我在我的 android 应用程序中集成了 firebase MLKit。我正在使用设备上的 TextRecognizer API 来检测实时摄像机源上的文本。它检测到文本，但处理图像需要很长时间（从 300 毫秒到 1000 毫秒）。由于延迟较大，叠加层不像 Google 镜头应用程序那样平滑。
我该怎么做才能使检测到的文本覆盖在帧之间获得平滑过渡，从而以更大的延迟进行处理？
另外，我注意到谷歌镜头应用程序将文本检测为一个完整的句子，而不是显示文本块。谷歌镜头应用程序如何将文本检测为句子/段落？
我假设您已经在 API 文档中看到了性能提示。没有提到的一件事是图像中的文本量对延迟有很大影响。即使图像分辨率相同，单行文本的处理时间也比一本书的页面要少得多。
如果您不需要识别相机视图中的所有文本，只需对屏幕的一小部分进行识别。看看 ML Kit Translate Demo with Material Design可能会有所帮助，它利用这个“技巧”来获得出色的性能。
第二点，Google Lens 使用更新的文本识别模型，可以更好地将文本块分组为段落。我们希望尽快在 ML Kit 中采用这些新模型。此外，我们正在研究硬件加速，以确保可以实现大量文本的实时体验。