边玩边翻译游戏,是一件真正困难的事

网页会把干净的文本直接交给翻译工具。而游戏交给你的是一张图片——文字是画成像素的,下面没有可以直接读取的文本流。所以每一次翻译都要先从画面里把文字重新读出来,后面的每一步都会继承这第一步的错误。

游戏文字对这一步「读取」来说,几乎是最难啃的情况:

• 为了氛围而不是可读性设计的装饰字体和手写风格字体。
• 叠在动态、有动画的背景上的低对比度文字。
• 极小的UI标签,以及直接画进美术图里的文字。

一个字读错就可能让意思整个反转——而且没有拼写检查能拦下它,因为那个词往往是专有名词,或者是游戏自己造出来的术语。接下来翻译本身还要面对第二个问题:游戏文字是以碎片的形式出现的。两个字的菜单标签。HUD上的一个数字。还在一个字一个字往外蹦的对话。翻译模型最擅长处理完整的句子,而游戏给到的,是顺序打乱、没有上下文、还带着通用模型从没见过的词汇的碎片。

而这一切都得在游戏运行的同时,在你自己的机器上跑起来。云端服务可以把世界上最大的模型砸在一句话上。实时悬浮窗要和你正在玩的游戏共享内存与显卡——所以很大一部分工夫,都花在从小到能和游戏共存的模型里挖出好结果,而不是一味去用最大的模型。

在屏幕上放文字很简单。在一个正在运行的游戏上放文字,还不能碍事,就不简单了。

翻译该放在哪里? 文字会出现在你没法预测的地方——下方的对话、右侧的道具说明、光标处的工具提示、屏幕中央的系统消息。在错误的时机盖住错误的位置,悬浮窗就变成了它本来要解决的那个问题。

画面一直在动。 同一行对话,在滚动、淡入淡出或逐字显示的过程中,会横跨几十帧持续存在。哪怕底层像素每一帧都在轻微变化,悬浮窗也必须认出「这还是我已经在显示的那一行」——不然就会不停闪烁、反复重绘。做不好看起来就是抖动;做好了,就是在下面的画面从未真正静止的情况下,依然把翻译稳稳地钉在那里。

而这一切都不能拖累游戏。画面捕捉和渲染运行在游戏自身线程之外,不会偷走它的帧时间,也不会往游戏里注入任何东西——Playto从外部读取屏幕,方式和录屏软件一样。

这是最不起眼的一个问题,某种意义上也是最难的一个。Playto的工作之一,是记住你遇到过的句子和单词,让你玩过的游戏变成日后可以复习的内容。听起来像是简单的记账。其实不是——因为游戏文字并不是一份界限清晰的干净列表。

• 同一句话在逐字显示的过程中,会出现在很多帧里。
• 你站着不动时,同一个画面会在每一次捕捉里反复出现。
• 明明没变的同一段文字,不同帧读出来会有细微差别。

所以「这是一句值得保留的新句子」还是「这句我已经有了」,是每秒都要做很多次的真实判断。偏向一边,日志里就会堆满同一句话的重复;偏向另一边,又会悄悄漏掉你想要的句子。判断一句话什么时候算说完了本身也是个难题——一句还在一个字一个字冒出来的话,看起来很像一句已经说完的短句。

做得好的时候,这一切都不会被看见。你看到的只是一份干净的阅读记录。而这种「看不见」,恰恰就是工作量的大头。

因为不同游戏难在不同的地方,所以不存在一种对所有游戏都正确的行为——这正是Playto提供多种选项的原因。读取模式(从快速的文字识别到面向装饰字体的完整图像识别)和取词模式(鼠标跟随、固定区域、或整个窗口),存在的意义就是让你能把工具匹配到某款具体游戏出问题的方式上。它们怎么组合在一起,详见悬浮窗介绍页。

而且它会越做越好。这是我们持续在做的调优工作——读取、悬浮窗的稳定性、记录。如果某款游戏对你来说读取效果不好,Demo是免费的,告诉我们是哪款游戏、哪里出了问题,是你能帮上的最有用的事;真实的人在真实的游戏里用出来的结果,就是我们改进时依据的信号。