Vision框架多语言OCR问题：韩语俄语仅单独指定可正常识别

一、问题根源：脚本冲突与模型优先级压制 #

你遇到的问题确实和多语言识别时的脚本冲突有关。俄语使用西里尔字母、韩语使用谚文，这两种脚本和你列表中的东亚语言（中日韩）、拉丁系语言（法意德西）差异极大，但Vision框架在多语言识别时，会先做脚本分类检测，再匹配对应语言模型。当你同时指定多种跨脚本语言时，框架可能会优先分配资源给出现概率更高的脚本（比如东亚表意文字或拉丁字母），导致西里尔、谚文这类独特脚本的字符被错误归类，甚至被模型过滤，最终无法识别。而单独指定这两种语言时，框架会直接加载对应脚本的专属模型，自然能正常识别。

二、Vision框架多语言识别的底层逻辑 #

Vision的OCR流程分为两步：

1. 脚本检测：先扫描图像中的字符，判断其所属的脚本体系（如西里尔、谚文、中日韩统一表意文字、拉丁字母等）；
2. 语言模型匹配：从你指定的recognitionLanguages数组中，筛选出对应脚本的语言模型，对字符进行识别。

当数组中包含多种同脚本或跨脚本语言时，框架会根据内部的置信度阈值和语言优先级（数组顺序有一定影响）选择最优模型。如果某类脚本的语言数量过多，或者不同脚本的字符存在视觉相似性（虽然中俄韩差异大，但框架的资源分配逻辑可能偏向更“主流”的脚本），就会导致部分脚本的语言模型无法被有效调用。

三、提升多语言下韩语/俄语识别效果的方法 #

1. 按脚本拆分识别请求 #

这是最有效的解决方案：将不同脚本体系的语言拆分到独立的VNRecognizeTextRequest中，分别执行识别，再合并结果。这样每个请求只会加载对应脚本的模型，避免资源抢占和冲突。示例代码如下：

import Vision

// 处理东亚语言（中日韩）的请求
let eastAsianRequest = VNRecognizeTextRequest { request, error in
    guard let results = request.results as? [VNRecognizedTextObservation] else { return }
    let strings = results.compactMap { $0.topCandidates(1).first?.string }
    // 处理东亚语言识别结果
}
eastAsianRequest.recognitionLanguages = ["ja-JP", "zh-Hans", "zh-Hant"]
eastAsianRequest.recognitionLevel = .accurate

// 处理俄语的请求
let russianRequest = VNRecognizeTextRequest { request, error in
    guard let results = request.results as? [VNRecognizedTextObservation] else { return }
    let strings = results.compactMap { $0.topCandidates(1).first?.string }
    // 处理俄语识别结果
}
russianRequest.recognitionLanguages = ["ru-RU"]
russianRequest.recognitionLevel = .accurate

// 处理韩语的请求
let koreanRequest = VNRecognizeTextRequest { request, error in
    guard let results = request.results as? [VNRecognizedTextObservation] else { return }
    let strings = results.compactMap { $0.topCandidates(1).first?.string }
    // 处理韩语识别结果
}
koreanRequest.recognitionLanguages = ["ko-KR"]
koreanRequest.recognitionLevel = .accurate

// 处理拉丁系语言（法意德西）的请求
let latinRequest = VNRecognizeTextRequest { request, error in
    guard let results = request.results as? [VNRecognizedTextObservation] else { return }
    let strings = results.compactMap { $0.topCandidates(1).first?.string }
    // 处理拉丁系语言识别结果
}
latinRequest.recognitionLanguages = ["fr-FR", "it-IT", "de-DE", "es-ES"]
latinRequest.recognitionLevel = .accurate

// 批量执行所有请求
if let cgImage = yourImage.cgImage {
    let handler = VNImageRequestHandler(cgImage: cgImage, options: [:])
    try? handler.perform([eastAsianRequest, russianRequest, koreanRequest, latinRequest])
}

2. 调整语言优先级顺序 #

将韩语、俄语放在recognitionLanguages数组的最前面，让框架优先考虑这两种语言的模型。虽然脚本检测是前置步骤，但优先级调整可能会让框架在匹配模型时更倾向于这两种语言，一定程度上缓解识别压制：

request.recognitionLanguages = ["ko-KR", "ru-RU", "ja-JP", "zh-Hans", "zh-Hant", "fr-FR", "it-IT", "de-DE", "es-ES"]

3. 优化图像输入质量 #

确保包含韩语/俄语的图像区域清晰无模糊，适当提升对比度、亮度，或者直接裁剪出目标字符区域单独识别，能有效提升模型的识别置信度，减少被过滤的概率。

4. 启用语言校正（按需测试） #

明确设置usesLanguageCorrection为true，框架会基于语言规则修正识别结果，对于拼写类语言（俄语、韩语）可能有一定帮助，但需结合实际场景测试效果：

request.usesLanguageCorrection = true

内容的提问来源于stack exchange，提问作者kenxdrgn