繁體中文 | English
Windows 桌面即時翻譯 Overlay：選取目標視窗 → 擷取畫面 → PP-OCRv6 辨識文字 → 用內建模型、OpenAI 相容 API 或本機 CLI 翻譯 → 在原位置以點擊可穿透的 Overlay 顯示譯文。
- 視窗擷取：Windows Graphics Capture。可在目標視窗上框選多個 OCR 區域，或辨識整窗；區域可存成具名設定集
- 本機 OCR：PP-OCRv6（tiny / small / medium），ONNX Runtime + WebGPU 或 DirectML（失敗時回退 CPU）。畫面穩定後才送翻譯（文字一直變動時可設定強制翻譯時間）；可過濾單字元雜訊、動畫誤辨識
- 多行合併：關閉 / 位置規則 / 智慧偵測（PP-DocLayoutV3 版面分析）/ 整區合併；分隔可選無、空白或換行；閱讀順序可選橫排或直排，直排文字一律由右至左讀
- LLM 翻譯：內建模型（本機執行）、OpenAI 相容 API（Chat Completions 或 Responses），或本機 Grok / OpenCode / Codex / Claude Code。串流時 Overlay 與翻譯視窗會隨譯文即時更新；可自訂 System prompt（只取代風格，輸出格式與語言不變）
- API 選項：Structured outputs、串流、回送 reasoning、Temperature / Top P / Top K / Max tokens / Reasoning effort、Priority 模式；逾時、重試次數與退避；Model 欄位可從 Provider 清單自動完成。翻譯失敗時控制視窗的工作列按鈕會閃爍
- 翻譯對照：可把原文→譯文詞條存成具名設定檔並送給模型；詞條愈多 Token 消耗愈多
- 翻譯記憶與上下文：同一句原文本會話只翻一次（LFU 快取，可調大小、手動清空，關閉程式後清空）；多輪歷史維持用語一致，可 Clear history 重新開始
- 顯示：點擊可穿透的 Overlay（跟隨目標視窗與捲動的文字，目標最小化時隱藏；譯文不重疊，必要時加寬、縮小或換行）+ 獨立置頂翻譯視窗（拖曳移動、邊緣縮放）。文字與背景色可含透明度；Overlay 字級可自動貼合原文或固定大小
- 控制列：置頂的 Start / Pause / Stop 與狀態列，可拖曳。Pause 會暫停並隱藏譯文，Stop 會停止並清除
- 快捷鍵：Start / Pause、Stop、框選區域、Retry、Clear history，可限定只在目標視窗有焦點時生效。預設關閉、未綁定
- 設定 UI：Dashboard + API / Translation / OCR / Overlay / Hotkeys；介面語言 English / 繁體中文 / 简体中文（首次啟動依系統語系）。API 可存成具名設定檔（Save / Load，與區域設定集相同）
- 作業系統（x64）
- 最低：Windows 10 1903（build 18362）
- 建議：Windows 11 24H2（build 26100）以上：擷取時不顯示黃框、可限制擷取更新頻率
- Windows App Runtime 2.4
- Microsoft Visual C++ Redistributable（x64），若系統缺少 CRT
- 記憶體（預估，設定頁會依目前設定顯示）
- OCR（GPU）：small 約 350 MB VRAM、medium 約 1.5 GB；智慧偵測另加約 500 MB
- 內建翻譯模型（僅選用時；q4、上下文 4096）：約 6 GB VRAM + 1.6 GB RAM
- 解壓
TranslatorOverlay-*-win-x64.zip（OCR 用的 DLL 在lib/） - 雙擊
translator-app.exe - API 頁選 Provider：
- 內建模型（預設）：選模型與裝置即可，見內建翻譯模型
- OpenAI-compatible：填
base_url/api_key/model - Grok CLI / OpenCode CLI / Codex CLI / Claude Code：本機
grok/opencode/codex/claude，沿用既有登入（Codex 需 0.154.0 或更新）
- Save
- Dashboard 選視窗 → 左側導覽底部 Start
OCR 與翻譯模型都在 Start 後才載入，缺少時會先下載到 exe 同目錄的 models/（OCR 來自 PaddlePaddle 官方 Hugging Face），進度顯示在狀態列。Stop 會等模型完全卸載、釋放 VRAM 後才結束。
Dashboard 選目標視窗。可選 Select regions 在該視窗上框選辨識範圍（開啟時會把目標視窗帶到前景；拖曳移動或縮放、右鍵刪除、Esc 完成）；空區域 = 整窗。框選結果可存成設定集再 Load。開始翻譯後可 Retry 立刻再翻譯一次（略過穩定等待），或 Cancel 取消進行中的翻譯。
Overlay 頁開關 Overlay、獨立翻譯視窗與控制列（即時生效）。其餘選項改完需 Save；Reload 從磁碟重新讀取 config.toml，Discard 放棄未儲存的修改。
Hotkeys 頁先打開總開關，再逐項按下要綁定的按鍵（Ctrl / Alt / Shift + 一個鍵，不能用 Win 鍵）。框選區域的快捷鍵再按一次即套用。
所有設定與資料都放在 exe 同目錄（可攜式）：
| 檔案 | 內容 |
|---|---|
config.toml |
主要設定；格式錯誤的欄位會改用預設值，語法錯誤的檔案會被移到旁邊 |
region-presets.toml |
區域設定集 |
api-profiles.toml |
API 設定檔 |
dictionaries/*.toml |
翻譯對照設定檔 |
translator-app.log / translator-app.prev.log |
本次 / 上次執行的 log |
OBS： Window Capture 選 Translator Overlay Captions（Overlay）或 Translator Overlay Translation（翻譯視窗），不要選控制視窗 Translator Overlay。擷取方式要設成 Windows 10，不能用 BitBlt。Game Capture 只抓得到遊戲本身，需再加一層 Window Capture 疊譯文。
