简体中文 · English

屏译 · Screen Translator

Android 屏幕实时翻译 · 截屏 → 识字 → 翻译 → 叠加显示 / 朗读

通过 MediaProjection / Shizuku 截屏 → 端侧或云端 OCR → LLM / 机器翻译 → 悬浮窗叠加显示。 译文既可以盖在原文附近，也可以用手机语音、自建语音服务或在线音色朗读。 无需 ROOT，单机可用，面向视觉小说、漫画、游戏对话等任意屏上文字的实时翻译。

安装 · 使用 · 配置 · 参与开发 · Releases · Issues

---

✨ 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。

🖱️ 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 / 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
• 循环模式：可选固定间隔，或等待报幕文字稳定后再翻译；会跳过完全相同的画面 / 译文，并可优先检测下半屏对话区域，连续看剧情时不用反复点球
• 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
• 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
• 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，让大语言模型和本机模型在连续剧情中使用固定译名
• 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
• 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

🎨 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

🛠️ 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
• 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
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

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
段落合并 / 悬浮球	智能循环翻译

划词翻译	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。该服务不读取其它 App 的无障碍文字或 View 树；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

⚙️ 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 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://<host>:<port>/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
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。

OpenAI 兼容接口怎么填？

• 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

循环翻译

• 触发方式：固定间隔按设定毫秒数执行；「智能等待文字完成」会在打字 / 报幕继续变化时重置计时，文字稳定后立即翻译
• 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
• 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。
• 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、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
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，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
多种翻译方式	使用 Google ML Kit 端侧翻译、OpenAI 兼容接口、DeepL、Google、火山、百度、腾讯、有道图翻，或 Sakura / Hy-MT2 离线模型
复制译文	长按译文自由选择复制，或点击译文块打开面板，复制部分文字、整段原文或整段译文
译文朗读（TTS）	使用手机系统语音、自建语音服务、火山、MiniMax 或 MiMo 朗读原文、译文和划词内容；支持暂停 / 继续、选中文字朗读和管理音色
划词查词	框选一个词或短语查看译文；使用大语言模型时还能显示音标、词性、词形变化、同义词、释义、例句和难点说明
固定人名与术语	保存全局或指定游戏的人名、地点和专业术语，让连续剧情中的译名保持一致
模型下载	在后台下载端侧模型，通过应用和通知查看进度，并可取消、失败重试或断点续传
本地翻译优化	启动截屏后提前准备离线模型，并尽量一起处理同一画面的多段文字，减少等待
个性化与迁移	调整译文颜色、字体、大小、描边和阴影；导出设置、预设、术语和字体，换机后再导入
辅助功能	使用音量双键触发、TalkBack 操作提示、崩溃日志导出和国产手机后台运行引导

📋 后续方向

以下是准备继续改善的用户功能，不代表固定的开发顺序：

方向	希望带来的体验
翻译历史	回看之前翻过的画面和对话，不再因为切屏而丢失上一段内容
离线词典	没有联网或使用普通机器翻译时，也能查看单词释义和基础例句
端侧模型长期优化	持续改善各类端侧模型在手机上的下载、启动速度、内存占用、发热、耗电和机型兼容性，并逐步探索让语音等更多能力在手机本地运行
系统助手与 Agent 接入	跟进 Android AppFunctions 和 A2A；等平台支持逐渐成熟后，探索通过系统助手或其它 Agent 发起翻译、朗读和常用操作
无障碍完善	让整屏 OCR 文字和动态译文也能被读屏逐项浏览和操作

