RSTGameTranslation：实时OCR汉化+本地大模型离线翻译

生肉玩家的新选择：RSTGameTranslation

玩日文游戏看不懂剧情，又不想等汉化组？最近一款名为 RST Game Translation 的开源工具在B站引发关注。它的核心能力很直接：指定游戏窗口或框选区域后，用 OCR 识别画面中的外文，再把中文译文覆盖回原位。画面文字一变，译文自动更新，全程无需反复截图。

据B站UP主介绍，这款工具支持英文、日文、韩文等语言的 OCR 识别，快捷键可随时开关。相比传统"截图-翻译-对照"的繁琐流程，这种原位覆盖的方式更贴近"实时汉化"的体验。

OCR（Optical Character Recognition，光学字符识别）是把图像中的文字区域检测出来并转换为可编辑文本的技术。在游戏场景中，它通常分为两步：先定位画面里文字的位置与边界框，再逐块识别字符。由于游戏字体、描边、背景噪点和动态特效差异极大，OCR 对低对比度小字和艺术化字体容易出错，这也是此类工具精度参差不齐的主要原因。

翻译引擎可自选：在线免Key与本地离线

RSTGameTranslation 的灵活性体现在翻译后端上。想省事，可以直接选用不需要 API Key 的在线翻译服务；想本地跑，则能接入 Ollama 或 LM Studio 加载本地大模型，实现离线翻译，按 token 付费的顾虑也就没了。

这一设计对不同用户都有意义：轻度玩家用在线服务开箱即用，注重隐私或网络受限的用户则可以用本地模型。快捷键随时开关的设定，也让工具在需要专注操作时不会干扰游戏体验。

Ollama 与 LM Studio 都是本地大模型运行框架：前者以命令行服务方式提供统一的本地 API，后者提供图形界面并可加载 GGUF 等格式的量化模型。二者都让模型推理完全跑在本机显卡或 CPU 上，数据不出本地，适合隐私敏感或网络受限的用户。代价是需要一定的显存/内存，且小参数模型的翻译质量通常弱于大型在线模型。

语音听译：连没有字幕的对白也能翻

更出人意料的是语音听译能力。工具通过 Whisper 系 ASR 识别游戏角色对白，即使原游戏没有字幕，也能把语音转成文字再翻译，甚至还能把译文朗读出来。

这意味着它的适用场景从"画面有字"扩展到"只有声音"。对于大量依赖配音叙事的游戏来说，这项功能补上了 OCR 覆盖不到的盲区。不过语音识别的准确率受口音、背景音效影响，实际效果仍需玩家自行验证——素材中未提供具体性能数据。

Whisper 是 OpenAI 开源的语音识别模型系列，支持多语言转写，并有 tiny 到 large 等多档规模以及更快的蒸馏/加速变体。它直接从音频预测文本，无需针对特定语言训练声学模型，因此适合覆盖面广的通用场景。实际使用中，采样率、背景音乐和音效混音会显著影响识别质量，通常需要配合语音活动检测切分音频片段。

不止游戏：漫画气泡与视觉小说

除了游戏，这款工具也能处理漫画里的气泡文字、日文树牌、视觉小说等场景。本质上，任何屏幕上出现的外文，只要能框选识别，就有被实时汉化的可能。

把屏幕 OCR、AI 实时汉化、语音听译、本地大模型和字幕覆盖塞进一个开源工具，RSTGameTranslation 的野心不小。对喜欢啃生肉的玩家来说，它提供了一个值得尝试的新思路。需要提醒的是，本文信息主要来自B站单一来源的体验分享，OCR 精度、延迟表现和不同游戏的兼容性等细节，建议实际使用时自行测试。