易翻译新增图片翻译：拍照识别即出译文

2026 年 8 月 18 日，易翻译发布 v5.1.0 版本，图片翻译能力全量开放。用户只需对准菜单、路牌、说明书或屏幕截图拍一张照片，易翻译即可在 0.8 秒内完成文字识别并输出译文，还支持 130 多种语言之间的图片互译，走到哪拍到哪，一扫即懂。

图片翻译功能此前在小范围内测了 4 个月，累计有 15 万名测试用户提交了 37.6 万次真实场景的识别反馈。易翻译视觉算法负责人顾远介绍，团队把测试用户拍摄的各类实拍图按场景分成了 24 个大类，包括餐厅菜单、街头路牌、药品说明、产品标签等，针对每一类场景做了专门的识别优化。

顾远说：「实拍图和扫描件完全是两回事，拍照有反光、倾斜、遮挡，还有各种花哨的字体。我们训练了一个专门处理实拍场景的文字识别模型，用 4600 万张标注图片做训练，把倾斜 45 度以内、低光照环境下的识别率都拉上来了。」

OCR 识别引擎的技术升级

图片翻译的核心是 OCR 识别引擎，本次升级在三个方面明显增强。一是倾斜矫正能力，拍摄角度偏差 45 度以内的图片会自动透视矫正，文字行还原为水平排列；二是低光照增强，夜景菜单、昏暗餐厅里的拍摄也能保持清晰识别；三是复杂背景分离，花纹餐具、渐变底色上的文字可被准确抠出，避免背景干扰识别。

识别之外，引擎还会做「文字版面理解」：同一张图里的标题、价格、说明文字会被区分对待，译文以相同字号、颜色叠加回原图位置，实现 AR 实景翻译效果，读起来就像图片原本就用目标语言印刷的一样。

识别准确率实测数据

易翻译质量保障团队公布的测试报告显示：在标准拍摄条件下，印刷体文字识别准确率达到 99.1%；倾斜 30 度的实拍图识别准确率 96.4%；低光照场景识别准确率 93.8%；手写体识别准确率 87.6%；平均单图处理耗时 0.8 秒，较上代缩短 41%。

在 24 类场景中表现最好的是电子屏幕截图，识别准确率 99.5%；最难的依然是艺术字体海报，准确率 89.3%。顾远表示，艺术字体的泛化是行业难题，团队会在每个季度更新模型中持续优化，预计 2026 年底把艺术字识别率提升到 93% 以上。

灰度用户反馈同样积极：91.6% 的用户认为「翻译结果直接叠在原图上」的 AR 效果实用，85.4% 的旅行场景用户表示出国时省去了查词典的时间。来自广州的跨境电商运营梁晓雯分享：「拍一张竞品包装，两三秒就能看懂成分表，选品效率提升太明显了。」

使用小贴士与后续计划

想让图片翻译效果更好，有几个实用小技巧：拍摄时尽量让文字区域占画面三分之一以上；光线不足时打开手电筒补光；遇到密集小字可以先放大再拍。图片翻译支持从相册导入，翻拍老旧文档时建议先使用「文档增强」模式。

顾远透露，下一阶段团队计划把图片翻译与实时取景结合得更加紧密，推出「持续识别模式」，镜头扫过即可连续翻译，无需反复按快门，预计在 2026 年 10 月与用户见面。

现在就把易翻译升级到 v5.1.0，出门在外拍一拍，语言障碍少一半。使用中遇到识别不准的图片，欢迎通过「反馈」按钮上传原图，帮助引擎变得更聪明。