AI 翻譯不準？先分清 OCR 識別失敗與翻譯失敗
同一款螢幕翻譯工具，昨天翻得好好的，今天突然滿屏錯字；或者朋友用著挺準，自己一上手就亂七八糟——遇到這種情況，多數人的第一反應是「這工具翻譯得不準」。這個結論下得太快了。譯文出錯有兩種完全不同的來源：文字沒被正確讀出來，或者讀對了但翻得不好。把這兩件事拆開，準確率問題才有得聊。
先拆開：識別失敗和翻譯失敗是兩回事
螢幕翻譯的流程分兩步：OCR 先把畫面上的文字變成可編輯的文字，AI 翻譯再把這個文字轉成目標語言。兩步任何一步出錯，你看到的譯文都會不對，但責任和解決辦法完全不同。
區分辦法就在用戶端裡：翻譯結果旁邊有一個「識別原文」面板，顯示這次 OCR 實際讀出了什麼文字。識別面板裡就已經錯字連篇，那是識別的問題，去改框選和畫面條件；識別原文正確、譯文不對，才是翻譯的問題，去調模型和術語。先看這一眼再動手，排查方向不會跑偏。
OCR 識別失敗，常見原因就這六種
識別效果取決於文字清晰度、版面和畫面條件——按這把尺子衡量，失敗情境基本都能歸進下面六類：
- 文字太小或太密：遊戲介面的小字、行距緊的選單列表，字元之間黏在一起，OCR 分不清邊界。
- 背景複雜：文字壓在花紋、漸層、光影特效上，筆畫和背景混在一起。
- 字型特殊：藝術字、手寫體、變形的擬聲詞，筆畫結構和印刷體差得遠。
- 畫面不穩定：識別的瞬間畫面在動——過場動畫、漸入漸出的字幕，讀到的是半透明或殘缺的字。
- 版面判斷錯：直排漫畫、多欄排版一旦閱讀順序判斷錯，識別出來的句子順序就全亂了。
- 解析度不足：低畫質片源、過度壓縮的截圖、系統縮放導致的模糊，字都看不清，工具自然也讀不清。
對應的排查辦法，四步走
知道原因，辦法就是對著改。以 VoriTrans 為例，排查可以按這個順序做：
第 1 步：縮小框選範圍。只框住目標文字那一小塊，別把整個畫面都框進去——框得越小，干擾越少，識別越準。
第 2 步：等畫面穩定再翻。偏好設定裡有「畫面穩定等待」可以按毫秒調，動畫字幕、過場特效多的內容，讓工具等畫面定下來再識別。
第 3 步：換一個 OCR 引擎。偏好設定提供 4 個 OCR 引擎可選，同一畫面換引擎再試，結果可能明顯不同——沒有哪個引擎全情境領先，你的內容哪種最穩就固定用哪種。
第 4 步：單次重試加術語糾錯。個別格子識別不好，用「單次翻譯」框小範圍再來一次；總被讀錯的固定詞（人名、系統詞），在「術語詞庫」裡用 OCR 糾錯用途把原詞固定成正確寫法，下一次翻譯自動生效。
翻譯不準怎麼辦：模型、術語與正確預期
如果識別原文是對的，問題出在翻譯環節，可調的地方同樣不少。翻譯模型先用「本地模型」不消耗點數，能力有限但適合驗證；語境理解要求高的重要章節，切到雲端模型（Qwen、DeepSeek、GLM）對比同一句話的譯文，差別通常能直接看出來，消耗的點數規則以官網價格頁為準。
語氣和人名的問題交給兩樣東西：偏好設定裡的「遊戲翻譯提示詞」可以自訂翻譯風格，讓譯文貼近作品的語氣；術語詞庫把主角名字、專有設定詞固定成統一譯法，整部作品前後一致。預期也要擺正：AI 翻譯的目標是讓你順暢讀懂劇情推進，不是出版級精翻——個別句子結合上下文和畫面理解，屬於正常使用方式而不是工具失靈。識別不準的更多背景，可以參考之前那篇什麼是螢幕翻譯器。
什麼時候該懷疑是畫面本身
排查到最後，有一類問題根源不在工具：低畫質片源、打了碼的畫面、加密內容、全螢幕獨占模式——畫面本身就提供不了可識別的文字，換什麼工具都一樣。全螢幕模式識別異常時，先切視窗化或無邊框模式再試，這是官方給的主流建議。反過來說，驗證一款工具的真實水準，也要用清晰、穩定的畫面去測：本地模型消耗免費點數，訪客每月 1,000、註冊後 2,000，拿自己常看的內容跑一晚，比任何評測都靠譜。
常見問題
AI 翻譯準確率能達到多少？
沒有統一數字，也不該有——準確率取決於文字清晰度、版面和畫面條件，同一段內容換種顯示方式結果就不同。負責任的工具不會承諾百分比；能做的是把「識別原文」面板開放給你自己核對，識別對了再看翻譯，問題出在哪一環一目瞭然。
總是識別錯同一批詞怎麼辦？
用術語詞庫的 OCR 糾錯：把被讀錯的原詞和正確寫法加進去，可勾選忽略英文大小寫，修改後下一次翻譯自動生效，不用每次手動改。這個詞庫支援匯入匯出，換裝置也能帶走。
換雲端模型會翻得更準嗎？
語境理解和長句處理通常更好，代價是消耗點數。建議用同一句對白做對比：本地模型翻一遍、雲端模型翻一遍，差別適合你的內容就用哪種——短對話用本地模型免費跑，重要章節切雲端，是成本和品質的常見平衡方式。
