dsh-manga-workflow
Manifest validManga translation pipeline for DeepSeek Harness: box marking in a sidebar workbench, local Japanese/Korean/English OCR, free-engine or AI translation, GPU text erasure with Chinese embedding, pre-embe
dsh-manga-workflow
版本更新记录见 CHANGELOG.md;发版规则见 RELEASING.md。
🚀 v1.12.0:DSH 全面接管 —— 网页端新增「拟声词识别填词 / DSH汉化模式 / 单页识图翻译」, 「确认嵌字」带前置体检(数组对齐/无效译文拦截/艺术字排除)与预计消耗显示;双端页码直达、 版本检测、校对白名单与结构检查、拟声词溢出兜底。详见 CHANGELOG。
⚠️ v1.10.0 是大改动版本:标注体系整体重做(类型/原文处理/按框 GPU/三组样式+字体), 翻译改为引擎优先级(DSH 模型 / AI 接口 / 免费兜底),新增全自动、同步(仅配对)、 DSH 本机桥(桌面端免 Key 用 DSH 模型),网页端同步全部标注能力。 升级后建议先看桌面端「帮助」或本文的 v1.10 桌面端大改版 一节。
DeepSeek Harness 的漫画汉化工作流插件:本地 OCR(日/韩/英)、GPU 去字(LaMa)、中文嵌字, 标注体系(正文/拟声词/标题、原文处理、按框 GPU)、翻译引擎优先级、全自动流程, 外加启动提示栏和自动标框基准测试。
提供的工具
| 工具 | 作用 |
|---|---|
manga_ocr | 对已标框的漫画文件夹跑本地 OCR,生成 ocr_text.json |
manga_embed | 按 trans.json 擦原文 + 写中文,可选 GPU LaMa 去字或预览 |
manga_status | 汇总页数、框数、翻译进度 |
manga_bench | 把已有 regions.json 当标准答案,测自动标框的召回/精确/噪声率 |
侧边栏:漫画工作台
插件启用后,左侧边栏多出 🎨 漫画工作台 入口,点开是一个工作台面板:
| 启动页 | 标题、路径输入、「浏览…」系统对话框、引擎检测、视觉引擎状态、页脚声明 | | 文件夹输入 | 粘贴路径 / 点「浏览…」选目录 / 记住上次路径 | | 状态 | 页数、框数、已翻译数(底部常驻:第几页/文件名/框数/已译数) | | 流程按钮 | OCR / 翻译 / 校对 / 嵌字(异步任务,日志实时滚动) | | 页码导航 | ◀ / ▶ 翻页 + 保存(Ctrl+S) | | 网页标框 | 框选 / 自由框选;类型(正文/无框正文·拟声词/标题);原文处理(译文直盖/抹除/色块覆盖)+ 按框 GPU;方向三选(自动/竖/横);字号+自动字号;单击选中后改设置实时写回;框外标注;右键删框;双击改字;撤销 | | 文字样式 | 正文 / 拟声 / 标题 三组预设 + 字体下拉 + 实时预览;应用到本页 / 应用到全部;「样式 ▾」可收起 | | 翻译设置 | 设置页「文字翻译引擎」:DSH 模型 / 外接 AI 接口 / Google / MyMemory(双端共享,网页端可直接用 DSH 模型自动翻译) | | 设置 / 帮助 | 顶部「设置」「帮助」,也可从启动页进入 | | 日志 | 脚本运行输出(轮询任务进度) |
网页版仍缺:自动标框、一键识别、同步(配对)、画面缩放、全自动按钮。这些用桌面版
mark.bat; 启动页也能一键「启动桌面版」并自动带上当前文件夹。
长任务:网页端是后端异步任务 + 前端轮询日志;桌面端是后台线程 + 状态栏流式进度, 并可用顶栏「取消当前任务」杀进程树(网页端暂不能中断)。
v1.10 桌面端大改版(重点)
桌面版 (manga_tool/mark_tool.py,程序内「帮助」有完整说明):
标注体系
| 项目 | 说明 |
|---|---|
| 模式 | 框选(B) / 自由框选(P,原「涂抹」) |
| 类型 | 正文(绿框) / 无框正文·拟声词(红虚线) / 标题(蓝框、嵌字居中加粗) |
| 原文处理 | 译文直盖 / 抹除 / 色块覆盖;选「抹除」时出现按框 GPU 去字勾选 |
| 框外标注 | 左上=类型,右上=原文处理(直盖/覆盖/抹除·GPU/抹除·普通) |