目標視窗
→ Windows Graphics Capture
→ PP-OCRv6（ONNX + WebGPU 或 DirectML，失敗回退 CPU）
→ 信心過濾 / 單字元過濾 / 多行合併（規則或 PP-DocLayoutV3）/ block 持續追蹤
→ 穩定閘門
→ LLM 翻譯（session cache + 多輪上下文；內建模型與 HTTP 可串流）
→ 點擊可穿透的 Overlay（跟隨目標視窗）+ 獨立翻譯視窗
來源：PaddlePaddle 在 Hugging Face 上的官方 ONNX（<模型>_onnx）。載入時只檢查檔案是否存在，大小在下載時檢查。
| 尺寸 | Detection | Recognition | Dictionary |
|---|---|---|---|
| tiny | PP-OCRv6_tiny_det.onnx |
PP-OCRv6_tiny_rec.onnx |
PP-OCRv6_tiny_rec.yml |
| small（預設） | PP-OCRv6_small_det.onnx |
PP-OCRv6_small_rec.onnx |
PP-OCRv6_small_rec.yml |
| medium | PP-OCRv6_medium_det.onnx |
PP-OCRv6_medium_rec.onnx |
PP-OCRv6_medium_rec.yml |
較小較快，較大較準。換尺寸或裝置後 Save 會重新載入。
模型 預設是上表的 PP-OCRv6 通用；認不準時可改選單一語系的 PP-OCRv5（英文、拉丁、韓文、西里爾、東斯拉夫、希臘、天城文、坦米爾、泰盧固、泰文），只能辨識該語系；大小選 Mobile（預設）或 Server，Server 較準但慢很多、記憶體用量也高很多。檔案同樣來自官方 Hugging Face，自動下載：PP-OCRv5_mobile_det.onnx（約 5 MB）或 PP-OCRv5_server_det.onnx（約 84 MB），加上該語系的 <語系>_PP-OCRv5_mobile_rec.onnx 與字典 .yml（約 8–13 MB）。
多行合併選 智慧偵測 時另需 pp-doclayoutv3_fp16.onnx（約 65 MB，同樣自動下載，來自本 repo models-v1）：官方 PaddlePaddle/PP-DocLayoutV3_onnx 經 uv run scripts/optimize-doclayout.py inference.onnx pp-doclayoutv3_fp16.onnx 轉成 FP16 並移除未使用的 mask 輸出。
來源（各自下載到 models/ 下的子目錄）：
- Gemma 4 QAT ONNX：皆由 Google 的 QAT 檢查點轉換。
- Hy-MT2 ONNX：fp16 由騰訊的原始權重轉換，q4f16 由 Intel 的 AutoRound int4 檢查點轉換。
- Qwen3.8 27B 3-bit GSQ ONNX：由 ISTA-DASLab 的 3-bit GSQ 檢查點轉換。
| 模型 | 量化 | 下載大小 |
|---|---|---|
| Gemma 4 E4B | q4f16 | 4.3 GB |
| Gemma 4 E4B | q4（預設） | 4.8 GB |
| Gemma 4 12B | q4f16 | 6.8 GB |
| Gemma 4 12B | q4 | 7.6 GB |
| Gemma 4 26B A4B | q4f16 | 14.3 GB |
| Gemma 4 26B A4B | q4 | 15.9 GB |
| Hy-MT2 1.8B | q4f16 | 1.4 GB |
| Hy-MT2 1.8B | fp16 | 3.6 GB |
| Hy-MT2 7B | q4f16 | 5.0 GB |
| Hy-MT2 7B | fp16 | 15.0 GB |
| Hy-MT2 30B A3B | q4f16 | 16.3 GB |
| Qwen3.8 27B | q4f16 | 15.2 GB |
裝置可選 WebGPU（預設）或 CPU，與 OCR 的裝置分開設定。Stop 後會釋放 VRAM。
需要 Rust 1.100+（edition 2024）與 Visual Studio 2026。第一次先自建 ONNX Runtime 1.31（DirectML + WebGPU）：
.\scripts\build-onnxruntime.ps1
cargo build --release -p translator-app
.\scripts\package-portable.ps1產物：dist/TranslatorOverlay-<version>-win-x64.zip（translator-app.exe 與 lib/ 內的 onnxruntime.dll、DirectML.dll、webgpu_dawn.dll、dxcompiler.dll）。目標機器仍需 Windows App Runtime 2.4。
開發時格式與 lint：
cargo +nightly fmt
cargo clippy --all-targets -- -D warningscrates/
translator-app # WinUI 3 控制視窗與管線
translator-capture # Windows Graphics Capture
translator-core # 設定、路徑、區域設定集、共用型別
translator-ocr # PP-OCRv6、下載、穩定閘門、過濾、合併
translator-overlay # 點擊可穿透的 Overlay、區域選取、翻譯視窗
translator-translate # 內建 ONNX 模型 / HTTP / Grok ACP / OpenCode ACP / Codex app-server / Claude Code、session cache
translator-winui # WinUI 3 bindings（winui-bindgen 產生）與啟動
winui-bindgen # 重新產生 translator-winui bindings 的工具