看不懂外语游戏剧情？3 步上手免费开源实时屏幕翻译工具 Translumo
【免费下载链接】TranslumoAdvanced real-time screen translator for games, hardcoded subtitles in videos, static text and etc.项目地址: https://gitcode.com/gh_mirrors/tr/Translumo
深夜两点，我卡在一个日系 RPG 的支线任务里，NPC 说了长长一段话，我只看懂几个假名。退全屏、截图、粘贴到翻译软件、切回游戏，循环三遍之后，我决定找一个能直接读屏幕的工具，然后遇到了 Translumo——一款免费开源的实时屏幕翻译工具：框选屏幕上一块区域，用 OCR 识别其中文字，翻译后把结果以悬浮窗叠加在原位置附近。游戏对话、视频硬字幕、软件界面，凡是复制不走的屏幕文字，都是它的工作对象。
为什么"截屏翻译"这件事这么难做
你可能觉得截个图识别文字没什么技术含量。把 Translumo 拆开看，链路其实有四段：屏幕捕获、OCR 识别、文本有效性判断、翻译叠加。前两段是成熟技术，真正的难点在第三段——游戏画面背景复杂，字体自带描边阴影，OCR 经常把装饰图案当成字母。如果每一帧结果都直接翻译，你会看到满屏乱码。
Translumo 的解法是让多个 OCR 引擎并行跑，再用基于机器学习的模型给每个结果打分，取置信度最高的一条。源码里这个环节叫GetBestDetectionResult：多个引擎返回相同文本时直接信任，否则逐个比较 ValidityScore 再取舍。相关逻辑都在src/Translumo.Processing/TranslationProcessingService.cs，比任何"多引擎支持"的宣传语都更有说服力。
3 步跑起来，先说两个我踩过的坑
上手比预想简单：解压压缩包直接运行Translumo.exe（当前最新版 1.0.2）。想自己编译也容易，Visual Studio 2022 加 .NET 8，git clone https://gitcode.com/gh_mirrors/tr/Translumo之后构建会自动拉取 OCR 模型和 Python 运行时，大约 400MB——网络不稳定会卡在这里，这是我踩的第一个坑。
英文界面演示：第一步是打开设置，右侧列出了全部快捷键
操作只需要三个快捷键：
- Alt+G打开设置，选 OCR 源语言和翻译目标语言；
- Alt+Q在屏幕上框出识别区域；
- ~启动/停止翻译。
翻译结果出现在一个可拖动、可调透明度的悬浮窗里（背景透明度、字号、行距都可在外观设置里改），Alt+T随时隐藏或重新显示。这里有个容易忽略的细节：区域尽量框小一点。区域越大，背景里的随机字符越容易被当成文本，处理耗时也越长。我第一次框了半个屏幕，一局游戏飘出七八条莫名其妙的翻译，把区域收窄到对话框后立刻清净了。
选引擎之前，先想清楚"谁更值得用"
设置里默认有三个 OCR 引擎：Windows OCR、Tesseract 5.2、EasyOCR。我的建议和项目作者一致——只开 Windows OCR。它由系统内置，速度快，对游戏字体识别最稳。Tesseract 属于"历史上存在过"的引擎，作者自己在文档里直言它又老又慢错误率高；EasyOCR 精度高但吃硬件，要求 NVIDIA GPU（CUDA 11.8）、8GB 内存和 5GB 磁盘，识别一帧动辄几百毫秒，实时性基本谈不上。
翻译服务同理，DeepL 质量最好所以是首选，Google、Yandex、Papago 当备选。真正容易忽略的是"语言 → 代理"选项卡：翻译接口请求频率高了会被服务商封锁，挂 1-2 个 IPv4 代理让请求轮流走不同出口，能少踩不少封锁坑。
俄语界面演示：同样的操作流程，界面与文档均做了本地化
两个场景的配置思路
场景一：游戏实时翻译。先把游戏切成无边框窗口或窗口模式——全屏独占模式下，翻译悬浮窗会直接沉到游戏画面下面，这是很多人以为"工具没用"的真正原因。然后只保留 Windows OCR，区域框住对话框，剩下的刷新调度交给工具自己处理：屏幕文字没变化时约 115ms 轮询一次，识别到新内容进入完整流程约 320ms 一轮，检测到连续滚动文本还会自动放慢到 620ms 避免重复翻译（这段逻辑写在GetIterationDelayMs，源码可查）。实测系统占用很低，2GB 内存的机器就能跑，几乎不影响游戏帧率。
场景二：视频硬字幕翻译。硬字幕嵌在画面里没法提取，正是 OCR 的主场。固定一块字幕区域后，开启带预处理的 OCR 变体——它会先把灰度图按阈值 150 做二值化（对应src/Translumo.OCR/里的WithPreprocess系列引擎），高对比的白字黑底识别率立刻上一个台阶；再打开翻译结果朗读，TTS 模块在src/Translumo.TTS/，支持 Windows 语音和 Silero 两种引擎，追生肉番、看外语纪录片时舒服很多。
值得知道的边界与限制
说点真实的不足：OCR 识别语言目前只有英、俄、日、中、韩五种，冷门语种无能为力；Tesseract 引擎在程序路径含中文时会直接识别失败，官方要求路径只用英文字母；EasyOCR 的包下载失败只能挂代理重试。另外它只支持 Windows 10 2004（build 19041）及以上或 Windows 11，Linux 和 macOS 用户暂时无缘。
两个高频故障也一并记下：翻译请求频繁失败时，优先检查代理列表和更换服务商，其次降低刷新频率；点开始翻译后毫无反应，先确认目标窗口处于活动状态，再不行重启一次工具——多半是屏幕捕获初始化失败。
我的上手建议
别一上来就三引擎全开、四家翻译服务全配。先只开 Windows OCR + DeepL，用无边框窗口模式跑一个晚上的游戏，确认链路稳定后再按需加代理、开 TTS。工具是开源的，遇到解释不清的现象直接翻源码——快捷键默认值都在src/Translumo/HotKeys/HotKeysConfiguration.cs里，比翻文档直观得多。
【免费下载链接】TranslumoAdvanced real-time screen translator for games, hardcoded subtitles in videos, static text and etc.项目地址: https://gitcode.com/gh_mirrors/tr/Translumo
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
