ciddwd/overlay-translator

---

✨ 功能

🎯 一句话定位

游戏 / 漫画 / 视觉小说画面在屏，按一下圆球，识别和翻译完成后，目标语言译文盖在原文上；需要时还能直接朗读。

🖼️ 批量翻译相册图片

• 在主页点「新建任务」一次选择多张图片；也可以从系统分享图片或截图到「屏译」，直接进入创建任务
• 选好预设后即可开始处理，离开任务页面也会继续；主页会显示最近或正在进行的任务，全部记录可在「任务列表」查看
• 结果页可以查看原文和译文、左右切换图片；使用「紧贴原文」或「自动适配画面」时，还能另存为带译文的图片，并沿用任务中的字体、颜色、排版和方向

🖱️ 怎么触发翻译

• 悬浮球单击：默认翻整个屏幕；可切到「划词模式」——按一下后拖框圈住单词或短语，默认可继续微调选框并点击「翻译」；在设置中关闭「精细调整」后，才会在松手时直接识别和翻译
• 悬浮球长按：弹出弧形子菜单，常用动作一指可达：循环翻译 / 重选区域 / 输入翻译 / 在「全屏翻译」和「划词翻译」之间切换 / 快速切源语言与目标语言 / 切换翻译预设 / 打开设置 / 回主页。按钮顺序和每页数量可在设置里调整；超过一页自动出现「下一组」翻页按钮
• 输入翻译：单击操作球，将输入框里的文字翻译为预设的源语言；双击可选择全屏翻译或划词翻译
• 快捷开关：在手机下拉快捷设置中，直接开启或关闭截屏服务
• 循环模式：默认使用「停稳翻译」，画面停止变化后自动翻译。也支持固定间隔和等待文字显示完整后翻译。
• 音量双键：同时按住「音量+ / 音量−」0.3 秒触发，手指不用离开游戏（需在系统无障碍中启用）
• 从其它 App 选中文字：在任意 App 里长按选中一段文字 → 系统菜单选「屏译翻译」→ 直接弹译文卡片，省去切到屏译再框选的步骤

🔍 识别屏上的文字（OCR）

• 本机识别：ML Kit（中日韩英）/ PaddleOCR / 日漫 OCR——图不上传，无网也能用；PaddleOCR 支持 v5/v6 多档模型，也可单独选择 PP-OCRv5 韩文
• 本地 HTTP OCR：可接入局域网里的 Umi-OCR / LunaTranslator OCR 服务，适合把 PC 端 OCR 能力接到手机截屏流里
• 云端识别：PP-OCRv6 在线（PaddleOCR AI Studio）/ 百度 / 腾讯 / 有道——本机识不准时兜底；PP-OCRv6 在线需填写 AI Studio Access Token
• 切源语言时会自动检查"当前 OCR 能不能认这门语言"，认不了会推荐换引擎，不用自己排查
• 初始化引导选择日文、韩文、中文或英文时会匹配对应 OCR；其它源语言默认推荐 PaddleOCR v5 mobile
• 可自动判别横排 / 竖排 / 旋转文本方向，必要时重跑更合适的 OCR 路径；也可以手动锁定方向
• PaddleOCR、日漫 OCR 和方向模型会按设备可用核心数动态选择 1 / 2 / 4 / 6 个 CPU 推理线程，最高 6 线程

🌐 翻译引擎

• 大语言模型：DeepSeek / ChatGPT / Claude / 智谱 / 自建服务……支持 OpenAI 或 Anthropic 兼容方式，一边翻一边显示
• 服务商快速配置：可选择魔搭 ModelScope、OpenRouter、AIHubMix、302.AI、国家超算互联网等服务商；部分服务可选择中国大陆或国际地址
• 本机翻译：Google ML Kit 下载语言包后可离线使用；Sakura 适合日语漫画和视觉小说翻简中，Hy-MT2 支持更多语言
• 语言方向保护：源语言和目标语言不能设为同一种语言；设置页和悬浮快捷菜单会禁用冲突选项并说明原因
• 译名一致性：可按全局或指定 App 保存人名、地点、组织和专业术语，支持单条添加和 JSON 批量导入；长按已经显示的译文还能修改原文或译文，并把纠正结果保存下来
• 越用越稳定：以后遇到相同或相近的句子，会优先沿用保存过的译法；这些内容可以在「翻译库」中查看、搜索和管理
• DeepL：官方付费 / 免费版自动识别，支持自架 deeplx（免 key 的开源代理，能在自己服务器上跑），可选「官方 / deeplx / 自动 fallback」三种协议
• 小牛翻译：可选择 Flash 或 Pro；Pro 支持边翻译边显示
• 有道图翻：截图直接换译文，跳过中间环节，特别适合漫画
• Google：免 key、免费（国内需代理）
• 联网引擎都可以先「测试连接」，DeepL 还能显示当前额度

🔊 把译文读出来（TTS）

• 手机系统语音：不需要注册账号，直接使用手机里已有的声音，还能调整语速和音调
• 更多声音选择：也可以使用自己部署的语音服务，或火山引擎、MiniMax、MiMo 等在线服务；在线服务可能收费
• 能读哪些内容：原文、译文、划词卡片和字典内容都能朗读；横排文字还可以只选中其中一段来读
• 播放控制：再次点击同一段即可暂停或继续；点击另一段会改读新内容，失败时会直接说明原因。部分手机厂商的系统语音不会提供朗读位置，继续时只能从头读这一段
• TTS 默认关闭，不想使用朗读功能时不会影响识别和翻译