| 点选编辑 | 单击框=选中(黄框),之后改类型/处理/GPU/方向/字号/样式会立即写回该框 |
| 方向 | 自动检测 / 竖排 / 横排 |
| 字号 | 手动字号 + 自动字号(拟声词自动放大、正文超框自动缩小) |
样式 / 工具栏 / 快捷键
- 三组样式(正文 / 拟声 / 标题)+ 字体下拉(宋体/黑体/楷体/仿宋/华文系列/瘦金体/隶书/幼圆)+ 实时预览;
- 「应用到本页」「应用到全部(按类型刷全书)」;「样式 ▾」可收起,再展开回到原位;
- 工具栏重排:「校对」移到「翻译」后;翻译设置/设置/帮助收进「更多 ▾」;「取消当前任务」独立按钮;
- 底部常驻状态栏:第几页/文件名/框数/已译数 + 当前任务进度;
- 快捷键:
B/P模式、1/2/3类型、E原文处理循环、GGPU(仅抹除)、T翻译、O识别、Ctrl+Z撤销、Ctrl+S保存、←/→翻页、F5刷新(输入框内不误触); - 软件内记忆:每种类型各自记住上次的「原文处理/GPU」,切换类型自动恢复(退出软件重置)。
自动标框(三模式)
| 模式 | 行为 |
|---|---|
| 全部(自动区分)(默认) | 标全部文字,气泡内=正文 / 气泡外=拟声词(结合气泡判定 + 墨量特征) |
| 只标气泡 | 只标气泡内文字(全部按正文) |
| 只标拟声词 | 只标气泡外文字(按拟声词) |
- 与已有标注重叠(<25% 或中心落入)的检测结果自动跳过,不会重复标框;
- 识别出的拟声词默认「译文直盖」;整本自动标框同样适用。
翻译 / 自动化
- 翻译引擎优先级:DSH 模型 / 外接 AI 接口(高)→ 免费渠道(低,仅兜底);
同时勾选多个免费渠道会并行翻译并写
trans_alt.json供对比; - 重新翻译覆盖旧译文:默认开(翻译设置里可关);
- 同步:只把已标注框的「原文 ↔ 译文」按当前框顺序重新配对(不 OCR、不翻译;框数变化自动裁剪/补空并提示被裁条数);
- 全自动按钮:OCR → 翻译 → 校对 → 嵌字,一次点完;
- DSH 本机桥:DSH 运行时自动开
127.0.0.1随机端口+令牌的小接口, 桌面端勾「交给 DSH 会话翻译」即可免 API Key 直接调用 DSH 模型; DSH 没运行时自动回退为「导出请求」方式。
界面选项(双端设置页)
| 选项 | 作用范围 | 存储位置 |
|---|---|---|
| DSH 侧边栏 | 双端共享:任意一端关掉,另一端也不会显示「漫画工作台」入口 | ~/.manga-workflow/settings.json 的 sidebarEnabled |
| 启动提示弹窗 | 双端共享(只影响网页端显示):输入框上方那条「漫画汉化工作流已就绪」高亮提示 | 同文件的 bannerEnabled(默认 开) |
| 记忆上次路径(网页端) | 仅网页端 | 同文件的 rememberPathWeb |
| 记忆上次路径(桌面端) | 仅桌面端 | 同文件的 rememberPathDesktop |
- 两端改的是同一个
~/.manga-workflow/settings.json,各自只写自己的键,互不覆盖; - 网页端切换侧边栏立即生效(动态注册/注销 slot);桌面端写入后,网页端刷新一次才生效;
- 关闭记忆路径时,已记住的路径会被忽略(网页端还会清除 localStorage 里的缓存)。
OCR 兜底(视觉引擎)
本地 OCR 识别不可靠时,自动把框内图裁下来交给视觉引擎重读,写回 ocr_text.json
(原文件先备份成 ocr_text.json.bak)。
| 阈值档位 | 触发条件 | 典型候选数(实测 210 框的本子) |
|---|---|---|
| 关闭 | 不兜底 | 0 |
| 仅空框(默认) | OCR 结果完全为空 | 0(安全网) |
| 空框 + 极短 | 有效字数 < 阈值(标点/省略号不计) | 阈值 1 → 7 框;阈值 2 → 15 框 |
| 全部重读 | 每个有字的框 | 210 框(受上限约束) |
- 短句自动兜底(默认开):有效字数 ≤5(不含标点) 的框也送视觉引擎重读,可在设置取消;
- 已兜底标记:处理过的框记在书的
ocr_fallback_done.json,重复跑 OCR 不会重复花钱(--force可强制重跑); - 兜底改了原文后自动做一次「同步」(原文↔译文重新配对);
- 每本上限(默认 30 框)控制花费:每框约 ¥0.01~0.09(取决于裁剪图大小与模型);
- 只在对该本子跑 OCR 时触发一次;兜底失败不影响已成功的本地 OCR 结果;
