CopyProof

ComfyUI CopyProof

按给定文案验收商业图片，定位需要人工复核或局部返工的文字区域。 本地中英 OCR 可选；外部 OCR JSON 验收不需要 OCR 模型、API 或 LLM 密钥。

这是验收工具，不承诺 OCR 绝对正确、自动修复成功或识别视觉上的每一个字形。English documentation: README.en.md.

安装

把整个目录放到 ComfyUI/custom_nodes/comfyui-copyproof，重启 ComfyUI。基础验收节点使用 ComfyUI 自带的 torch、numpy、Pillow，没有额外必装依赖。

需要直接读图片里的中文字或英文时，在 ComfyUI 的 Python 环境安装：

python -m pip install -r custom_nodes/comfyui-copyproof/requirements-ocr.txt

Windows portable 使用其 python_embeded/python.exe。没有安装 RapidOCR 时，ComfyUI 仍能启动，外部 JSON 验收仍能使用；只有运行 Local OCR 节点才提示依赖安装步骤。支持现代 rapidocr 3.x，以及已安装的旧 rapidocr_onnxruntime 输出适配。首版推荐 CPU，兼容 Windows、macOS、Linux；CUDA 需要用户自行配置匹配的 onnxruntime-gpu，缺少 CUDA provider 时会明确报错。

RapidOCR 默认识别中文及英文。现代 RapidOCR 的模型目录默认是 ComfyUI/models/copyproof/rapidocr，也可在 model_root 指定已有模型目录。模型是否已随安装包提供取决于 RapidOCR 版本；首次运行可能由 RapidOCR 下载其默认 OCR 权重。离线环境请预先准备与安装版本匹配的完整模型文件。旧 rapidocr_onnxruntime 使用其自身的模型设置，不读取 model_root。

两个节点

| 节点 | 输入 | 输出 | | --- | --- | --- | | CopyProofRapidOCR / Local OCR (中英) | IMAGE 批次、cpu/cuda、capture_confidence、model_root | 标准 ocr_json STRING | | CopyProofValidate / Validate Expected Copy | IMAGE、expected_json、ocr_json、验收策略 | error_mask MASK、overlay IMAGE、report_json STRING、verdict INT |

verdict：0 = FAIL，1 = REVIEW，2 = PASS。批次总体只要任一图片 FAIL 就 FAIL，否则只要任一图片 REVIEW 就 REVIEW；每张图的结果在报告中。验收节点本身是 OUTPUT_NODE，可单独运行，也可接 Save Image。前端文本报告展示依 ComfyUI 版本而异，STRING 输出始终可用。

期望文案格式

单张图片或整个批次共享同一文案：

{
  "fields": [
    {"id": "title", "text": "限时优惠", "kind": "text", "bbox": [20, 20, 300, 90]},
    {"id": "brand", "text": "ACME", "kind": "brand"},
    {"id": "price", "text": "¥199", "kind": "price", "bbox": [20, 110, 240, 180]}
  ]
}

也支持 ["限时优惠", "新品上市"] 或字段对象列表。id 可省略，但同图内不能重复。bbox 可省略；有 bbox 时，将中心点位于框内的 OCR 区域按从上到下、从左到右合并，再验收字段。没有 bbox 时，一个字段对应一个 OCR 检测区域；不会猜测多行文案、竖排、弧形字的复杂排版。

坐标均为输入图片像素，[x1,y1,x2,y2]，右/下边界不包含，不能超出图片；没有隐式缩放或归一化。以上框需要按自己的图片调整。多张图使用不同文案时：

{"images":[
  {"fields":[{"id":"sku","text":"A001","kind":"brand"}]},
  {"fields":[{"id":"sku","text":"A002","kind":"brand"}]}
]}

images 必须与 IMAGE 批次数量完全一致、顺序相同。字段没有空间约束时，先保留精确匹配，再进行模糊关联；同一个 OCR 检测不能被两个字段重复消费。重叠字段框可能产生待复核结果，建议给每个字段不重叠的区域。

外部 OCR JSON

接已有 OCR 节点时，把其数据适配成以下格式即可，不必再安装或运行 RapidOCR：

{"detections":[
  {"id":"line_1","text":"限时优患","confidence":0.98,"bbox":[20,20,300,70]},
  {"id":"line_2","text":"¥1999","confidence":0.96,"polygon":[[20,110],[240,110],[240,170],[20,170]]}
]}