🔤 划词翻译（按一个词出字典）

不只是翻整屏。框出屏上一个单词或短语，弹卡片一次告诉你：

• 译文 —— 所有翻译引擎都给
• 音标 / 词性 / 词形变化 / 同义词 / 多条释义 / 例句对照 / 难点解释 —— 使用大语言模型时才有完整字典；生僻词、专业名词、缩写、文化背景和易混用法会单独说明（百度 / 腾讯 / DeepL 这类只返回译文）
• 选框方式 —— 默认可精细调整后点击「翻译」；关闭「精细调整」后松手即译。「记住上次选框位置」默认关闭
• 卡片上有「复制原文」「复制译文」两个按钮，长按文字也能复制
• 横屏时顶部关闭栏和底部复制栏固定，中间内容单独滚动，并自动避开状态栏、导航栏和刘海区域
• 适合查游戏 / 漫画 / 视觉小说里冒出来的生词，单词长按一秒，比切回字典 App 快得多

文字提取：开启「仅提取文字」后，框选即可提取文字，支持复制和朗读，不进行翻译。

🎨 译文怎么显示

• 两种渲染：贴每段原文下 / 上 / 覆盖（BLOCKS），或装进一个可拖拽缩放的悬浮窗口（适合虚拟按键密集的游戏，让译文飘在画面上方不挡操作；可一键锁定避免误触）
• 自动适配画面：紧贴原文显示时，根据每个文字区域自动选择颜色、背景和字号；漫画场景还会使用内置气泡检测，在局部气泡内擦除原文、修复背景，并按气泡形状安排横排 / 竖排译文。低置信度或处理失败时自动回退原矩形渲染，无需另行下载气泡模型
• 排版与阅读顺序统一：默认让译文跟随 OCR 识别出的横排 / 竖排及阅读顺序；关闭后必须手动选择横排或竖排，以及从左到右或从右到左，OCR 块排序和译文渲染共用同一方向
• 译文块可复制：可选长按译文块调用系统文字选择，或点击译文块打开选择面板，按范围选择文字，也能整段复制原文 / 译文
• 5 套配色 + 可视化取色器：直接选择背景、文字、边框颜色和透明度，不需要手填 ARGB；横屏下取色面板可滚动
• 完整文字样式：加粗、倾斜、下划线、字符间距、行距、对齐、描边和阴影都可独立调整，预览与实际译文同步
• 漫画 / 字幕优化：自动把被切成几段的同一句话合到一起再翻；竖排日漫从右往左拼；漢字旁的小注音（振假名）自动去掉，译文不再重复；竖排场景可用竖排译文布局
• 长译文跑马灯：单行模式下太长不会被省略号截断，自动横向滚动
• 译文字体自选：导入 .ttf 后只作用于译文渲染，系统 UI 仍使用默认字体；已导入字体会以 chip 形式保留可切换
• 画面方向修正：用于画面方向与设备方向不一致的场景

🛠️ 用着舒服的小事

• 中英界面 + 浅 / 深 / 跟随系统主题，立即切换不重启
• 逐页初始化引导：首次使用时依次选择界面语言、源语言、目标语言、显示方式、日常 / 漫画用途、翻译方式和 TTS；云端 LLM 可直接填写服务商、URL、API Key 与模型名，离线方案会列出需要下载的模型
• 悬浮球漫游教学：第一次启用截屏服务后，引导长按悬浮球并逐项介绍弧形菜单和翻页；首页「截屏服务」卡片中的「帮助」可重新运行初始化与漫游
• 分享给朋友：关于页可分享屏译的功能介绍、官方开源地址和最新版下载页
• 紧凑设置选择：检测速度与精度、合并强度、显示模式和译文块复制方式使用按钮组直接切换
• 设置项内搜索：找不到选项？顶部搜一下，中英关键字都行；颜色、字体、备份、导入导出等新配置均已加入索引
• 系统预设方案：内置「离线日语漫画 OCR → 简中」等组合，一键完成识别、翻译和显示设置；日漫预设默认使用自动适配画面，缺模型时会提示先下载
• 预设记住密钥：不同预设可在本机分别保存密钥，切换时一同切换；密钥始终不会被导出
• 英语离线词典：导入英语 (ECDICT) 词典包后，可选择在本机查询词义
• 后台模型下载：离开设置页后仍可继续；Android 13 及以上开始下载前会申请通知权限，应用内和系统通知都会显示当前模型与下载进度，并支持取消、失败重试和断点续传
• 按应用翻译上下文：可自动识别前台 App，为不同游戏启用各自的术语；包名始终留在本机，只有主动开启时才把应用显示名称交给支持上下文的翻译模型
• 便携配置包：一键导出 / 导入非敏感设置、自定义预设和字体文件；API Key、Token 等凭据只留在当前设备
• 翻译结果缓存：当前运行期间，相同文本和翻译配置会复用结果；云端接口与端侧 LLM 都不会重复计算
• 崩溃自动留现场：Java 崩溃、原生崩溃、ANR、低内存退出等会在下次启动进入日志页，可导出经过脱敏的诊断报告
• 基础 TalkBack 支持：悬浮球、弧形菜单、语言 / 预设快切、截图选区、划词卡片和取色器都有读屏标签、状态与操作提示
• 敏感设置加密保存：API Key、prompt、镜像 URL、预设等持久化字段会迁移到加密存储，减少本机明文残留
• 新版本自动提示：进入主页自动检查（每天最多一次），国内拉不到会给你直链
• 国产手机后台引导：小米 / OPPO / VIVO / 华为 / 三星 容易杀后台的手机，有一键跳转设置的引导
• 隐私保护：明文 HTTP 默认只能在家里的局域网用，公网必须 HTTPS

