OCR والترجمة على الشاشة لمستخدمي Windows الذين يهتمون بالخصوصية
اختبر التقاط الشاشة الفوري الذي يتعرف على النصوص غير القابلة للقراءة ويقدم الترجمات كطبقة فوقية. PingYi، التي أنشأها مساهمو PingYi، هي أداة خدمات ويندوز تجمع بين التعرف على النصوص المحلي (OCR) والترجمة الاختيارية باستخدام LLM. تعمل PaddleOCR محليًا للتعرف على النصوص دون اتصال، وتتصل بـ LLMs المحلية من خلال llama.cpp أو Ollama للترجمة المدركة للسياق، وتناسب اللاعبين والباحثين والمستخدمين الدوليين الذين يحتاجون إلى ترجمات دون الحاجة لتبديل التطبيقات.
ماذا يفعل الأداة عندما لا يمكن تحديد النص؟
يقوم PingYi بالتقاط منطقة الشاشة التي يحددها المستخدم عبر مفتاح اختصار عالمي ويقوم بتشغيل OCR لاستخراج النص، ثم يعرض طبقة ترجمة. التطبيق يستهدف الحالات التي يكون فيها النص مدمجًا في الصور، أو الترجمة المدمجة، أو حوار الألعاب، ويقوم بإجراء التعرف والترجمة في سير عمل واحد. الواجهة تدعم الإنجليزية والصينية، وميزة التاريخ تسجل السلاسل المعترف بها للرجوع إليها لاحقًا.
هل يؤثر على أداء النظام أثناء التعرف؟
علاوة على ذلك، تم تصميم التطبيق لمعالجة محلية: يقوم PaddleOCR بإجراء التعرف غير المتصل بالإنترنت وتتعامل LLMs المحلية مع الترجمة، مما يقتصر استخدام وحدة المعالجة المركزية والذاكرة على الجهاز. تحافظ واجهة Avalonia الأساسية على خفة العميل في بيئات سطح المكتب لنظام Windows. تعمل عمليات المسح والترجمة عند الطلب بعد الالتقاط، لذا فإن الحمل على النظام في الخلفية يقتصر على استخدام الموارد الخاملة بدلاً من المسح المستمر.
هل من الآمن والخاص استخدامه على سطح المكتب؟
بالإضافة إلى ذلك، يستخدم PingYi بنية تعتمد على العمل غير المتصل أولاً والتي تقوم بتشغيل نماذج OCR وLLM محليًا عند تكوينها، مما يقلل من التعرض للشبكة. لا يزال الأداة تدعم الخدمات عبر الإنترنت مثل Google Cloud Vision، ولكن خيارات النموذج المحلي تسمح للمستخدمين بتجنب المعالجة المستندة إلى السحابة. يسمح التصميم المعياري بتبديل محركات OCR، بحيث يمكن للمستخدمين الحفاظ على التعرف داخل بيئتهم للمواد الحساسة للخصوصية.
اختيار مركز للمستخدمين الذين يحتاجون إلى ترجمات خاصة على الشاشة
يناسب PingYi المستخدمين الذين يواجهون نصوصًا غير قابلة للاختيار ويفضلون المعالجة المحلية: فهو يربط بين الالتقاط وOCR والترجمة في تفاعل واحد ويدعم LLMs المحلية لإنتاج مخرجات واعية بالسياق. التحذير الرئيسي هو الاعتماد على إعداد النموذج لـLLMs غير المتصلة بالإنترنت، مما يتطلب تكوينًا إضافيًا وموارد محلية. بالنسبة لأي شخص يعطي الأولوية للخصوصية وسير العمل ذو الخطوة الواحدة، فإن التطبيق يؤدي المهمة الأساسية بشكل موثوق.
