مترجم الصور: من الكاميرا أو من ملف

زر «الترجمة بالكاميرا» يفتح عدسة تصوير: تُقرأ اللقطة داخل المتصفح نفسه، وتُرسم الترجمة على هيئة لوحات فوق الكتابات. تستغرق الدورة الواحدة نحو 0.13 ثانية على جهاز يدعم WebGPU ونحو 0.29 ثانية على wasm العادي، يضاف إليها زمن ترجمة العبارات الجديدة — أما العبارات التي سبقت رؤيتها فتظهر بلا انتظار. وإذا تجاوزت الدورة 2.6 ثانية، يتوقف الوضع المستمر تلقائيًا ويحل محله زر «قراءة اللقطة»: فعلى مثل هذا الجهاز تتغير اللقطة قبل أن تصلها الترجمة. وفي وضع الكشف التلقائي تُحدَّد لغة المصدر مرة واحدة من أول لقطة مقروءة. أما «التقاط اللقطة» فيحفظ الصورة الحالية ويسلّمها للمسار المعتاد، حيث تُدمج الترجمة في الصورة ذاتها.

قبل القراءة الأولى يُنزّل المتصفح النموذج: 4,5 ميغابايت للعثور على النص، إضافة إلى 7,5–15,8 ميغابايت للأبجدية المختارة. ويُعرَض الحجم قبل بدء التنزيل. بعد ذلك يأتي النموذج من الذاكرة المؤقتة وتبدأ الصور التالية فورًا. والانتقال إلى أبجدية أخرى يضيف وزن القارئ الجديد فقط — أما العثور على النص فمشترك بين الجميع.

السبب غالبًا حجم الحروف: إذا كان سُمك الخط أرفع من بضعة بكسلات فلا شيء يُقرأ. تُحلّ المسألة بلقطة أقرب أو بدقة أعلى. والسبب الشائع الثاني هو «الكشف تلقائيًا» على عبارة من كلمتين — لا سند للكشف عندها، فحدّد اللغة يدويًا. والثالث هو الميل الشديد: بعد أربعين درجة تقريبًا تسوء القراءة بوضوح.

يُصغَّر النص ويُوزَّع على أسطر ليتّسع في مساحة الأصل — فالألمانية والروسية أطول من الإنجليزية بنحو الثلث عادةً. وإذا صار صغيرًا أكثر من اللازم، اختصر الترجمة يدويًا: اضغط على الكتابة في الصورة نفسها أو على سطرها في القائمة — التعديل يعيد الرسم في الحال.

نعم، ولقطات الشاشة هي الحالة التي يكون فيها التعرّف أدقّ ما يكون: خط منتظم بلا انعكاس ولا منظور. وتُقرأ الرسائل مقاطع منفصلة، فتبقى المحادثة سطرًا سطرًا بدل أن تندمج في فقرة واحدة.

تُقرأ اليابانية بالنموذج الصيني: حروف الكانجي مشتركة بينهما وتخرج دقيقة، أما الهيراغانا والكاتاكانا فأسوأ لأن هذا النموذج لم يُدرَّب عليها خصيصًا. ونموذج ياباني مستقل سيضيف نحو 13 ميغابايت إلى التنزيل؛ فإذا تبيّن أن على اليابانية طلبًا، سيُضاف.

تُغطّى بلون مأخوذ من حلقة البكسلات المحيطة بها، ولهذا لا يظهر أثر الوصل على الخلفية المستوية للافتة أو مستند. وعلى خلفية مزدحمة يتلاشى الطلاء نحو الأطراف وتُمنح الترجمة حدًّا رفيعًا بلون الخلفية لتبقى مقروءة. ويبقى الأصل محفوظًا: مفتاح «عرض الأصل» يعيد الصورة كما كانت.

تتكوّن قائمة الطعام أو اللافتة أو التعليمات من كتل نصية قصيرة، وإذا تُرجمت كل كتلة وحدها جاءت الترجمة حرفية: تصبح «Grilled» و«salmon» كلمتين منفصلتين بدل اسم طبق. في الوضع الدقيق تُرسل كل كتل الصورة إلى نموذج لغوي كمهمة واحدة وبترتيب القراءة، فيترجمها نصًا متصلًا. ولذلك يُرسل النص المتعرَّف عليه إلى خادمنا وإلى النموذج (الجهات المستلمة مذكورة في صفحة مزوّدي الذكاء الاصطناعي)، أما الصورة نفسها فيُتعرّف عليها في المتصفح.