🧩 项目特点

屏译将截屏、文字识别、翻译、显示和朗读分成可独立配置的环节：

| 特点 | 说明 | |---|---| | 识别和翻译可以自由组合 | 识字可以在手机完成，也能连接自己的电脑或云服务；翻译方式可以单独选择，不会因为某一家服务不可用就让整套应用失效 | | 朗读方式不受翻译方式限制 | 无论用哪种方式翻译，都可以改用手机系统语音、自建语音服务或在线音色朗读，不需要重新设置 OCR 和翻译 | | 既能实时翻，也能批量处理图片 | 屏幕上的内容可以点悬浮球立即翻译，相册中的图片可以一次选择多张交给后台处理；两种方式都可以直接使用已经保存的预设 | | 输入翻译 | 单击操作球，将输入框里的文字翻译为预设的源语言；双击可选择全屏翻译或划词翻译 | | 可以全离线，也可以完全自建 | 使用本机识别、本机翻译和已下载的系统语音时，截图与文字都能留在手机；也可以把识别、翻译和朗读服务放在自己的电脑或服务器上 | | 专门面向游戏、漫画和视觉小说 | 智能等待文字显示完整、跳过重复画面、优先处理对话框、识别竖排日漫，并让译文跟随原文位置和阅读方向；还可按游戏固定人名与术语 | | 开源且不锁配置 | 代码采用 Apache-2.0；设置、预设、术语和字体可以导出迁移，API Key 不会写进导出文件 |

适合希望自行选择识别、翻译和朗读方式，并兼顾离线使用、竖排漫画与自建服务的用户。

📸 截图

主屏 —— 上半区可上下滑动切换「预设 / 当前状态」，下半区可左右滑动切换「截屏服务 / 批量翻译」。

| 预设与批量翻译 | 当前状态与截屏服务 | |---|---| | | |

实际译文叠加 —— Discord 沟通规则页，OCR 紧贴原文渲染：

| 经典深色主题 | 浅色纸张主题 | 自动适配画面 | |---|---|---| | | | |

日文漫画自动适配对比 —— 同一张竖排日漫从原版到自动适配画面，并展示将译文改为横排、从左向右后的效果：

| 原版 | 自动适配画面 | 自动适配画面（横排、从左向右） | |---|---|---| | | | |

游戏场景 —— Sandship UI 同一画面对比：原图、紧贴原文与自动适配画面。

| 显示方式 | 画面 | |---|---| | 原图无处理 | | | 紧贴原文 | | | 自动适配画面 | |

漫画 / 字幕场景 —— 漫画气泡按列识别后译文紧贴覆盖：

| 韩文漫画 | 日文竖排漫画 | |---|---| | | |

悬浮窗口模式 —— 把所有原文 / 译文集中到一个可拖拽缩放的浮窗里，避免「贴原文」模式下译文挡住游戏操控（虚拟摇杆 / 按键 / 对话推进键）。窗口支持锁定：解锁时可拖动、可缩放、带 X 关闭按钮和底部缩放手柄；锁定后只剩文字内容，不响应任何手势，彻底防误触。

| 解锁（可拖拽 / 缩放 / 关闭） | 锁定（防误触，只剩内容） | |---|---| | | |

长按悬浮球的弧形子菜单 & 划词翻译卡片 —— 左：长按弹出菜单，循环 / 选区 / 在「全屏翻译」和「划词翻译」之间切换 / 回主页（按钮顺序可在设置里拖动重排）；右：圈出屏上一个词后弹出的卡片，连读音、词性、多条释义、例句一起呈现，并可分别朗读原文、译文和词典内容（使用大语言模型时才能拿到这套完整字典）。

| 长按弹出的弧形菜单 | 划词翻译卡片（带字典 / TTS 朗读） | |---|---| | | |

译文块选择 / 复制 / 朗读 —— 把译文块点击动作设为「打开选择面板」后，点击任意译文块即可同时查看原文和译文。拖动选区后可使用系统的「复制 / 全选」，也可一键复制整段原文或译文；点击原文或译文右侧的扬声器按钮，可使用应用内朗读功能播放对应整段内容。

提示：竖排译文暂时不能通过长按来选中一小段朗读；可以改用「点击块选择复制」模式，通过扬声器按钮朗读整段原文或译文。

设置页：

| 语言 / 主题 / 系统预设 | 翻译后端 | |---|---| | | | | OCR 引擎 | 方向模型设置 | | | | | 译文样式与字体 | 自动适配画面 | | | | | 弧形菜单按钮 | 悬浮窗口模式选项 | | | | | 悬浮球 | 智能循环翻译 | | | |

| 划词翻译 / 截屏区域 / 输入翻译 | TTS 朗读设置 | |---|---| | | |

📦 安装

1. 到本仓库的 Releases 页下载最新 ScreenTranslator-x.y.z.apk 2. 在 Android 设备上点击安装（首次需在系统设置允许"安装未知来源应用"） 3. 启动后依次授予 悬浮窗、通知 权限

