Elaina

1. 屏幕框选翻译#

使用流程：

1. 按 Ctrl+Shift+T 或点击主窗口「框选屏幕」
2. 鼠标拖动框选识别区域
3. 系统 OCR 识别原文，结果窗口尽早显示
4. 翻译服务返回译文，更新到结果窗口

体验优化：

• OCR 识别完成后立即显示原文，不等翻译完成
• 翻译过程中可继续框选，新截图成功后会取代旧任务
• 旧任务的迟到结果不会覆盖新结果，避免混乱

2. 本地 Windows OCR#

使用 Windows 系统自带的 OCR 引擎识别文字：

• 无需联网：完全离线识别
• 多语言支持：中文、英文、日文等（取决于系统安装的语言包）
• 轻量快速：直接调用系统 API，不依赖第三方服务

添加语言包（如果识别不准）：

1. 打开「设置」→「时间和语言」→「语言和区域」
2. 点击「添加语言」，搜索你需要的语言（如日语）
3. 安装后，OCR Translate 会自动检测并使用

3. 多翻译服务支持#

内置翻译服务：

• DeepL API：翻译质量高，支持免费层和 Pro
• 百度翻译：中文支持好，需要百度翻译 API Key
• 火山引擎：字节跳动的翻译服务
• OpenAI Vision：使用视觉模型直接识别图片并翻译（可跳过 OCR）

配置方式：

• 在主窗口点击「设置」
• 填入对应服务的 API Key
• 密钥使用 Windows DPAPI 加密存储，只能由同一台电脑的同一用户解密

4. 悬浮结果窗口#

窗口特性：

• 可拖动、可缩放
• 可复制译文到剪贴板
• 固定后会在后续截图中保留
• 新窗口会自动避开已有窗口，不重叠
• 点击「打开主窗口」可回到设置界面

5. 语音朗读（可选）#

集成 Azure 语音合成服务：

• 支持中文、英文、日文等多种语言
• 支持调整语速、音调
• 需要 Azure 语音服务的订阅密钥

1. Rust + egui 的即时模式 GUI#

为什么选择 egui？

• 即时模式：不需要维护复杂的状态树，代码更简洁
• 跨平台：理论上可以移植到 macOS、Linux（但 Windows OCR API 不跨平台）
• 性能好：Rust 原生性能，启动快、占用低
• 内置布局：flexbox 风格的布局系统，易用

示例代码：

1
// egui 的即时模式写法
2
egui::Window::new("结果")
3
    .resizable(true)
4
    .show(ctx, |ui| {
5
        ui.label(&self.original_text);
6
        ui.separator();
7
        ui.label(&self.translated_text);
8
        if ui.button("复制译文").clicked() {
9
            self.copy_to_clipboard();
10
        }
11
    });

2. 异步任务处理#

使用 tokio 异步运行时处理 OCR 和翻译：

• OCR 和翻译在后台线程执行，不阻塞 GUI
• 使用 mpsc 通道在线程间传递结果
• 超时控制：网络请求 20 秒超时，避免卡死

3. 截图取消机制#

问题：

• 用户快速连续截图时，旧的翻译任务可能还在进行
• 如果不处理，旧结果会覆盖新结果

解决方案：

• 每次新截图时，生成一个唯一的任务 ID
• 翻译完成时，检查任务 ID 是否匹配
• 不匹配则丢弃结果，不更新窗口

4. 配置加密存储#

安全措施：

• API Key 使用 Windows DPAPI 加密后存储在 %APPDATA%\ocr-translate\config.json
• 只能由同一台电脑的同一 Windows 用户解密
• 临时截图保存在系统临时目录，程序退出时自动清理

为什么要做这个工具？#

在学习日语、查看外文文档时，经常需要翻译屏幕上的文字。市面上的翻译工具要么太重（带广告、后台常驻）、要么要收费、要么隐私不安全。我想要一个：

• 轻量级：启动快，占用少，用完就关
• 离线 OCR：不把截图传到云端，隐私安全
• 开源免费：代码透明，可审计

为什么用 Rust？#

1. 性能好：Rust 编译出的可执行文件小、启动快
2. 学习曲线：正好在学 Rust，拿来练手
3. 生态成熟：egui、reqwest、tokio 等库都很好用

下载使用#

直接下载编译好的可执行文件：

• 下载最新版本
• 解压后运行 ocr-translate.exe
• 首次运行会要求设置翻译服务（可选 DeepL、百度等）

从源码构建#

需要 Rust 1.82+ 和 Visual Studio C++ Build Tools：

1
# 克隆仓库
2
git clone https://github.com/elaina-agi/ocr-translate.git
3
cd ocr-translate
4

5
# 开发运行
6
cargo run
7

8
# 测试
9
cargo test --locked
10

11
# 发布构建
12
cargo build --release --locked

构建产物位于 target/release/ocr-translate.exe。

1. egui 的即时模式很爽#

和传统的保留模式 GUI（如 Qt、GTK）不同，egui 的即时模式不需要维护复杂的状态树。每一帧都重新绘制整个界面，代码逻辑更清晰。

优点：

• 不需要手动同步状态和 UI
• 调试方便，状态变化立即体现

缺点：

• 复杂动画不如保留模式流畅
• 需要注意避免每帧都做重复计算

2. Windows API 的坑#

Windows OCR API 是 WinRT 接口，Rust 调用需要通过 windows crate：

• 异步 API 要转成 Rust 的 async/await
• 语言包检测依赖系统设置，需要给用户明确提示

3. 多线程的挑战#

截图、OCR、翻译都是耗时操作，不能阻塞 GUI 主线程。用 tokio 异步处理后，还要注意：

• GUI 更新必须在主线程
• 使用 mpsc 通道传递结果
• 任务取消要及时响应

4. 用户体验细节#

• 快捷键全局生效：不需要窗口在前台
• 结果窗避开已有窗口：减少重叠，一次截图能看到多个结果
• OCR 先显示，翻译后更新：即使翻译慢，也能先看到原文