1. 文档

2. 文本框 (mask 来源)

模型后端 vlm（视觉大模型） pipeline（传统检测管线） OCR 语言（留空=自动，如 ch / en / japan） MinerU OCR 识别本文档

3. Mask 参数

膨胀半径 (px) 7 Mask 形状 笔画级（Otsu 提取文字像素） 矩形（整个 bbox）

4. 处理策略

方法 LaMa (Modal GPU) OpenCV TELEA（本地基线） 背景中值填充（本地基线） LaMa 送入方式 按区域 crop（推荐） 整页送入 运行 Inpaint

5. 文字样式重建

无文本时默认文种（OCR 行按内容自动判断） 拉丁（西文） 中日韩 字号聚类容差 (%) 5 颜色聚类 ΔE 阈值 12 段落内先取中位数（推荐，需 OCR 框） 装行（bbox 内自动换行，装不下再缩字） 换行 + 整段等比缩小（推荐，段内字号一致） 换行 + 逐行缩小 单行不换行不缩放（诊断用，可能溢出） 翻译目标语言（DeepSeek，按段落送翻） 不翻译（重建原文） 简体中文 繁體中文 English 日本語 한국어 重建背景 Inpaint 后页面（完整效果，用上方 3/4 区参数） 空白页（只看样式还原） 分析本页文字样式