目前只发布 arm64-v8a（64 位 ARM） 版本，32 位 ARM 和 x86 设备暂不支持。下载前可以先在系统信息或设备资料中确认处理器架构。

每个 APK 同时附带 .sha256 校验文件，可对照本地 Get-FileHash / sha256sum 输出确认下载完整性。

🚀 使用

1. 启动 App，点 启动截屏服务，确认系统弹出的"开始截屏？"对话框 2. 切到任意游戏 / 视觉小说 / 漫画 App 3. 点屏幕上的圆形悬浮按钮 → 识别和翻译完成后显示译文；等待时间取决于手机性能、画面和所选服务 4. 长按悬浮按钮 → 打开弧形菜单，可切换循环模式、重选截图区域、切源语言/目标语言、切翻译预设，或在整屏翻译与划词翻译之间切换（循环可使用固定间隔，也可等待文字稳定后自动翻译） 5. 默认单击译文条隐藏、长按选择复制；也可在设置中改为点击译文块打开原文 / 译文复制面板

可选：

• 在系统"无障碍"里启用本应用，同时按下音量加 / 音量减并按住 300ms 作为全局触发。屏译自身的主要悬浮控件提供 TalkBack 标签、状态和操作提示
• 安装 Shizuku 并授权后，在设置切换到 Shizuku 截屏路径，免去每次的系统授权弹窗；截屏会优先走原始像素通路，并用 PNG 作为兼容回退
• 在设置顶部选择系统预设方案，例如「离线日语漫画 OCR → 简中」。预设需要的模型未就绪时，会显示缺失项并提供下载入口
• 若只想查一个词，先在弧形菜单把主球操作切到「划词翻译」，再框选屏幕上的单词 / 短语；也可以在其它 App 中选中文本后从系统菜单调用屏译
• 若想听原文或译文，在设置中打开 TTS 并选择声音；之后点击文字旁的扬声器按钮即可朗读
• 在手机下拉快捷设置中添加屏译磁贴，即可直接开启或关闭截屏服务

输入翻译

在弧形菜单中切换到「输入翻译」，先点击需要翻译的输入框并输入文字：

• 单击操作球：将输入框里的文字翻译为预设的源语言，并替换原内容
• 双击操作球：执行全屏翻译或划词翻译，可在设置的「输入翻译」卡片中选择

需要无障碍权限。仅在点击操作球时读取并替换输入内容，不会读取密码类型的输入框。

⚙️ 配置

启动 App 后进入"设置"。设置页顶部可切换 应用语言 与 主题模式；任意 section 都可用搜索图标按关键字（中英文都行）快速跳转。

OCR 引擎

| 引擎 | 适用场景 | 备注 | |---|---|---| | 端侧 ML Kit (auto / latin / ja / zh / ko) | 默认；日文 / 中文 / 韩文 / 拉丁字符 | 无需外网，端侧推理 | | 端侧 PaddleOCR PP-OCRv5 / v6 | 多语种密排文字、UI 按钮、横排中文 / 英文 | 支持 v5 mobile、v6 tiny / small / medium；首次使用需模型就绪，见下 | | 端侧 PP-OCRv5 韩文 | 韩文文字 | 独立的韩文识别模型，可在设置中选择；首次使用需下载模型 | | 端侧 日漫 OCR | 日语漫画、竖排气泡、手写感字体 | 使用 manga-ocr ONNX，复用 DBNet 检测；约 140 MB，按需下载或本地导入 | | 本地 HTTP Umi-OCR | 已在 PC / 局域网部署 Umi-OCR 的场景 | 填 http://:/api/ocr，手机截图发到你的局域网服务 | | 本地 HTTP LunaTranslator | 已在 PC / 局域网部署 LunaTranslator OCR 的场景 | 填 LunaTranslator OCR HTTP endpoint | | 云端 PP-OCRv6 在线 | 中文、日文及拉丁字母多语种 | 使用 PaddleOCR AI Studio PP-OCRv6 异步任务接口；需 AI Studio Access Token | | 云端 百度 OCR | ML Kit / Paddle 漏检兜底 | 需 API Key + Secret，按量计费；5 个 endpoint（标准/含位置/高精度/含位置高精度/网络图片）；图片有尺寸 / 宽高比限制 | | 云端 腾讯 OCR | 同上 | 需 SecretId + SecretKey；3 个 endpoint：GeneralBasic / GeneralAccurate / RecognizeAgent（LLM 智能体，已对接 ParagNo 段落分组合并） | | 云端 有道云 OCR | 简单一键 | 需 应用 ID（API Key）+ 应用密钥；langType 跟随源语言自动映射，无需独立选择 |

端侧 OCR 基准测试

测试条件：

• 设备：高通骁龙 8 Gen 3，16 GB 内存
• 测试画面：同一张日文漫画截图，全屏 1440×3200
• 预处理与文本合并关闭；Debug 构建开启详细性能日志
• 「OCR 耗时」是引擎内部识别耗时；「完整流程」还包含截屏、方向判断、必要的模型切换和渲染
• 以下是单台设备、单张画面的实测记录，用于比较本项目内不同端侧模型，不代表所有设备和图片的固定表现

速度优先

| OCR 模型 | OCR 耗时 | 完整流程 | 本次画面识别情况 | |---|---:|---:|---| | PP-OCRv5 Mobile | 平均 1.17 秒 | 平均 2.30 秒 | 34 段；速度尚可，但错字、漏字和乱码较多 | | PP-OCRv6 Tiny | 0.65 秒 | 2.00 秒¹ | 29 段；最快，但本次日文识别基本不可用 | | PP-OCRv6 Small | 0.84 秒 | 2.51 秒¹ | 35 段；PaddleOCR 中综合表现最好，大部分正文正确 | | PP-OCRv6 Medium | 3.60 秒 | 6.36 秒¹ | 35 段；找回部分正文，但仍有错字和拆分问题 | | Manga OCR | 5.54 秒 | 6.45 秒 | 17 个完整气泡；竖排组合、语句完整性和整体准确度最好 |

