@crispychicken/zh-keyboard-recognizer | 中文手写识别模块


中文虚拟键盘组件库的手写识别模块

功能特点

- ✏️ 实时手写汉字识别
- 🔧 可自定义识别模型和字典
- 🚀 识别速度快，纯cpu模式200ms内，可选webgl加速
- 📚 内置支持GB2312标准中的3755个一级汉字的识别支持
- 🔄 更多文字识别支持（包括二级汉字、生僻字等）暂不开放

🤝 手写识别模型说明

手写识别模型由我的一个朋友提供

如果您需要包括二级汉字、生僻字等的更完整的手写识别模型，以及更多的定制服务，请扫描下方二维码添加我朋友的QQ进行咨询：

安装

``bash

使用npm

npm install @crispychicken/zh-keyboard-recognizer

或使用pnpm

pnpm add @crispychicken/zh-keyboard-recognizer
`

基本用法

`typescript
import { ZhkRecognizer } from '@crispychicken/zh-keyboard-recognizer'
// 如果需要使用WebGL后端，需要手动引入
import '@tensorflow/tfjs-backend-webgl'

// 创建识别器实例
const recognizer = new ZhkRecognizer({
modelPath: '/models/handwrite/model.json', // TensorFlow.js模型路径
dictPath: '/models/dict.txt', // 汉字字典路径
backend: 'webgl' // 可选：'webgl'或'cpu'，默认为'cpu'
})

// 初始化识别器（加载模型和字典）
await recognizer.initialize()

// 使用识别器识别手写汉字
// strokeData格式：[x1, y1, isEnd1, x2, y2, isEnd2, ...]
// isEnd为0表示笔画继续，为1表示笔画结束
const strokeData = [10, 10, 0, 20, 20, 1,]
const results = await recognizer.recognize(strokeData)

// 识别结果是按置信度排序的汉字数组
console.log('识别结果:', results) // 例如 ['中', '申', '由', ...]

// 使用完毕后释放资源
await recognizer.close()
`

参数

- options: 配置对象
- modelPath: 模型文件路径，指向TensorFlow.js模型的json文件
- dictPath: 字典文件路径，文本文件，每行一个汉字
- backend: 可选，TensorFlow.js后端类型，可选值为'webgl'或'cpu'，默认为'cpu'

性能优化

- 在支持WebGL的设备上使用'webgl'后端可以显著提高识别速度
- 注意：使用WebGL后端时，需要手动引入 import '@tensorflow/tfjs-backend-webgl'`
- 初始化时会自动进行模型预热，减少首次识别的延迟
- 如果在移动设备上使用，建议使用较小的模型以提高响应速度