用 AI 翻译漫画，把中文放回气泡没那么简单

↗

我试着把漫画里的日文识别出来，再翻成中文，放回原来的文字区域。读的时候不用去另一处找译文。不过，字换成了中文，读起来还不一定顺。

漫画里的字也是图片的一部分，不能像网页文字那样直接复制。得先找到它，再把图里的字认出来，才能交给翻译。这一步叫 OCR。

先圈出一块，再读里面的字

日文漫画常有竖排、手写字，周围还混着人物和线条。当前的日文识别路径用两个工具配合：comic-text-detector (opens in a new tab) 找文字区域，程序把这一块裁出来，再交给 manga-ocr-2025 的 ONNX 模型 (opens in a new tab) 读字。找位置和认字是接着做的两步。

裁出来的图决定了识别器能看到什么。只圈到半句话，它收到的就只有半句话；混进旁边的人物线条，也可能多认出奇怪的字。所以译文不对时，先看识别器收到的那块图，比直接换翻译提示词更有用。

把中文放回原来的位置

认完字，还要保留这块区域的位置和大小。这里找到的是文字的矩形框，不是气泡的完整轮廓。这里记录的是它占原图的比例：一个框从页面宽度的四分之一处开始，图片缩小以后，还是从四分之一处开始，译文就能跟着气泡走。

每段台词另外编上号，交给 DeepSeek 翻成中文。返回的译文带着对应编号，程序按编号找回原来的框，不靠返回顺序猜位置。

↗

编号用来对应同一个气泡。图是原理示意，不是 OCR 实测结果。

识别在本机完成，翻译请求只发送认出来的文字，不上传整页图片，需要联网和自己的 API Key。这也让翻译少了一部分上下文：模型看不到人物的表情和动作，省略了主语的对白，光看台词未必知道在说谁。

中文意思奇怪时，可以先把 OCR 结果和日文原图对一遍。原文认错了，问题在翻译之前；原文没问题，再查译文。

「孩子」被拆到了两列

下面是当时在 Mac 上测试的同一页局部，不代表所有页面的效果。红色细框标出文字区域，点图可以放大。

右侧已经换成中文，但「孩子」被拆到了两列，字偏粗，省略号也散成几颗点。看得懂，还是别扭。

当前的排字会先按框的大小试一个字号，估算需要几列；列宽加起来放不下，就缩小字号再试。竖排的列从右往左走，文字块在框内横向居中，部分标点旋转后再画。

这里算的是字能不能放下，没有按词语决定在哪儿换列。“孩子”两个字都没越界，却被拆开读，就是这套办法还处理不好的地方。

盖住原文也有类似的问题。现在从图片里取一种近似的底色，盖上去，再画中文。白色气泡比较容易；遇到纹理或人物线条，一块底色补不回被盖掉的画面。