- 配置存
manga_tool/_ocr_cfg.json,网页端与桌面端改的是同一个文件; - 命令行:
python manga_tool/ocr_fallback.py <本子> --dry-run --mode short可先看候选。
运行环境(自动探测 + 一键安装)
插件自带工具链(OCR / 翻译 / 校对 / 嵌字 / 自动标框脚本都在插件 scripts/ 里),
安装后不需要再下载 manga_tool。
- Python 自动探测:按
插件配置 → 环境变量 DSH_MANGA_PYTHON → 插件内置 _venv → 相邻 _venv → 系统 PATH顺序找 Python 3.9+,设置页会显示用的是哪个; - 设置页 → 运行环境:三档依赖状态 + 一键安装
- 基础(Pillow / numpy / OpenCV / requests,约 100MB)—— 标框、翻译、嵌字必需
- 本地 OCR(torch / manga-ocr / easyocr,约 2GB)—— 要本地 OCR 才装
- GPU 去字(iopaint,可选)—— 想用 LaMa 擦字才装
- 安装前必须先选安装位置(设置页「运行环境 → 安装位置」):
- 点「选择目录…」挑一个目录,或点建议的
D:\dsh-manga-env之类; - 禁止选 C 盘(C 盘会被前端与后端同时拦下,避免把几个 GB 的模型/依赖塞进系统盘);
- 依赖与服务环境全部装到该目录,安装日志实时滚动;
- 点「选择目录…」挑一个目录,或点建议的
- 想用自己已有的环境:在插件配置里写
pythonPath/scriptsDir即可优先使用。
成本预估(设置页)
设置页底部有「成本预估」,分两块:
| 项目 | 口径 | 说明 |
|---|---|---|
| 识图(外接视觉引擎) | 按 token 计费 | 读取本子首页/中间/末页的尺寸,按 28px patch 估输入 token;输出按 400 token 估;单价自己填(元/百万 tokens) |
| 嵌字(本地) | ¥0 | 本地 GPU / OpenCV,不产生 API 费用;参考耗时约 0.4 秒/页 |
- 显示:每页成本、整本 N 页合计;
- 单价留空按 0 计(¥0);网页端单价存在浏览器 localStorage,桌面端存在
manga_tool/_cost_cfg.json; - token 只是估算,实际以各厂商计费口径为准;不做识图就不产生费用。
帮助页
启动页 / 工作台顶部的「帮助」按钮打开内置使用说明,包含:
- 基本流程
- 鼠标与快捷键
- 网页版与桌面版的区别(18 项对照表)
- 设置页说明(视觉模型 / API、测试连接 vs 测试识图、界面选项)
- 视觉引擎(识图)与免费模型
- 常见问题(异步任务、翻译慢、保存覆盖、弹窗/侧边栏怎么关…)
桌面版对应 manga_tool/HELP.md(程序里点「帮助」查看)。
视觉引擎(识图)
让 AI「看图 / 读图」必须先配好视觉引擎。 本地 OCR 不需要它,但检查嵌字效果、 读图上的文字、核对气泡位置完全依赖它。
启动页会显示当前视觉引擎状态(✅ 已配置 / ⚠️ 未配置)并提供「去设置」入口;
工作台顶部、网页帮助页与桌面版 HELP.md 都写明了用法与免费方案。
免费 / 低门槛的视觉模型
| 模型 | API Base | 模型名 | 说明 |
|---|---|---|---|
| 智谱 GLM-4V-Flash | https://open.bigmodel.cn/api/paas/v4 | glm-4v-flash | 官方免费 |
| 硅基流动 Qwen2.5-VL | https://api.siliconflow.cn/v1 | Qwen/Qwen2.5-VL-7B-Instruct | 有免费模型,以站内为准 |
| Google Gemini 2.0 Flash | https://generativelanguage.googleapis.com/v1beta/openai/ | gemini-2.0-flash | AI Studio 免费额度 |
| OpenRouter | https://openrouter.ai/api/v1 | 选带 :free 的视觉模型 | 免费模型随时变 |
免费额度与可用性随时可能调整,以各厂商官网为准。
使用提示
- 换厂商要连 API Key 一起换,只改 API Base 会鉴权失败。
- 模型必须有视觉能力,填纯文本模型(如
