平台 × 架构各留一份二进制)
extraResources只把out/main/ocrWorker.mjs拷到实体目录;子进程不能读取 asar。运行时由WEQ_ENHANCEMENT_RUNTIME定位已经安装的增强包引擎,onnxruntime-node与onnxruntime-common不再随基础应用复制。- 引擎资产只收集目标平台/架构的 CPU 二进制,并与文字识别、意图/画像共用。全部文件校验及实际加载通过后才发布就绪回执。开发态可以复用冻结版本的现有依赖;正式打包与用户目录加载见增强包专用引擎。
- worker 是自包含单文件(rollup 已把管线打进去,没有相对 import)。为此主进程侧 只允许类型引用
pipeline.ts,否则 rollup 会抽出一个共享 chunk,拷出去就少了文件。 - CI 里要按平台 × 架构验一遍(历史上 arm64 装错 binding 出过事,见
release.yml)。 onnxruntime-node 的 postinstall 在 linux/x64 上还想拉 CUDA EP(几百 MB),已在pnpm-workspace.yaml里显式拒绝。 - 平台矩阵:上游从 1.2x 起不发 macOS Intel(darwin/x64)的二进制,
bin/napi-v6/下只有darwin/arm64、linux/{x64,arm64}、win32/{x64,arm64}。这份矩阵写在packages/service/src/common/ocr_models.ts的ONNXRUNTIME_CPU_TARGETS,跑不起来的 平台由localOcrBlocker()在设置页 / 灯箱 / MCP 三处如实说明。
五、筛图模型实测(2026-10-16,扫本机 QQ 图片)
拿 ~/.config/QQ 里 140 张真图(Pic / PhotoWall / Qzone 的 Ori,随机抽样)对了两遍:
| 判据 | 结果 |
|---|---|
| tiny 检测框 > 0 | 135 张算「有文字」,5 张「没有」 |
| v5 det(识别模型的检测头)框 > 0 | 134 张「有文字」,6 张「没有」 |
| 两者一致 | 133 / 140(95%) |
不一致的 7 张很说明问题:
- tiny 说「有」、v5 说「没有」6 张 —— 其中 4 张是 240-420px 的正方形头像 / 表情类小图, tiny 给出整图大小的框(面积占比 60-100%)。这些是误报,靠「框面积占比上限」 就能滤掉大半。
- v5 说「有」、tiny 说「没有」1 张 —— 254×240 的照片(约 17% 面积有字,低对比), tiny 漏了。漏判是更危险的方向(会把有文字的图跳过)。
所以「框 > 0」这个判据单用偏松。以下是 2026-10-16 抽样时的候选建议,不是当前执行策略; 当前已接入第四节所述的整图面积过滤,模型仍为注册表中的 tiny。原候选为:把筛图换成 ch_PP-OCRv5_det_mobile(4.6 MB,与识别模型同源、上面 134/140 那张表就是它), 或者留着 tiny 但加两条:框面积占比落在 0.5% ~ 60% 之间、且至少一个框置信度 ≥ 0.5。 加档位是纯注册表改动,UI 逐条渲染。
六、识别结果缓存(灯箱 / 导出 / MCP 共用一份)
同一张图在三个入口被反复识别是纯浪费(本地推理秒级、在线还有 9 天寿命与风控),所以 识别结果按图片内容 md5 存一份到 <缓存根>/ocr/<md5 前两位>/<md5>.json:谁先跑出来 谁写,后面所有人直接命中 —— 在线请求、本地推理、连筛图那一趟检测都省掉。设计取舍与 完整字段说明见规划文档,实现是 packages/service/src/common/ocr_cache.ts。
- 键:元素 45424 / 45406(渲染视图里就是
pic.md5,mapPic顺带把它归一成小写 hex)。 MCP 给本机文件路径时也能对上 —— QQ 的图片文件名本来就叫<md5>.<ext>。只认 16–64 位 hex,认不出就不缓存(宁可少缓存,也别拿错一张图的文字)。 - 多份并存:一条记录里按生产者分格(
oidb/local:<模型 id>/ 筛图filters[<模型 id>]),读的时候按调用方偏好挑。所以「离线时本地先跑过、之后在线可用」 仍能拿到在线那份,换识别模型也不会吃到旧模型的结果;空结果也算结果(没文字), 免得反复跑。 - 坐标系:每份结果自带
frame(被识别那张图的宽高 + 原图 / 缩略图)。本地那条腿 可能读到缩略图,覆盖层按它换算(scaleOcrPoints/scaleOcrRect)。 - 目录不进默认缓存清理白名单(与
roam-msg/weq-assistant/export同档): 过期图(CDN 已失效 + 本机没本体)的结果清掉就再也拿不回来。当前存储管理可明确勾选 OCR 风险数据并退出清除,见存储管理,不是绝对不可清理。 - 灯箱门禁多一条腿:
account.ocrCacheLookup({ md5 })命中时,「QQ 离线 + 没下模型 + 服务端副本已过期」的图按钮照样能点,直接给缓存。
七、还差什么
- 打包真机验证:用
pnpm --filter @weq/desktop build:unpack检查产物,确认ocrWorker.mjs+resources/node_modules/onnxruntime-node的布局在安装包里成立(见第四节的说明)。 - 取图:本地 OCR 只解决「像素 → 文字」。字节来源要么本机 QQ 落盘,要么 rkey + CDN 下载(需要在线 QQ),链路已在
media_download.ts; 所以「离线」只到推理这一步,纯离线只对已缓存 / 已落盘的图成立。 - 入口门禁:群相册 / 收藏 / 本地资源那些入口没带
fileToken,灯箱里依旧没有 OCR 按钮。「按文件路径取字节」的腿已经在local.ts里落地了(MCP 的ocr_image_text走path时就是它),要给这些入口开按钮,还差把它们手里的本地路径 / URL 喂进runLocalOcr这一小步。 - 导出侧的后续:服务层定时导出模板还没带 OCR 选项;筛图模型换档仍为候选,现有
judgeTextBoxes已过滤面积占比 ≥90% 的框,不把第五节旧建议误作尚未添加任何过滤。 OCR 目前在普通聊天 / 频道私聊消息导出里跑,不覆盖所有资源导出。
八、已知的坑
- 精度差一档:在线是腾讯自研(PP-OCR 血统 + 自有数据 + 更大 backbone)。mobile 档 在普通聊天截图上接近,小字 / 艺术字 / emoji 混排 / 竖排 / 手写会明显更差;想追平要上 server 档(体积大 3–5 倍,CPU 慢好几倍)。
- 方向:cls 只能纠 180°(倒转),不是任意角度旋转。
- 打包:新增原生依赖要在
electron-builder.yml与release.yml里按平台 × 架构 逐项校验(历史上 arm64 装错 binding 出过事);体积大的原生包(如 onnxruntime-node 288 MB)必须按平台 / 架构挑文件,别整包拷 —— 也不要把原生模块留在 asar 里, smartUnpack 会再整包解一份到app.asar.unpacked/(v2.0.5 的 Windows 安装包因此翻倍)。 - macOS Intel:上游没有 darwin/x64 的 onnxruntime,本地识别在这台机器上跑不起来 (
localOcrBlocker()会拦住并说明),别把它当成「模型没下好」的 bug 报上来。 - 与在线版共存:两者输出契约一致,可以「在线优先、本地兜底」,也可以只用本地 —— 和语音转写「在线漏包回退本地模型」是同一个思路。
