高效屏幕翻译工具:OCR识别与跨平台实时翻译解决方案
解决屏幕文本翻译难题,提升多语言信息获取效率
▸ 快速屏幕取词翻译
只需框选屏幕任意区域,工具自动完成截图、OCR识别与翻译流程,3秒内获取译文,无需手动输入任何文本。支持100+语言互译,满足学术文献、海外游戏、外语网站等多场景需求。
▸ 精准OCR字符识别
基于Tesseract引擎深度优化,可识别复杂背景、斜体/艺术字体,识别准确率达95%以上。内置拼写纠错功能,自动修正识别误差,确保翻译文本质量。
▸ 跨平台无缝体验
完美适配Windows与Linux系统,提供一致的操作逻辑与性能表现。采用Qt 5框架构建,资源占用低至50MB,兼容老旧设备与新系统。
▸ 高度个性化配置
支持自定义快捷键、翻译引擎优先级、译文显示样式,可保存常用翻译区域。开启"便携模式"后,所有配置与资源文件自动存储于程序目录,方便U盘携带使用。

图:屏幕翻译工具主界面,展示区域选择、OCR识别与翻译结果一体化流程
多场景使用指南
学术研究场景
遇到PDF文献中的生僻术语时,直接框选即可获取专业释义,支持批量识别整段文本,配合翻译历史记录功能,轻松整理双语对照笔记。
游戏娱乐场景
海外游戏无中文界面?使用快捷键激活翻译,实时转换技能说明、任务对话,不影响游戏帧率,让沉浸式体验不受语言障碍干扰。
跨境工作场景
处理外文合同、产品说明时,通过自定义识别区域功能固定翻译窗口位置,实现文档与译文的同步对照,提升跨语言协作效率。
个性化配置技巧
优化识别准确率
在设置界面"OCR引擎"选项卡中,根据文本类型选择对应语言包(如日语需同时启用"日语"与"日语竖排"包),勾选"增强模式"可提升低分辨率文本识别效果。
提升翻译速度
在"翻译服务"设置中,优先启用DeepL、Google等AI翻译引擎,禁用低速服务。开启"预加载常用语言包"功能,可将首次翻译响应时间缩短至1秒内。
自定义快捷键组合
进入"热键设置"面板,建议将"区域翻译"绑定为Ctrl+Alt+T,"全屏翻译"绑定为Ctrl+Shift+T,避免与其他软件快捷键冲突。
常见问题解决
Q:为什么翻译结果显示乱码?
A:可能是缺少对应语言包导致。进入设置→更新→语言资源,下载所需语言的OCR数据包与翻译词典,重启程序即可生效。
Q:Linux系统下无法启动怎么办?
A:尝试在终端执行QTWEBENGINE_DISABLE_SANDBOX=1 ./ScreenTranslator.AppImage命令,部分发行版需安装libxcb-xinerama0依赖库。
Q:如何导出翻译历史记录?
A:在系统托盘菜单中选择"历史记录",点击右下角"导出"按钮,支持TXT与JSON格式保存,文件默认存储于~/Documents/ScreenTranslator/history目录。
适用系统环境
- Windows:Windows 7及以上(需安装VC++运行库)
- Linux:Ubuntu 18.04+/Fedora 30+(推荐使用AppImage格式)
- 硬件要求:1GHz处理器,1GB内存,支持DirectX 9的显卡
📌 项目仓库:git clone https://gitcode.com/gh_mirrors/sc/ScreenTranslator
社区支持:通过项目Issue系统提交问题,开发者会定期处理关键bug修复请求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0171
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook093
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239