¹ 完整流程包含从上一个 PaddleOCR 模型切换并加载的时间：Tiny 约 0.44 秒、Small 约 0.77 秒、Medium 约 1.80 秒。

精度优先

| OCR 模型 | OCR 耗时 | 完整流程 | 相比速度优先 | |---|---:|---:|---| | PP-OCRv5 Mobile | 3.08 秒 | 4.24 秒 | 多检出 5 段，但误检和乱码增加 | | PP-OCRv6 Tiny | 1.81 秒 | 3.02 秒 | 多检出文本框，但日文仍基本不可用 | | PP-OCRv6 Small | 4.01 秒 | 5.35 秒 | 找回少量小字，同时新增多处误检 | | PP-OCRv6 Medium | 16.85 秒 | 18.16 秒 | 只多保留 2 段，耗时过高 | | Manga OCR | 平均 5.73 秒 | 平均 7.00 秒 | 21 段；找回更多小字，底部复杂区域有所改善，也增加少量噪声 |

本次画面建议优先使用 PP-OCRv6 Small 速度优先，它在速度和日文识别质量之间最均衡；日漫竖排与准确度优先时使用 Manga OCR。本次测试中，PaddleOCR 的精度优先档均未体现出稳定的准确度收益。

端侧翻译基准测试

测试条件：

• 设备：高通骁龙 8 Gen 3，16 GB 内存
• 相同的 18 段日文 OCR 结果，翻译为简体中文
• 开发者选项开启「禁用翻译缓存」，两组均为 0 个缓存命中
• CPU 推理线程为 TG=6 / PP=6；JNI 原生 B4 批量翻译，共 5 组（4+4+4+4+2）
• 每个模型都在强制停止应用后重新启动；开启悬浮翻译时自动加载并预热模型
• 「开始显示」和「全部完成」从翻译批次开始计时，不包含前面的 OCR；以下结果来自 Debug 构建

| 端侧翻译模型 | 模型文件 | 冷启动预热 | 开始显示 | 18 段全部完成 | 本次翻译情况 | |---|---:|---:|---:|---:|---| | Sakura 1.5B（Q5_K_S） | 约 1.20 GB | 2.99 秒 | 3.40 秒 | 10.30 秒 | 中文较自然，但出现一处否定翻反和时间词误译 | | Hy-MT2 1.8B（Q4_K_M） | 约 1.08 GB | 2.38 秒 | 3.51 秒 | 10.84 秒 | 否定和时间词更准确，但部分语境、长句和中文表达较差 |

Sakura 的首批显示快约 0.11 秒，全部完成快约 0.54 秒；Hy-MT2 的冷启动预热快约 0.61 秒。Sakura 本次中文更自然，Hy-MT2 在个别语义细节上处理得更准确。Hy-MT2 的 KV 缓冲为 512 MiB，Sakura 为 224 MiB，在内存较小的设备上需要注意运行时压力。

补充日漫样本（日文 → 简体中文）：

• 使用同一画面和相同的 13 段 Manga OCR 结果；其中 1 段纯数字直接保留，实际翻译 12 段
• 从翻译批次开始计时，不包含 OCR；首批有效译文不计纯数字直通结果
• Sakura 在强制停止应用后冷启动，日志显示 0 个缓存命中，TG=6 / PP=6，JNI 原生 B4 共 3 组
• ML Kit 在同一应用进程内切换后测试，日文和中文语言模型均已下载；没有独立模型预热阶段，初始化开销计入首批有效译文

| 端侧翻译引擎 | 模型文件 | 模型预热 | 首批有效译文 | 12 段全部完成 | 本次翻译情况 | |---|---:|---:|---:|---:|---| | Sakura 1.5B（Q5_K_S） | 约 1.20 GB | 3.66 秒 | 2.06 秒 | 7.15 秒 | 整体质量较好，个别语义有偏差 | | Google ML Kit（ja → zh-CN） | 日文、中文模型各约 30 MB | 无 | 0.32 秒 | 2.68 秒 | 速度明显更快，整体质量较弱 |

这个样本中，ML Kit 的首批有效译文快约 1.74 秒，全部完成快约 4.47 秒；Sakura 的中文质量明显更好，更适合依赖上下文和人物语气的日漫文本。

PaddleOCR 模型：首次使用需要下载或本地导入，默认选择 PP-OCRv5 mobile。也可以按画面和语言切换版本：

• v5 mobile：默认版本，支持简体中文、繁体中文、英文和日文
• v6 tiny：体积最小、速度最快，支持多种拉丁字母语言，但不支持日文
• v6 small：速度与准确度比较均衡，支持日文
• v6 medium：体积更大、速度更慢，适合配置较高并且愿意多等一会儿的设备

PP-OCRv6 在线：这是云端识别服务，需要填写 AI Studio Access Token，不用下载上面的手机端模型。使用时截图会发送到 PaddleOCR 的在线服务。

方向模型：用于判断画面是否旋转、文字是否倒置，已经随应用提供。显示「已就绪」时无需重复下载。

日漫 OCR 模型：第一次使用需要下载或本地导入，模型来源主要在 Hugging Face；网络无法访问时可以使用代理、自定义镜像或本地导入。

模型下载与就绪状态：PaddleOCR、日漫 OCR、方向模型和离线翻译模型都可以在后台下载。离开设置页后任务仍会继续，应用和系统通知会同步显示进度；可以随时取消，网络中断后会自动重试并接着下载。显示「已就绪」后即可使用；如需更换模型，先删除现有模型。

