使用Firebase ML，如何无需手动拍照直接处理相机流提取价格？

完全存在适配你现有链路的成熟实现方案，不需要大改你已经跑通的静态图识别流程

核心实现思路 #

你当前的链路是「打开相机→用户手动按快门拿静态图→送识别→提取价格→展示UI」，要去掉手动拍照环节，只需要把输入源从“快门触发的静态图”替换成“相机预览的实时帧流”即可，后续的文本识别、实体提取、结果展示逻辑完全可以复用现有已跑通的代码，不需要重写。

具体实现步骤 #

• 替换输入源：移动端直接用系统原生的相机帧回调能力拉取预览帧
  • Android端用CameraX的ImageAnalysis用例，配置目标分析帧率，通过独立的后台executor接收每帧的图像数据，直接封装为ML Kit可识别的InputImage对象
  • iOS端用AVFoundation的AVCaptureVideoDataOutput代理回调，拿到实时帧后同样封装为ML Kit的输入格式
• 复用现有识别逻辑：把原来传给识别API的静态图输入，替换成实时帧封装的输入对象即可，ML Kit的文本识别接口对两种输入的返回结构完全一致，你现有的文本解析、价格实体提取的代码可以100%复用
• 优化交互体验避免结果跳变：
  • 做帧降频处理：不需要每帧都送识别，每200~300ms取一帧送入引擎即可，既保证识别灵敏度，也降低CPU和电量消耗
  • 加结果稳定性校验：如果连续3~5帧识别到的价格数值完全一致，再自动触发UI更新展示结果，不需要用户按任何按钮，识别稳定后可以给个弱视觉提示（比如在识别到的价签位置画个高亮框），让用户知道识别已经完成
  • 加帧过滤逻辑：对清晰度太低、光线过暗的帧直接跳过不送识别，减少无效计算和乱码结果

落地注意事项 #

• 实时帧的处理逻辑一定要放到独立的后台线程，不要占用主线程资源，避免相机预览卡顿
• 这套识别逻辑完全是端侧运行的，不会产生额外的接口调用成本，中低端机型上也能流畅运行
• 可以保留原有手动拍照的入口作为兜底，当环境光线、角度导致实时识别失效时，用户可以手动拍一张触发识别，不影响原有功能的可用性
• 整个流程改造完成后，用户从打开相机到拿到识别结果的耗时可以从原来的数秒（按快门+静态图识别等待）压缩到1秒内，基本匹配用户的手动操作直觉体验

内容的提问来源于stack exchange，提问作者Danish Ajaib