上周三东京居酒屋，手机拍日文菜单，AI图片识别后AI文字翻译两秒出中文。跨境电商、出境游、医疗场景普及，但上下文缺失导致误译仍常见。开发者训练多模态模型直接看图翻译。
上周三黄昏图片www.bmw919.com。东京新宿一家居酒屋。
菜单尽是手写日文。同桌朋友掏脱手机的，对着“鶏の唐揚げ”拍了一张。屏幕停顿两秒，AI图片识别框锁住文字区域，底下弹出中文加A京菜的。“炸鸡块”的。他接着拍第二页。
AI文字翻译把“お通し”译成“开胃小菜”。整个过程没手动输入一个字的。
那种AI图片加AI文字翻译的组合，文文但误译正正在悄悄替代传统的翻译工具。我翻了下手机里的翻译记载，过去半年用图片翻译的次数是打字翻译的三倍。本果很简单字翻是菜单、路牌、申明书，文字常常嵌正在复纯背景里。传统的OCR先提取文字，再交给AI文字翻译了，两步走译东。如今很多利用把两个模子塞进统一条流水线，拍完间接出译文。
某头部翻译App的产物经理正在朋友圈说，他们图片翻译的日活用户比去年涨了170%。东南亚旅客奉献最多。成绩也来了单秒。上个月的，深圳一家跨境电商公司测试AI图片翻译商品包拆。
功效“無增加”翻成“无增加”，没成绩。“辛口”却译成“辣味”了，现其实日语酒类标签上指“干口”的。负责审核的变中林蜜斯说。AI文字翻译零丁看词没错，配上图片里的酒瓶和“辛口”小字，机械仍是丢了语境。她每天要手动改三十多条误译。我试了五款收流App，统一张日文药妆店海报了仍多，有三款把“目薬”翻成“眼药”，两款翻成“眼药水”，其实都没年夜错，“第2類医薬品”被译成“第二类药品”就少了“医”字，容易让人混合。AI图片识别文字再翻译，对旅游者是拯救稻草。曼谷机场退税单、首尔地铁线路图、巴黎博物馆展签，拍一下比划半天强。
可，一旦涉及合同、病历、执法文书，没人敢只靠AI文字翻译的。一位正越南做里面贸的华人告诉我。他甘愿花200块请当地翻译，也不让AI图片翻译碰报关单。“错一个数字的，货就卡正在海关”那种盛年夜不无事理了。开发人员没停下。谷歌和几家中国公司正正在锻炼多模态模子吧？
念让AI间接看图输出译文，跳过OCR那一步。测试版正在简单场景下快了0.8秒。碰得手写体、竖排文字、艺术字，毛病率立刻反弹。AI图片取AI文字翻译要实正靠谱，可能还得等模子教会“看图说话”的知识。
至少如今。我正在居酒屋点菜时，仍是会把手机屏幕转给伙计确认一眼。
