OCR und Übersetzungsmodell: die zwei Schritte der Bildschirmübersetzung
Wer Bildschirmübersetzung nutzt, kennt diese Verwirrung: Die Übersetzung wirkt seltsam, aber es lässt sich nicht sagen, wo das Problem liegt — hat das Tool den Text auf dem Bildschirm falsch erkannt, oder ist die Übersetzung selbst aus dem Ruder gelaufen? Für diese beiden Fehlerarten sind die Lösungen völlig unterschiedlich, und sobald man „Lesen“ und „Übersetzen“ als zwei Schritte betrachtet, wird alles sofort klar.
Bildschirmübersetzung besteht aus zwei Schritten, nicht aus einem
Viele stellen sich die Bildschirmübersetzung als Blackbox vor: ein Bild hinein, eine Übersetzung heraus. Tatsächlich läuft der Prozess in zwei Schritten ab, und jeder Schritt hat einen eigenen Zuständigen.
Am Beispiel von VoriTrans sieht die gesamte Kette so aus:
- Die OCR-Engine ist für das „Lesen“ zuständig: Sie wandelt den Text im ausgewählten Bildbereich in editierbaren Text um; das Ergebnis ist der Originaltext, etwa der japanische Dialog「宿は右です」. In diesem Schritt werden nur Zeichen erkannt, nicht die Bedeutung verstanden.
- Das Übersetzungsmodell ist für das „Übersetzen“ zuständig: Es nimmt den OCR-Text und übersetzt ihn in die gewählte Zielsprache; das Ergebnis ist die Übersetzung. Dieser Schritt arbeitet nur mit Sprache und sieht das Bild nicht.
Beide Schritte bilden eine Pipeline: Der Input des Übersetzungsmodells ist exakt der OCR-Output. Daraus folgt eine entscheidende Erkenntnis — erkennnt die OCR ein Zeichen falsch, geht die Übersetzung schief, egal wie stark das Modell ist. Garbage in, garbage out: Ein Fehler am Anfang pflanzt sich bis in die Übersetzung fort.
Schritt eins: Warum OCR am Bildschirm besonders schwer ist
OCR (Texterkennung) ist keine neue Technologie; bei Scans funktioniert sie längst zuverlässig. Der Bildschirm ist aber eine deutlich härtere Nuss als ein gescanntes Dokument — alle Schwierigkeiten liegen im „Bild“.
Ein Scan ist eine saubere, flache Vorlage: schwarze Schrift auf weißem Papier, feste Ausrichtung, einheitliche Schriftgröße. Am Bildschirm sieht die Welt anders aus: Text kann auf einem Farbverlauf liegen, von einem halbtransparenten Dialogfeld überdeckt sein, in Handschrift oder in einer umrandeten Kunstschrift auftreten, sich sogar mit Bildelementen überschneiden. Vertikales Japanisch bringt zusätzlich die Leserichtung mit: Die OCR muss wissen, ob sie in der rechten oder der linken Spalte beginnt; liest sie falsch herum, geraten die Sätze durcheinander.
Deshalb gibt die Software Ihnen Spielraum zum Anpassen. In den Voreinstellungen von VoriTrans lassen sich mehrere OCR-Engines umschalten — sie reagieren unterschiedlich gut auf Kunstschriften und niedrige Auflösung; und wenn Sie beim Markieren den Rahmen nur auf den Textbereich verkleinern, sinken die Bildstörungen ebenfalls. Wenn die Erkennung enttäuscht, verdächtigen Sie zuerst die Bildbedingungen und erst danach die Engine — in dieser Reihenfolge sparen Sie sich Umwege.
Schritt zwei: Das Übersetzungsmodell bestimmt die Obergrenze der Qualität
Der erkannte Originaltext geht an das Übersetzungsmodell, und ab hier fächert sich die Qualität auf.
Es gibt zwei Arten von Modellen. Lokale Modelle laufen auf dem eigenen Rechner: schnelle Reaktion, keine Abhängigkeit vom Netz, kurze Dialogzeilen werden sauber abgearbeitet — der Preis ist ein begrenztes Kontextverständnis; Wortspiele, Memes und Anredeformen in Spielen verarbeiten lokale Modelle meist konservativ. Cloud-Modelle (große Modelle wie Qwen, DeepSeek und GLM) haben deutlich mehr Parameter und sind spürbar besser bei langen Sätzen, Kontext und Tonfall — der Preis ist der Kreditverbrauch nach Nutzung.
Betonenswert ist: Das Übersetzungsmodell kann OCR-Fehler nicht ausgleichen. Fehlen im erkannten Text Zeichen oder sind sie falsch, erhält selbst das große Cloud-Modell eine lückenhafte Eingabe — und die Übersetzung gerät genauso vom Weg. „Ein stärkeres Modell einsetzen“ und „die Erkennung reparieren“ sind zwei verschiedene Dinge; erwarten Sie nicht, dass das erste das Problem des zweiten löst.
