MLKitTextRecognizer 拓展：离线图片文字识别（OCR，中英文）

• MLKitTextRecognizer 拓展
  • 快速上手
    • 一、识别中文（最常用）
    • 二、切换脚本
    • 三、识别 Base64 图片
    • 四、拿结构化结果（做文字定位）
  • 属性
  • 事件
  • 方法
  • 运行环境：AI 伴侣联机需要 Android 11 及以上
  • 常见问题

« 返回首页

MLKitTextRecognizer 拓展

识别图片里的文字（OCR），支持 拉丁字母与中文两种脚本。

为什么选它：

• 完全离线。识别模型随 .aix 打包，设备不需要安装 Google Play 服务，断网也能用 —— 这对国内设备很关键。
• 两种脚本：拉丁字母（英文/法文/西文等）、中文（简繁都能认，也能认其中夹杂的拉丁字母）。
• 不用先”初始化”，切换脚本只改一个属性。
• 结果除全文外，还给出文字块 / 行 / 单词三级结构和每一级的坐标框，可以用来做文字定位、划词、局部高亮。

与本仓库 OCR 拓展（Tesseract）的区别：本拓展用 Google ML Kit，中文识别准确率通常明显更好、 速度更快，但体积更大（约 15MB，离线模型打包在内）。

• .aix 拓展下载：

cn.fun123.MLKit.TextRecognizer.aix

快速上手

一、识别中文（最常用）

设计器里放一个 MLKitTextRecognizer，把 识别脚本 属性设成 chinese，再放一个「图像选择器」和一个标签。

when Screen1.Initialize() {
  TextRecognizer1.Script = "chinese"
}
when 图像选择器1.AfterPicking() {
  标签1.Text = "识别中…"
  TextRecognizer1.RecognizeFromFile(图像选择器1.Selection)
}
when TextRecognizer1.RecognitionSuccess(text, resultJson) {
  标签1.Text = text
}
when TextRecognizer1.RecognitionFailed(operation, errorMessage) {
  标签1.Text = errorMessage
}

chinese 脚本同时能认中文和其中夹杂的拉丁字母，所以中英混排的图片直接用 chinese 就行。

二、切换脚本

when 按钮_英文.Click() {
  TextRecognizer1.Script = "latin"
  标签_当前模式.Text = "当前：拉丁字母"
}
when 按钮_日文.Click() {
  TextRecognizer1.Script = "chinese"
  标签_当前模式.Text = "当前：中文"
}
when 按钮_韩文.Click() {
  TextRecognizer1.Script = "latin"
  标签_当前模式.Text = "当前：拉丁字母"
}

三、识别 Base64 图片

when 按钮_Base64.Click() {
  TextRecognizer1.RecognizeFromBase64(文本输入框_Base64.Text)
}

四、拿结构化结果（做文字定位）

when TextRecognizer1.RecognitionSuccess(text, resultJson) {
  标签1.Text = text
  标签_原始结果.Text = resultJson
}

resultJson 的形状（用「JSON 文本解码」块解析）：

{"text":"全文",
 "blockCount":2,
 "script":"chinese",
 "blocks":[{"text":"这一块的文字",
            "bounds":{"left":10,"top":20,"right":300,"bottom":80},
            "cornerPoints":[{"x":10,"y":20}],
            "lines":[{"text":"这一行",
                      "bounds":{"left":10,"top":20,"right":300,"bottom":50},
                      "elements":[{"text":"这","bounds":{"left":10,"top":20,"right":40,"bottom":50}}]}]}]}

三级结构：块（blocks）→ 行（lines）→ 单词/字（elements），每级都有 bounds 坐标框（原图像素）。

属性

Script

识别脚本，决定用哪套模型。默认 latin。

值	含义
latin	拉丁字母：英文、法文、西班牙文、德文等（默认）
chinese	中文，简体繁体都能认，也能认其中夹杂的拉丁字母

填了认不出的值会回退到 latin（不会报错）。

Busy

只读。是否正在识别。识别期间再次调用会触发 RecognitionFailed。

事件

RecognitionSuccess(text,resultJson)

识别成功。text 是全文（只想显示文字用这个就够了）； resultJson 是含文字块/行/单词三级结构和坐标的完整结果（见示例四）。 图片里没有文字时 text 为空串。

RecognitionFailed(operation,errorMessage)

识别失败。operation 是出错的方法名。

方法

RecognizeFromFile(path)

识别图片文件中的文字。path 可以是素材文件名、设备路径、file:// 或 content:// 地址 （「图像选择器」的 选中项 可以直接传进来）。

RecognizeFromBase64(base64)

识别 Base64 图片中的文字。支持纯 Base64，也支持带 data:image/...;base64, 前缀的写法。

运行环境：AI 伴侣联机需要 Android 11 及以上

本拓展的识别模型放在依赖库自带的 assets 里，AI 伴侣联机调试要把它挂进 AssetManager，用的是 Android 11（API 30）才有的 ResourcesLoader —— 这是系统提供的 唯一公开办法，更低版本没有等价 API。所以：

打包 APK 之所以不受限制，是因为模型在编译时就被并进了 APK 的 assets，装到手机上 就是 App 自己的资源，与系统版本无关。伴侣的 APK 是提前编好装在手机上的，运行时没法 往自己已安装的包里加文件，只能靠系统的运行时挂载 API。

低版本设备上想验证功能，直接打包 APK 测即可；要用伴侣边改边调，请换 Android 11+ 的设备。

常见问题

中文识别不出来 / 全是乱码。 识别脚本 还是默认的 latin。中文必须设成 chinese。

识别率不高。 按影响大小排查：① 图片太小/太模糊 —— 文字高度建议至少 16 像素； ② 拍歪了 —— ML Kit 能容忍小角度倾斜，但大幅透视变形要先纠正（可以先用 MLKit.DocScanner 扫描纠正再识别）； ③ 光照不均、有阴影；④ 艺术字/手写体 —— 手写请用 MLKit.Handwriting（那是笔迹识别，不是 OCR）。

能识别一张图里的多种语言吗？ chinese 能同时认中文和拉丁字母，所以中英混排一个脚本就够。

为什么 .aix 有 15 MB？ 拉丁与中文两套离线模型 + 推理引擎都打包在里面了。这是「完全离线、不依赖 Google Play 服务」的代价。 （2026-08-02 起只保留中英文，去掉了日文/韩文/天城文三套模型，体积从约 30MB 降到约 15MB。）

和 OCR 拓展该用哪个？ 中文场景建议本拓展（准确率和速度都更好）。OCR（Tesseract）的优势是可以换任意语言的 traineddata 模型文件、以及支持 ML Kit 没有的语种。