自动方向判别：默认开启，会根据画面和语言选择横排或竖排。遇到误判时，可以手动指定横排、日漫竖排或其它方向。

检测速度与精度：默认使用「速度优先」。遇到小字、浅色字或细长竖排漏检时，可以改为「精度优先」，但识别时间会更长。OCR 高级设置一般保持默认即可；只有持续漏字或误识别过多时再逐步调整，并可一键恢复默认。

手机端性能：本地识别和翻译会根据手机性能自动调整工作量。性能较好的手机等待更短，低端设备可能需要更长时间，无需手动设置线程数量。

百度 OCR 注意事项：图片限制为 最长边 ≤ 4096px、最短边 ≥ 15px、宽高比 1:4 ~ 4:1、base64 后 < 4MB。本项目对前两条会自动缩放兜底，宽高比超限只能调小 / 重画截屏区。

翻译引擎

先按使用场景选，不需要把每个参数都看一遍：

| 引擎 | 适合什么 | 需要准备 | 使用前要知道 | |---|---|---|---| | Sakura（端侧） | 日语漫画、视觉小说、galgame 翻成简中 | 下载约 1.26 GB 模型 | 仅用于日语 → 简中；离线可用，但依赖手机性能 | | Hy-MT2（端侧） | 多语种离线翻译 | 下载约 1.13 GB 模型 | 源语言和目标语言跟随设置；低内存设备可能加载失败 | | Google ML Kit（本机） | 想要更快、免账号的离线翻译 | 首次使用时下载对应语言包 | 速度通常较快，但游戏对话和漫画语境的翻译质量可能不如大语言模型 | | OpenAI 兼容 | 已有 DeepSeek、OpenAI、智谱、SiliconFlow、Ollama 等账号或服务 | Base URL、API Key、模型名 | 可流式显示并自定义提示词；费用和限流由服务商决定 | | Anthropic 兼容 | 已有 Claude 或支持 Anthropic 方式的服务 | 服务地址、API Key、模型名 | 可流式显示并使用自定义提示词；费用和限流由服务商决定 | | DeepL / DeepLX | 想用传统机器翻译，或已有自建 DeepLX | DeepL Auth Key，或 DeepLX 服务地址 | 官方 DeepL 自动匹配 free / pro；测试连接可查看额度 | | 小牛翻译 | 通用文本翻译 | API Key；Flash 还需填写 App ID | 可选择 Flash 或 Pro；Pro 支持边翻译边显示 | | 有道图翻 | 漫画、整张图片和大量文字框 | 有道应用 ID + 应用密钥 | 直接翻整张截图，选择后不再使用上方 OCR 引擎 | | Google | 临时尝试、不想填写密钥 | 无 | 使用非官方端点，国内通常需要代理，可能随时限流或失效 | | 火山引擎 | 长时间循环翻译 | 已开通机器翻译的 AK / SK | 保持默认地区即可；属于联网服务 | | 百度翻译 | 通用文本翻译 | 百度翻译开放平台 APPID + 密钥 | 与百度 OCR 不是同一个产品和账号体系 | | 腾讯翻译 | 通用文本翻译，或已经配置腾讯 OCR | 腾讯 SecretId + SecretKey | 可直接复用腾讯 OCR 的同一组密钥 |

所有联网引擎都可以先点「测试连接」，确认配置正确后再进入游戏。

翻译模式速度参考

| 翻译引擎 | 快速 | 同屏 | 连续 | 推荐用法 | |---|---|---|---|---| | OpenAI 兼容 | 约 1～3 秒，稳定 | 约 2～3 秒，整体表现最好 | 约 2～3 秒，可参考上一画面 | 网络可用时优先选择；推荐同屏 | | Sakura | 约 7～9 秒，比较稳定 | 约 5～11 秒，长页面偶尔需要重试 | 约 6～10 秒，可延续上一画面对话 | 适合离线日文漫画；优先快速，需要连贯性时开启同屏或连续 | | Hy‑MT2 | 约 5～8 秒 | 约 19～35 秒 | 约 20～71 秒 | 适合离线翻译；目前建议使用快速 |

测试时间来自同一台手机和固定画面，仅用于比较不同模式。实际速度会受到设备、画面文字数量、网络和所选模型影响。快速模式等待更短；同屏会结合当前画面的其他文字；连续还会参考上一画面，但可能增加等待时间，也可能延续之前的翻译错误。

OpenAI 兼容接口怎么填？

• 快速设置：可选择魔搭 ModelScope、OpenRouter、AIHubMix、302.AI、国家超算互联网等服务商；部分服务可选择中国大陆或国际地址
• Base URL：填写服务商给出的 OpenAI 兼容地址，通常以 /v1/ 结尾
• API Key：填写服务商生成的密钥；自建服务没有密钥时可留空
• 模型名：照服务商控制台或自建服务中的名称填写，不要凭示例猜测
• Prompt 模板：默认是适合游戏对话的口语化翻译提示词；可以修改。未自定义时会跟随界面语言，已经改过的内容不会被自动覆盖

端侧模型下载与性能说明

• 支持 Hugging Face、hf-mirror、自定义镜像和本地模型导入；后台下载提供通知进度、取消、失败重试和断点续传
• 使用移动网络或无法判断网络类型时，下载大模型前会先提醒流量风险
• 启动截屏服务后，已选择并下载好的日漫 OCR、Sakura 或 Hy-MT2 会提前做好准备，减少第一次识别和翻译的等待
• 一张画面里有多段文字时，Sakura / Hy-MT2 会尽量一起处理；设备不适合时会自动改为逐段处理
• 手机端翻译目前主要使用 CPU；Sakura 的 Vulkan 加速仍是默认关闭的实验功能，不保证所有设备都能使用或更快
• Sakura / Hy-MT2 只在受支持的 64 位设备和系统版本上开放