In zwei Schritten denken: Fehlersuche und Optimierung ohne Irrwege
Der praktische Wert dieses Verständnisses zeigt sich im Gebrauch: Bei Problemen lässt sich der betroffene Schritt lokalisieren, und Optimierungen kommen gezielt ans Ziel.
Die Oberfläche von VoriTrans ist genau nach dieser Teilung aufgebaut — „Erkannter Originaltext“ und „Übersetzungsergebnis“ stehen in zwei nebeneinanderliegenden Panels, und das Zwischenergebnis der Erkennung ist direkt sichtbar. Die Faustregel für die Fehlersuche ist einfach:
- Das Originaltext-Panel ist bereits falsch: Das Problem liegt bei der OCR. Verkleinern Sie den Auswahlrahmen, wechseln Sie die OCR-Engine, passen Sie die Wartezeit auf eine stabile Anzeige an oder legen Sie im Glossar einen OCR-Korrektur-Eintrag an (Originalwort → Ersatzwort) — ab der nächsten Übersetzung greift er automatisch.
- Der Originaltext stimmt, die Übersetzung nicht: Das Problem liegt am Übersetzungsmodell. Übersetzen Sie kurze Passagen einmal lokal und einmal in der Cloud und vergleichen Sie; wenn feste Namen (Figuren, Orte, Skills) uneinheitlich übersetzt werden, fixieren Sie die Übersetzung mit einem Glossareintrag.
Ein kleines Beispiel: Der Name der Figur「ユキ」wurde mitunter als「ユヌ」erkannt, und die Übersetzung geriet durcheinander. Nachdem「ユキ」im Glossar als OCR-Korrektur eingetragen war, korrigierte die Erkennung zuerst das Zeichen, und die Übersetzung vereinheitlichte alles zu Yuki — jeder Schritt repariert das Seine, ohne den anderen zu stören. Genau diese Präzision ermöglicht die Zwei-Schritt-Architektur.
Eine Grenze: Die Arbeitsteilung gilt für Text auf dem Bildschirm
Der Anwendungsbereich der Zwei-Schritt-Pipeline ist der auf dem Bildschirm angezeigte Text. Figurenstimme ohne Untertitel, Sprachanrufe, rein auditive Inhalte — die OCR hat nichts zu lesen, und das Übersetzungsmodell kann nicht einspringen; das ist keine Frage der Modellstärke, sondern die Eingabe enthält schlicht nichts Erkennbares.
Wer das verstanden hat, kennt die Grenzen des Tools: Solange der Text im Bild erscheint — Spieldialoge, Manga-Sprechblasen, eingebrannte Untertitel, Softwareoberflächen — übernimmt die Zwei-Schritt-Pipeline; existiert der Text nur im Klang, braucht es einen anderen Ansatz. VoriTrans unterstützt 105 Zielsprachen: Der zweite Pipeline-Schritt liefert in der von Ihnen gewählten Sprache, während die Erkennungsseite die Sprache des Originals automatisch erkennt.
Häufige Fragen
Was macht öfter Fehler: die OCR oder das Übersetzungsmodell?
Kommt auf die Szene an. Bei sauberem Bild und klarer Schrift irrt die OCR selten; Kunstschriften, niedrige Auflösung und Text über gemusterten Hintergründen sind die Problemzone der Erkennung. Beginnen Sie die Fehlersuche mit dem Panel „Erkannter Originaltext“: Erst wenn der Originaltext stimmt, ist die Bewertung des Übersetzungsmodells dran.
Kann ein stärkeres Übersetzungsmodell Erkennungsfehler ausgleichen?
Nein. Der Input des Übersetzungsmodells ist der Output der OCR: Hat die Erkennung Zeichen verloren oder verwechselt, wird der Fehler unverändert nach unten gereicht. Die richtige Reihenfolge: zuerst die Erkennung reparieren (Auswahl, Engine, OCR-Korrektur) und erst danach über ein stärkeres Übersetzungsmodell nachdenken.
An welchem Schritt wirkt das Glossar?
An beiden. Als „OCR-Korrektur“ korrigiert es häufig falsch erkannte Zeichen im Erkennungsschritt; als „Übersetzungsvorgabe“ fixiert es die einheitliche Übersetzung eines Namens im Übersetzungsschritt. Ein Eintrag kann nur für einen der beiden Zwecke dienen — wählen Sie nach dem Problem, das Sie lösen wollen.
Wenn die Übersetzung das nächste Mal seltsam wirkt, beschuldigen Sie nicht vorschnell die Übersetzung — werfen Sie einen Blick in das Panel „Erkannter Originaltext“, und in zwei Sekunden ist klar, welcher Schritt schuld ist. Wer die Arbeitsteilung verstanden hat, rät weder bei der Fehlersuche noch bei der Optimierung der Bildschirmübersetzung.
