Чем OCR отличается от модели перевода: два этапа перевода с экрана
Пользуясь переводом с экрана, вы наверняка сталкивались с таким недоумением: перевод выглядит странно, но непонятно, в чём именно проблема — инструмент неправильно распознал текст на экране или сам перевод уехал не туда? У этих двух сбоев совершенно разные решения, а если разложить процесс на два шага — «прочитать» и «перевести» — картина сразу проясняется.
Перевод с экрана — это два шага, а не один
Многие представляют перевод с экрана чёрным ящиком: на входе кадр, на выходе перевод. На деле процесс состоит из двух шагов, и за каждый отвечает свой компонент.
На примере VoriTrans вся цепочка выглядит так:
- Модуль OCR отвечает за «чтение»: он превращает текст с изображения в выделенной области экрана в редактируемый текст; на выходе — оригинал, например японская реплика「宿は右です」. На этом шаге модуль только распознаёт символы и не понимает смысла.
- Модель перевода отвечает за «перевод»: она получает текст на выходе OCR и переводит его на выбранный вами язык; на выходе — перевод. Этот шаг работает только с языком и экрана не видит.
Шаги выстроены в конвейер: вход модели перевода — это в точности выход OCR. Отсюда ключевой вывод — если OCR распознал символ неверно, то как ни усиливай модель перевода, перевод всё равно не получится правильным. Мусор на входе — мусор на выходе: ошибка наверху тянется до самого перевода.
Шаг первый: почему OCR на экране особенно труден
OCR (распознавание текста) — технология не новая, распознавание сканов давно поставлено на поток. Но экранная ситуация куда коварнее скана, и все сложности упираются в «картинку».
Скан — это чистая плоскость: белая бумага, чёрные буквы, фиксированная ориентация, единый кегль. Экран устроен иначе: текст может лежать на градиентном фоне, прятаться под полупрозрачным диалоговым окном, быть рукописным или художественным шрифтом с обводкой, пересекаться с элементами изображения. Вертикальный японский добавляет ещё и порядок чтения: OCR должен понимать, с какой колонки начинать — с правой или с левой; прочитает наоборот, и фразы рассыпятся.
Поэтому инструмент оставляет простор для настройки. В настройках VoriTrans доступно несколько модулей OCR на выбор — у них разная устойчивость к художественным шрифтам и низкому разрешению; а если при выделении сузить рамку до самой области с текстом, помех от экрана станет меньше. Когда распознавание хромает, сначала подозревайте условия картинки и только потом сам модуль — такой порядок избавит от лишних проб.
Шаг второй: модель перевода задаёт потолок качества
Распознанный текст уходит в модель перевода, и именно с этого момента начинается разброс по качеству.
Модели перевода делятся на два типа. Локальные модели работают на вашем компьютере: откликаются быстро, не зависят от сети и аккуратно разделывают короткие реплики; расплата — ограниченное понимание контекста: каламбуры, мемы и обращения в играх локальные модели обычно обрабатывают консервативно. Облачные модели (крупные модели вроде Qwen, DeepSeek и GLM) заметно больше по параметрам и явно лучше держат длинные фразы, контекст и тональность; расплата — расход кредитов по мере использования.
Важно подчеркнуть: модель перевода не может компенсировать ошибки OCR. Если в распознанном тексте уже пропущены или искажены символы, облачная модель получает неполные данные — и перевод так же уходит в сторону. «Поставить модель посильнее» и «починить распознавание» — две разные вещи, и не ждите, что первая решит проблему второй.
Смотрите на процесс в два шага — и диагностика, и настройка не собьются с пути
Понимание разделения труда окупается в работе: при сбое видно, какой шаг виноват, а при настройке ясно, куда именно вмешиваться.
Интерфейс VoriTrans построен ровно на этом разделении — «Распознанный оригинал» и «Результат перевода» размещены в двух соседних панелях, и промежуточный результат распознавания виден напрямую. Правило диагностики простое:
- Панель оригинала уже ошибочна: проблема в OCR. Сузьте область выделения, смените модуль OCR, настройте задержку стабилизации экрана либо добавьте в глоссарий запись исправления OCR (исходное слово → замена) — со следующего перевода она заработает автоматически.
- Оригинал верен, а перевод нет: проблема в модели перевода. Переведите короткий фрагмент дважды — локальной и облачной моделью — и сравните; если постоянные имена (персонажей, мест, навыков) переводятся по-разному, закрепите вариант записью перевода в глоссарии.
Небольшой пример: имя персонажа「ユキ」иногда распознавалось как「ユヌ」, и перевод сбивался следом. После того как запись「ユキ」добавили в глоссарий как исправление OCR, этап распознавания стал сперва поправлять символ, а этап перевода единообразно переводил имя как Yuki — каждый этап чинит своё и не мешает другому. Именно такую точность даёт двухшаговая архитектура.
Одна граница: разделение касается текста на экране
Конвейер из двух шагов распространяется только на текст, отображаемый на экране. Голос персонажа без субтитров, голосовые звонки, чисто аудиоконтент — OCR нечего читать, и модели перевода не за что взяться; дело не в силе модели, а в том, что на входе просто нет объекта для распознавания.
Понимая это, вы точно видите границы возможностей инструмента: пока текст присутствует в кадре — реплики в игре, пузыри в манге, вшитые субтитры в видео, интерфейсы программ — двухшаговый конвейер справится; если текст существует только в звуке, потребуется иное решение. VoriTrans поддерживает 105 языков перевода: второй шаг конвейера выдаёт результат на выбранном вами языке, а на входе язык оригинала определяется автоматически.
Частые вопросы
Что ошибается чаще — OCR или модель перевода?
Зависит от сцены. При чистой картинке и чётком шрифте OCR ошибается редко; художественные шрифты, низкое разрешение и текст на пёстром фоне — зона наибольшего риска распознавания. Начинайте диагностику с панели распознанного оригинала: пока оригинал не верен, оценивать модель перевода рано.
Может ли более сильная модель перевода исправить ошибки распознавания?
Нет. Вход модели перевода — это выход OCR: если распознавание потеряло или исказило символы, ошибка наверху передаётся дальше без изменений. Правильный порядок — сначала починить распознавание (выделение, модуль, исправление OCR) и только потом думать об апгрейде модели перевода.
На каком шаге работает глоссарий?
На обоих. В режиме «исправление OCR» он правит часто ошибаемые символы на этапе распознавания; в режиме «вариант перевода» закрепляет единый перевод имени на этапе перевода. Одна запись может служить только одной из этих целей — выбирайте по той задаче, которую нужно решить.
В следующий раз, когда перевод покажется странным, не спешите винить перевод — загляните в панель распознанного оригинала, и за две секунды станет ясно, на каком шаге проблема. Разобравшись с разделением труда, вы перестанете гадать и в диагностике, и в настройке перевода с экрана.