把译文读出来（TTS）

想听译文时，在设置里打开 TTS 并选择一种语音方式：

| 方式 | 适合谁 | 使用说明 | |---|---|---| | 手机系统语音 | 想直接使用手机自带朗读 | 不需要注册账号，也不会产生接口费用；可以选择手机里已有的音色，并调整语速和音调 | | 自建语音服务 | 已经在电脑或局域网运行兼容的语音服务 | 填写服务地址后使用，声音和服务都由自己管理 | | 火山引擎 | 已经开通火山语音服务 | 填写账号信息，可使用预置音色或自己的复刻音色；可能产生费用 | | MiniMax | 想使用更多音色，或自己复刻、设计音色 | 可以搜索、试听和选用音色，也能上传录音复刻声音，或用文字描述设计新音色 | | MiMo | 已经使用 MiMo 语音服务 | 支持预置音色、音色设计和音色复刻，也可以用文字说明想要的说话风格 |

• 怎么朗读：原文、译文和划词卡片里都有扬声器按钮。选中一段横排文字后，也可以只朗读选中的部分；竖排译文可改用“点击块选择复制”模式朗读整段
• 暂停和继续：再次点击同一段文字即可暂停，之后再点会继续朗读。部分手机厂商的系统语音不会提供朗读位置，因此会从头重读这一段；点击另一段文字则总是改读新内容
• 声音太小：使用自建语音服务、火山、MiniMax 或 MiMo 时，可以在设置中增强播放音量；调得过高可能失真，手机系统语音不支持这项调节
• 费用和报错：手机系统语音免费；使用其它服务前会提示可能产生费用。缺少语音、账号配置错误或播放失败时，页面会直接显示原因
• MiniMax 音色：音色页面分为查询、复刻和设计。查询时可以按语言或名称搜索；点击音色后会先请你确认，再自动填入所选音色。创建、使用和删除音色也都会先确认

术语与应用上下文

• 术语库：可保存原文、固定译名、语言对、分类、大小写规则和启用状态，并按全局或指定 App 生效；支持按原文 / 译文 / 应用 / 分类筛选
• 前台 App 识别：可选自动、无障碍、使用情况访问或仅全局。应用包名只用于本机匹配术语，不会发送给翻译服务；「向模型发送应用名称」默认独立关闭
• 引擎范围：应用名称和术语上下文目前只对 OpenAI / Anthropic 兼容服务与端侧 LLM 生效；普通机器翻译引擎仍按原有请求工作

批量导入术语

在术语列表点击「＋」，选择「批量导入」，再选择 JSON 文件。文件只需填写原文和固定译名：

[
  {"source": "梓ちゃん", "target": "梓酱"},
  {"source": "先輩", "target": "前辈"}
]

也支持使用中文字段：

[
  {"原文": "梓ちゃん", "译文": "梓酱"}
]

• 导入前可预览、筛选和取消勾选；已有相同术语时，可选择跳过或覆盖
• 不同原文可以使用相同译名；同一原文填写了不同译名时，需要先选择保留哪条
• 单个文件最多 5,000 条，不超过 2 MB

词典库

在「翻译库 → 词典库」中管理查询方式：

• 在线查询：使用当前配置的云端 LLM，需要选择 OpenAI 或 Anthropic 兼容的翻译引擎
• 离线查询：导入适用于屏译的英语 (ECDICT) .bin 词典包后，在本机查询
• 点击原文显示词义：可在此页面开启或关闭

循环翻译

• 触发方式：默认「停稳翻译」，也可选择「固定间隔」或「智能等待文字完成」
• 停稳翻译：翻页后自动翻译新页面，无需反复点击悬浮球。
• 动态背景：端侧 OCR 可在画面仍有动画时复核文字是否连续不变；云端 OCR 只使用画面稳定性判断，避免为复核额外计费请求
• 报幕区域：可选自动、下半屏优先或全屏自由，并决定只翻译报幕区域，还是用该区域判断稳定后翻译首帧全部文字
• 重复跳过：完全相同的画面直接跳过 OCR 与翻译；相似画面会继续确认 OCR 文字是否变化，灵敏度可调

显示

• 渲染模式：BLOCKS（按 OCR 框紧贴原文）/ 悬浮窗口（可拖拽缩放的独立浮窗，详见上方截图章节）
• 位置：BLOCKS 下可选 below / overlap / above + 像素级 x/y 偏移微调
• 译文排版：「跟随识别」默认开启，让横排 / 竖排与阅读顺序共同决定 OCR 块排序和译文渲染；关闭后需明确选择横排 / 竖排和左到右 / 右到左，支持竖排日漫和横排 RTL
• 译文块交互：默认点击关闭、长按自由选择复制；也可切换为点击打开复制面板，在原文和译文中选择范围或整段复制
• 悬浮窗口：可切「原文+译文 / 仅译文」两种内容形态；锁定后窗口不可拖拽 / 不可缩放，适合游戏中防误触；底部「重置位置 / 大小」按钮一键回到默认
• 画面方向修正：用于画面方向与设备方向不一致的场景
• 悬浮球透明度：可在设置的「悬浮按钮」卡片中调整
• 主题色：5 种预设 + 可视化自定义取色器，可分别调整背景 / 文字 / 边框颜色与透明度；边框支持实线 / 虚线 / 点线 / 双线 / 凹槽
• 文字样式：加粗 / 倾斜 / 下划线、字符间距、行距、左中右对齐、描边宽度与颜色、阴影半径 / 偏移 / 颜色均可配置
• 字体：可导入 .ttf 字体，只影响译文层和译文预览；导入过的字体会保留为可横向切换的 chip，重新选择已有字体不会打乱顺序
• 避让 & 合并：碰撞检测限制译文宽度不挤进相邻 OCR 框；OCR 后合并相邻 box 提供 保守 / 标准 / 激进 三档强度——保守适合视觉小说 / 长段密集，标准适合多数场景，激进适合漫画气泡内多列被切碎的情形（可能误合相邻气泡）