deepseek-chat)会报错。 - 保存后先点「测试连接」,再在对话里让 AI 读一张图验证。
- 免费模型通常有速率限制,整本批量识图建议付费或分批。
- 保存后若对话里的识图工具仍用旧配置,重开一次对话最稳。
设置(视觉模型 / API)
网页端启动页与工作台顶部、桌面版主页与编辑器顶栏都有「设置」按钮。
控制的是 DSH 识图用的视觉模型(modlens),写入 ~/.modlens/config.json 的 providers.openai,
所以改完就等于替换掉当前在用的那一家 API(比如换成别家、或把月之暗面换掉)。
- 字段:模型名、API Base、API Key(OpenAI 兼容协议)
- 快速预设:月之暗面 / 通义千问VL / 智谱 GLM-4V / OpenAI,点一下自动填 Base + 常用模型名
- 存储:两端共用
~/.modlens/config.json,桌面版与网页版改的是同一个文件 - 测试连接:向
{API Base}/chat/completions发一次最小文本请求(max_tokens: 8),只看 API 通不通 - 测试识图:真发一张程序生成的绿色三角形图,让模型回答形状+颜色 —— 只有它答对才算「会看图」; 纯文本模型即使 API 通,这一步也会判为「没看懂图」
- API Key:保存后只显示打码形式(
sk-i****D7gM);留空表示不修改,「清空 Key」才会删除 - 保留字段:写回时会保留 modlens 原有的
structuredOutput、extraBody以及其它 provider
示例 ~/.modlens/config.json:
{
"providers": {
"openai": {
"baseUrl": "https://api.moonshot.cn/v1",
"apiKey": "sk-...",
"model": "kimi-k3",
"structuredOutput": true,
"extraBody": { "thinking": { "type": "disabled" } }
}
}
}
启动提示栏
插件就绪后,输入框下方会出现一条中文提示:
漫画汉化工作流已就绪
- 黄色高亮闪一下(约 0.55 秒);
- 停留几秒后淡出消失;
- 不常驻,不会一直占着界面。
提示栏只在页面加载/插件重载时出现一次,想看效果可刷新页面或重启 DSH 客户端。
位置在输入框下方的状态栏右侧。不想要它:设置 → 界面选项 → 启动提示弹窗,默认开启。
安装
方式一:从 GitHub Release tarball(推荐)
dsh plugin --profile <你的profile> add https://github.com/YiDaWuYi/dsh-manga-workflow/releases/download/v1.12.5/dsh-manga-workflow-1.12.5.tgz
或在 DSH 的 插件 → 添加插件 里填这个 tarball 地址。
方式二:从本地目录
dsh plugin --profile <你的profile> add <本仓库目录>
配置
在 cordis.patch.yml 的 config 中可改:
| 键 | 说明 | 默认 |
|---|---|---|
scriptsDir | 工作流 Python 脚本目录 | E:/manga_tool |
pythonPath | 运行脚本的 Python | E:/_venv/Scripts/python.exe |
测试方法
让 DSH 的 Agent 跑(推荐)
用 manga_bench 测一下 <本子目录>
或者指定不过滤模式:
用 manga_bench 测一下 <本子目录>,all 设为 true
自己跑脚本
python scripts/bench.py <本子目录> # 只标气泡
python scripts/bench.py <本子目录> --all # 不过滤
python scripts/measure_detect.py <本子目录> <自动regions.json>
python scripts/measure_precision.py <本子目录> <自动regions.json>
前提:本子必须已经人工标好 regions.json(作为标准答案),自动标框需要 GPU 与 EasyOCR 模型缓存。
前提
- 漫画文件夹里已有
regions.json(用工作区的mark.bat标框得到); - 本地 OCR / GPU 去字需要
