Comment pouvez-vous exécuter l'OCR pour l'apprentissage des langues entièrement dans le navigateur ?
YuzuLingo · 1 nov. 2026
Vous pouvez exécuter l'OCR pour l'apprentissage des langues entièrement dans le navigateur en chargeant un modèle ONNX compact et en l'exécutant avec WebAssembly ou WebGPU. Les images restent sur l'appareil, donc la reconnaissance ne dépend pas d'une clé API cloud ou d'un aller-retour vers un serveur.
Pourquoi l'OCR dans le navigateur est important pour l'immersion
Les sous-titres intégrés sont des pixels, pas du texte. Un apprenant regardant des anime, des drames chinois ou des diffusions en direct a besoin que ces pixels soient transformés en caractères avant qu'un dictionnaire puisse rechercher un mot. Faire cela dans l'onglet signifie que la même session qui lit la vidéo peut également reconnaître la ligne.
Modèles ONNX dans la page
Les packs OCR modernes sont livrés en tant que graphiques ONNX adaptés aux navigateurs. L'extension ou la page charge les poids une fois, puis alimente les régions de sous-titres découpées à travers le graphique. Les petits modèles de style PaddleOCR sont un choix courant pour les sous-titres durs CJK car ils équilibrent précision et taille de téléchargement.
WebAssembly contre WebGPU
WebAssembly fonctionne partout où Chromium et Firefox peuvent héberger une extension. WebGPU accélère l'inférence lorsque le GPU et le navigateur le prennent en charge. Une pile solide choisit WebGPU lorsqu'il est disponible et se rabat sur WASM afin que la reconnaissance fonctionne toujours sur les anciennes machines.
Isolez le travail lourd pour que l'interface reste réactive
Charger des modèles de plusieurs mégaoctets sur le fil de script de contenu principal bloque les clics et le défilement. Exécuter la reconnaissance à l'intérieur d'un iframe ou d'un worker isolé maintient le décodage et l'inférence hors du chemin d'interaction de la page. Le script hôte envoie uniquement des découpes et reçoit des chaînes.
Préchauffez pour que la première ligne ne soit pas un retard surprise
La première inférence paie pour le téléchargement du modèle et l'initialisation du graphique. Le préchauffage lorsque l'apprenant ouvre une zone interactive commence ce travail tôt et montre un état de chargement clair au lieu d'un gel silencieux de cinq secondes. Après le préchauffage, les lignes suivantes réutilisent le runtime chargé.