“端侧模型长期优化”是一项持续更新计划，会随着模型和手机适配逐步改进，不对应某一个版本一次完成。

🤝 参与开发

欢迎社区贡献。无论是 bug 修复、新功能、UI 改进、翻译还是文档勘误，都很受欢迎。

分支与 PR 规则

⚠️ 不要直接 PR 到 main 分支。

main 是稳定主线，只接受经维护者审核合入 —— 用作打 tag 发版的基线。

外部 PR 请按以下流程走：

1. 先开 issue 讨论：说明你想做的改动 / 修的 bug，确认方向，避免做白工
2. Fork 仓库，从最新 main 切出 feature 分支：

   git checkout -b feat/your-idea  origin/main

3. 本地开发并自测（至少在一台真机上跑通 ./gradlew installDebug）
4. PR 提交到 dev 分支（如仓库还没有 dev，请在 issue 里 ping 维护者建立）；维护者会在 dev 上聚合多人 PR、复测后整合到 main
5. 直接 push 到 main / 强推 main 是被禁止的（仓库会通过 branch protection 拦截）

本地构建

git clone https://github.com/ciddwd/overlay-translator.git
cd overlay-translator
cp local.properties.example local.properties
# 编辑 local.properties，把 sdk.dir 改成本机 Android SDK 路径
./gradlew installDebug   # 装到已连接设备

需 JDK 17 + Android SDK 35。Android Studio 打开会自动同步并补 Gradle wrapper jar；命令行环境需先 gradle wrapper --gradle-version 8.10.2。

翻译贡献

如果想加入新语言或修正现有翻译：

1. 复制 app/src/main/res/values/strings.xml 到 app/src/main/res/values-<lang>/strings.xml（例如 values-zh-rTW、values-ja）
2. 只翻译 <string> 标签内的值，保留 key（name="..."）和占位符（{source}、{target}、%1$s、\n 等）
3. 在 app/src/main/res/xml/locales_config.xml 添加 <locale android:name="<lang>" />
4. 在 app/src/main/java/com/gameocr/app/ui/SettingsScreen.kt 的 APP_LANGUAGE_OPTIONS 追加一行
5. 在 PR 描述里附上覆盖率（多少条字符串已翻译）与试译截图

未来若有 10+ 种语言，会迁移到 Weblate 在线协作平台，简化流程。

Commit message

推荐遵循 Conventional Commits 简化版：

feat: 新功能
fix:  bug 修复
docs: 文档
refactor: 重构（不改行为）
chore: 构建 / CI / 工具链
i18n: 翻译相关

副标题与正文请用中文或英文，不要混在一句话里；首行 ≤ 72 字符。

行为准则

• 友善、就事论事，对人不动情绪
• 不发与项目无关的内容 / 商业推广 / 政治议题
• 维护者保留以"不符合项目方向"为由关闭 issue / PR 的权利，并会说明原因

🙏 致谢

上游项目

• PaddleOCR · PP-OCRv5 mobile 模型
• bukuroo/PPOCRv5-ONNX · 已转 ONNX 的 v5 mobile 镜像
• l0wgear/manga-ocr-2025-onnx · manga-ocr ONNX 模型
• kha-white/manga-ocr · manga-ocr 原项目
• ggml-org/llama.cpp · GGUF / 端侧 LLM 推理
• SakuraLLM/SakuraLLM · Sakura 日译中模型
• Tencent-Hunyuan/HY-MT · Hy-MT 翻译模型
• Shizuku · 免 ROOT 的高权限通道
• ML Kit · Google 端侧 OCR 与翻译
• ONNX Runtime · 端侧推理引擎
• Jetpack Compose / Material 3 · UI 体系
• Hilt · 依赖注入
• Retrofit + OkHttp · 网络
• kotlinx.serialization · JSON 序列化
• Timber · 日志

贡献者

（首次 PR 合入后会自动出现在这里）

灵感来源

桌面端 VNR / Visual Novel Reader 等同类工具长期以来在 PC 平台为 galgame / 视觉小说玩家提供实时翻译。本项目把这条管线带到 Android，并针对手机场景（电池、ROM 限制、touch UI）做了重新设计。

📄 许可

代码采用 Apache-2.0。模型与第三方依赖各自保留原协议。