语音朗读（给孩子报听写用）- 个人修改版（更新v2.5.14）
上个星期逛论坛发现了这个帖子（见下文），功能实用，适合小朋友，但发现跟我的需求有所欠缺，变自己动手改了改，做了些优化。本修改版主要增加了图片、PDF、Wrod 的原文阅读的能力。
因为我的使用场景是拍小朋友的课文或上传PDF版教材朗读，能看到原文更方便小朋友跟读。
其他的修改就不值一提了，感兴趣的自己去发现哈。
关于本地模型
最初曾计划在 App 内集成离线模型引擎，但受限于原有技术栈版本较低，所支持的模型引擎只能处理纯文本、不支持多模态（看图/图片识别），无法承担拍照与文档 OCR 类任务。
随后尝试把整体技术栈升级到当前最新稳定版本再接入引擎，支持的模型依旧有限且效果不理想；
故再次尝试升级到开发版，但因问题太多，无法成功编译，无奈放弃，以后有空再换架构重写吧。
如有大佬感兴趣，欢迎继续完善，搞定模型引擎。
仓库地址 https://github.com/EasongChung/speak_reader
20260807更新
完成文本型PDF文件直接点击原文语句直接朗读改句子的功能
非文本型PDF文件可以使用福昕之类带坐标返回的OCR工具，做一次OCR识别，再传到手机上使用，即可使用该功能
暂时还没找到适合手机上免费开源的带坐标返回OCR识别组件，有知道的可以告知一下。
下一步计划增加个机械翻译组件。
关于PC端暂时不考虑，PC端已经有很多支持PDF朗读的工具了。
版本: v2.5.14
架构: arm64-v8a
大小:23MB
下载地址：https://wwbki.lanzouv.com/ihT794108wfg 密码:6u80
Speak Reader Android APK
版本: v2.5.7
架构: arm64-v8a
大小:23MB
下载地址：https://wwbki.lanzouv.com/iH3AW40c6eob 密码:d2iq
测试截图: ( 注 图1显示的本地模型为测试版，已放弃，仅用于图片识别测试 ) 这种一手经验的分享比二手转述有价值多了。 楼主说得挺实在，比那些空谈概念的强。 思路很清晰，逻辑上也能自洽。想请教下有没有推荐的上手路径？ 收藏了，正好最近在研究相关的。有遇到类似情况的吗？想听听别人的做法。 这几条经验很实用，尤其是最后那点。有没有后续？想蹲一个更新。 整体框架挺好，细节上还能再展开。想请教下有没有推荐的上手路径？ 这个角度之前没想过，记下来了。有没有后续？想蹲一个更新。 分析得挺到位，把关键因素都点出来了。有遇到类似情况的吗？想听听别人的做法。 这篇值得慢慢看，我准备再读第二遍。想请教下有没有推荐的上手路径？