我给漫画阅读器加了 OCR 和翻译
我一开始真没想做 OCR。
wnacg 阅读器里一直有个「日語」分类，封面能看，页面能翻，点进去以后台词却全成了背景纹理。一个入口明明摆在那里，却每次都要绕开，比压根没有还让人惦记。
我当时只想补一个“翻译字幕”开关。按我的错误估计：OCR 认字，DeepSeek 翻译，再盖一层中文，半天差不多了。
最后发现，翻译反而是最省事的部分。
竖排日文把捷径堵死了
最开始我直接用了 macOS 的 Vision OCR。横排中文又快又准，红框一画出来，我还觉得事情已经解决了一半。
然后打开日文原版，几乎全是竖排。
旋转、放大、改语言优先级，我挨个试了一遍。结果可以概括成一句：中文表现很好，但我这里是日语。苹果自己的 Live Text 明明会读竖排，公开的 Vision 接口却不是同一条路。
最后还是换成了漫画专用的两段处理：comic-text-detector 先在整页里找出文字区域，manga-ocr-2025 再读每个区域里的日文。两者不是二选一，一个找字，一个认字，必须前后接起来。
识别出来的日文再交给 DeepSeek 翻译，最后由 Canvas 遮住原文，把中文重新排回气泡。两套本地模型加词表大约 230MB，第一次启用要下载；之后找字和认字都留在本机，送出去的只是日文文本。
第一次在真实页面上跑通时，竖排台词和语气词都读了出来。那一下确实挺爽。不过能认字，只能证明链路通了，离“能看”还差得远。
翻出来了，还是有点便宜
流水线通了以后，第一版嵌字依然让我不想看。省略号在竖排里散成一串点，字体像系统报错，文字整体偏左，白色遮盖块边缘又直又硬。
看起来就俩字：便宜。
模型报错至少会给日志；“便宜”没有堆栈，只能盯着图一点点改。标点换成适合竖排的全角形式，长气泡从右往左排，文字按实际尺寸居中；遮原文时不再盖一块死白，而是从气泡边缘取背景色，再把边缘放软一点。
没有什么惊人的算法，大部分时间都在试“再往右一像素会不会好一点”。
下面是同一页的实际前后对比：
原版：文字框找到了，里面还是竖排日文。
翻译后：同一个框里盖掉原文，再按竖排重新嵌入中文。
译文并不完美，我也不打算把它包装成“AI 一键汉化”。鼠标移到中文上会显示原文，就是因为有些句子看着太顺，反而值得怀疑一下。
还有一个 bug 更直接：关掉翻译，再打开，页面没有任何变化。
后台其实已经有译文，开关状态也对。漏掉的是最后一步——把缓存里的译文重新画到页面上。程序觉得自己早就做完了，屏幕却还停在原文。这种 bug 不高级，但特别像真实软件：每一层单独看都没错，合起来就是没用。
后来我把重绘补上，也给慢和失败留了看得见的状态。附近几页会提前处理，失败只重试当前页；正常阅读不显示调试用的红框，鼠标放到译文上还能看原文。
我最早只想读一页生肉。终端里出现“模型加载成功”时还没什么感觉，翻到下一页发现中文已经在那里，才觉得它总算能用了。
它现在还是会认错，也还需要网络和 DeepSeek 密钥。第一次用还得下载约 230MB 模型。但那个原本只能绕开的「日語」分类，终于变成了一个我真的会点进去的入口。