_venv(torch、manga-ocr、easyocr、iopaint)已存在于工作区; - 缺失时工作区标框工具的启动页会提示,并可复制修复关键词交给 AI 安装。
限制
- 长段落和花体拟声词的本地 OCR 可能读错或瞎编,需要人工或用 AI 补读;
- GPU LaMa 对密集网点背景会有轻微柔化;
- 自动标框对"不在气泡里的排版文字"和"很小的字"仍会漏检;
- 自动区分的类型不是 100% 准确:纯浅笔画、贴着气泡边的拟声词仍可能被判成正文,
选中后按
2改成拟声词即可(v1.10 已加入墨量判别,准确率比旧版更好); - 框画得比气泡大时,文字仍可能压到气泡外 —— 这是框的几何问题,建议标框贴合气泡。
许可
MIT
Comments
Loading…
Similar plugins
by godv61
Preset engineering workflows for DeepSeek Harness: a dev_task tool that gates stage transitions, artifacts, verification, review and commit scope, plus a web workbench for installing project or user s
★ 18
↓ 981/wk
MIT
TypeScript
Nov 19, 2026
dsh plugin --profile web add @godv61/dsh-task-engineby 82c86b8z86-stack
Engineering workflow layer for DeepSeek Harness (dsh): a disciplined-engineer agent preset with five gated phases — requirements clarification, plan approval, TDD, parallel subagent execution, and ver
★ 4
MIT
JavaScript
Oct 11, 2026
dsh plugin --profile web add dsh-engineering-workflowby nuaaweixinye
GME Test Agent workflow tools for DeepSeek Harness (dsh): pick interfaces, generate and repair tests autonomously in a local Python backend, poll until review, decide with consent.
★ 0
MIT
TypeScript
Sep 15, 2026
dsh plugin --profile web add dsh-gme-workflowby xiaoso456
DeepSeek Harness 的软工作流插件:在画布上设计流程,编译成计划提示词,由模型按计划执行;运行状态由模型自己记,没有执行引擎
★ 300
↓ 976/wk
NOASSERTION
TypeScript
Nov 12, 2026
dsh plugin --profile web add @xiaoso/dsh-workflow-liteby wei238982377
An add-only Markdown library for DeepSeek Harness with a workspace file picker, fixed non-overlapping icon grid, marquee selection, virtual folders, full-screen tabs, GFM tables, and local Mermaid/cha
★ 2
MIT
JavaScript
Nov 6, 2026
dsh plugin --profile web add dsh-docdeskby 1771486218
Workspace full-text search for DeepSeek Harness: grep file contents from the GUI, with filters, context preview and jump-to-line.
★ 0
MIT
JavaScript
Oct 23, 2026
dsh plugin --profile web add dsh-workspace-search