支持 confidence / score，polygon / points，以及旧 RapidOCR 的 [polygon,text,confidence] 条目。没有置信度时必须 REVIEW。没有几何位置的检测仍可做文字验收，但不能生成对应区域掩膜。非空文本、有限数字、置信度 0–1、有效坐标会在验收前检查。

OCR 结果永不广播到多张图，批次请提供：

{"images":[
  {"width":640,"height":360,"detections":[]},
  {"width":640,"height":360,"detections":[]}
]}

可选 width/height 必须与输入图片一致，防止把缩略图坐标误用到原图。

策略与返工

• min_confidence=0.75：低于阈值或没有置信度，正确或错误文字都 REVIEW。Local OCR 的 capture_confidence=0.05 用来保留低置信度候选，宜低于验收阈值。
• match_threshold=0.55 只控制无 bbox 时把哪一行关联到哪个字段，模糊匹配绝不代表通过。提供 bbox 更适合短字、价格和固定版式。
• kind=text 可选择忽略空白、标点或英文大小写；brand、number、price、spec 总是严格比较，包括品牌大小写、数字小数点、单位、货币符号及空格。即使普通文字忽略标点，也不会把 19.9 当成 199。多检测区域合并产生的空白如果是唯一差异，返回 REVIEW，因为 OCR 分段不能证明图片排版错误。
• 未检测到字段默认 missing_policy=review：OCR 漏检不能证明图片真没字。若业务要求“未读到即拒绝”，可显式设置 fail。
• 多余文字按 unexpected_policy=review/ignore/fail 处理；低置信度多余文字不会被判定为确定失败。
• error_mask 白色选中 FAIL 及 REVIEW 区域，接 inpaint 前请阅读报告。PASS 区域黑色。mask_padding 在错误区域外扩像素；设 0 时保留 OCR polygon，否则使用外扩的包围框。
• 错字位置仅定位至 OCR 整行/区域；报告中字符 diff 的 offsets 是字符串索引，不是图像像素。未检测到字段只能用用户提供的 bbox；没 bbox 时该字段 located=false，掩膜为空。空掩膜不代表 PASS，必须同时检查 verdict。
• 红框 FAIL、黄框 REVIEW、绿框 PASS。图上 ASCII 编号按报告 regions 的顺序，文字内容和理由保留在 JSON。框选掩膜只提供返工位置，不会自动改动图片内容。

示例与验证

examples/api_external_ocr.json 是无需 OCR 的 ComfyUI API prompt；examples/api_local_ocr.json 从真实图片运行 RapidOCR。先把 examples/copyproof_demo.png 复制进 ComfyUI 的 input/，再通过 POST /prompt 发送 {"prompt": <示例 JSON 内容>}。API prompt 与画布 UI workflow 是不同格式，不适合直接当画布工作流拖入。

演示期望价格 $199，图片与外部检测是 $1999，应 FAIL；例子中的外部检测是合成数据，用于可复现的验收演示，不能代替真实 OCR 结果。Local OCR 示例才会实际识别输入图片。

python -m pytest -q tests --rootdir=.. --import-mode=importlib
python examples/generate_demo.py

测试覆盖中文错字、数字/品牌严格性、低置信度、漏检定位、重复字段防复用、多图映射、非法坐标、掩膜面积及 OCR 新旧输出适配。generate_demo.py 生成演示图、掩膜、报告和两个 API 示例，不运行 OCR 或下载模型。

测试使用 --rootdir=.. 是为了避免 pytest 将含连字符的节点目录误当成顶层 __init__ 导入。真实 OCR 冒烟验证可在准备好 ONNX 模型后执行 python examples/smoke_local_ocr.py --model-root /已有的/rapidocr/models；它验证演示图中的价格错误被真实识别并定位。该命令保存实际识别证据到 examples/real_ocr_run，普通单元测试不运行 OCR 或下载权重。

范围

此包兼容 ComfyUI V1 custom node API，不修改 ComfyUI core。适合可读的商业标题、Logo 文案、价格、规格及 SKU 标签；浮雕、严重透视、花体、小字号、竖排、旋转和遮挡可能需要人工复核。OCR confidence 不是经过校准的“正确概率”。外部 JSON 是用户提供的识别证据，无法验证其真实性。任何自动保存/返工流程都应按报告与 verdict 连接自己的逻辑节点。