bquenin/interpreter

Interpreter – 面向日文复古游戏的离线屏幕翻译器

是什么 – 一个桌面应用程序，可捕获任意窗口（通常是日文复古游戏）的图像，对捕获的帧运行OCR，将提取的日文文本翻译成英文，并以字幕形式显示。所有处理均在本地完成；不使用任何云服务。

核心功能

• 完全离线 – 初始模型下载（约1.5 GB）后，程序无需互联网连接即可运行，确保您的数据隐私。
• OCR – 使用 MeikiOCR，该模型在像素级精确的日文游戏字体上训练，可从低分辨率截图中识别文本。
• 翻译 – 通过 CTranslate2 使用 Sugoi V4 日语→英语模型（托管于 Hugging Face）生成英文字幕。
• 两种叠加样式 –
  • 横幅模式：屏幕底部可拖动的字幕栏。
  • 原位模式：透明文本直接渲染在原始日文字符上方，支持点击穿透，游戏仍可正常操作。
• 缓存机制 – 对之前见过的字符串进行模糊匹配，避免重复翻译相同或相似文本，提升处理速度。
• 多显示器支持 – 叠加层显示在与捕获窗口相同的显示器上。

支持平台

• Windows 10 (1903+)
• macOS
• Linux (X11, XWayland, Wayland) – Wayland 需注意（全局快捷键、PipeWire 捕获、仅全屏模式下支持原位叠加）。

安装

• macOS/Linux 一键脚本（curl … | bash）和 Windows PowerShell（irm … | iex）。
• 安装程序会下载二进制文件 interpreter-v2、所需库以及 OCR/翻译模型。

运行程序

interpreter-v2

启动 GUI，可选择目标窗口、选择叠加模式、调整 OCR 置信度并修改其他设置。

内部工作原理

1. 屏幕捕获 – 以可配置的频率从选定窗口抓取帧。
2. OCR – 将每帧输入 MeikiOCR，获取日文文本及其屏幕坐标。
3. 翻译 – 通过 CTranslate2 将提取的字符串传递给 Hugging Face 上托管的 Sugoi V4 模型，实现快速 CPU/GPU 推理。
4. 显示 – 将英文文本渲染为屏幕底部横幅或直接覆盖在原始字符上。

来自 README 的故障排除提示

• OCR 效果差：调整置信度滑块；值较低可捕获更多文本，但可能引入噪声。
• 性能缓慢：首次运行会下载模型；后续运行将使用 ~/.cache/huggingface/ 中的缓存副本。

为何重要 – 它展示了在小众但受欢迎的应用场景（无需外部翻译服务即可游玩日文复古游戏）中，一个实用且保护隐私的 AI 流水线（捕获 → OCR → 神经机器翻译）的实际应用。