预设与悬浮菜单

• 系统预设方案：内置「离线日语漫画 OCR → 简中」等组合，一次设置好识别、翻译、语言和显示方式。日漫预设默认使用自动适配画面；缺少模型时会逐项提示下载。
• 自定义预设：当前设置可保存为预设；只有和当前设置完全匹配时才显示为已应用，改过任意关键项会回到"未保存预设"状态。不同预设可在本机分别保存密钥，切换时一同切换；密钥始终不会被导出。
• 弧形菜单按钮：可拖动排序，可选每页显示 2–6 个按钮；如果还有下一组，最后一格会自动变成「下一组」。菜单可包含循环、截图区域、输入翻译、划词/整屏切换、语言快切、预设快切、设置页和返回主应用。

配置备份与迁移

• 完整配置包：导出为 .otsettings，包含除凭据外的应用设置、自定义预设、术语库和已导入的 .ttf 字体，适合换机或分享配置
• 敏感信息不出设备：API Key、Token、Secret、Access ID、App ID 等不写入配置包；导入时保留目标设备已有凭据
• 兼容旧预设：仍可导入旧版 .otpresets 文件；新配置包导入后会校验并去重预设名称
• 模型按选择恢复：配置包会保存模型选择、镜像和调优参数，但不会塞入体积可达 GB 的模型文件；模型仍需在目标设备下载或本地导入

无障碍与诊断

• TalkBack：主要悬浮入口提供可读标签、开关状态和双击 / 长按操作；选区会朗读当前状态和尺寸，复杂菜单按整行读取
• 划词卡片：顶部关闭栏和底部复制栏固定，正文独立滚动；横屏会扣除系统栏与刘海安全区域，避免按钮只显示一半
• 崩溃日志：除 Java 异常外，Android 11+ 还会汇总系统记录的原生崩溃、ANR、低内存和信号退出；报告中的设置快照会脱敏，系统 trace 限制读取大小
• 开发者诊断：可临时关闭译文缓存，让每次测试都重新翻译；耗时默认显示单条翻译时间，也可选择显示批次累计完成时间

⚠️ 已知限制

• Android 14+ 每次首次启动截屏都会弹一次系统授权窗，这是 Google 设计；Shizuku 路径可绕过
• 部分 ROM（小米 / OPPO / VIVO）默认杀后台 / 拦截悬浮窗，需手动加入电池白名单 + 允许后台启动；应用内有兼容引导
• 反作弊网游可能把 MediaProjection 判为外挂截屏 → 本项目仅适用于单机 / 视觉小说 / 漫画
• 设置了 FLAG_SECURE 的画面（部分网银 / 视频 App）截出来是黑屏，本项目不做绕过
• 端侧 OCR 的等待时间会随手机性能、所选模型和图片复杂度变化；较慢的设备建议配合区域选择使用
• 端侧 LLM 模型体积约 1GB 以上，首次下载建议走 Wi-Fi；低内存设备可能无法稳定加载
• 当前端侧 OCR 与 LLM 的正式推理路径以 CPU 为主，尚未接入高通 QNN / NPU；Sakura Vulkan 路径仍为默认关闭的实验能力，不保证所有设备可用或更快
• 日漫 OCR 模型公开源主要在 HuggingFace，国内网络不可达时需要代理、自建镜像或本地导入
• TalkBack 已覆盖主要悬浮操作，但 OCR 识别出的整屏游戏文字尚未提供成可逐项浏览的系统无障碍节点

🗺️ 路线图

✅ 现在已经能用

| 功能 | 用户实际能做什么 | |---|---| | 悬浮翻译 | 在游戏、漫画或视觉小说上点悬浮球，直接把译文显示在原文附近或独立悬浮窗口中 | | 输入翻译 | 单击操作球，将输入框里的文字翻译为预设的源语言；双击可选择全屏翻译或划词翻译 | | 快捷开关 | 在手机下拉快捷设置中，直接开启或关闭截屏服务 | | 相册批量翻译 | 一次选择多张图片，离开页面后继续处理；可在任务列表查看进度、原文和译文，并按任务中的样式另存为译图 | | 自动适配画面 | 自动选择译文颜色、背景和字号；漫画场景使用内置气泡检测、原文擦除、背景修复与形状感知排版，失败时安全回退 | | 自动循环 | 固定间隔翻译，或等报幕文字显示完整后再翻；相同画面自动跳过，也可优先识别下半屏对话框 | | 多种 OCR | 使用手机端 ML Kit / PaddleOCR / 日漫 OCR，可单独选择 PP-OCRv5 韩文；也能连接局域网 OCR 或百度、腾讯、有道、PP-OCRv6 在线服务 | | 横排与竖排 | 自动识别旋转画面、横排和竖排日漫；译文可以跟随识别结果，也能手动指定排列和阅读方向 | | 画面方向修正 | 用于画面方向与设备方向不一致的场景 | | 多种翻译方式 | 使用 Google ML Kit 端侧翻译、OpenAI 兼容接口、De