Traductor de fotos: con la cámara o desde un archivo

«Traducir con la cámara» abre un visor: el encuadre se reconoce en el propio navegador y la traducción se dibuja en placas sobre los rótulos. Una pasada cuesta unos 0,13 s en un dispositivo con WebGPU y unos 0,29 s en wasm normal, más la traducción de las cadenas nuevas: los rótulos ya vistos vuelven sin espera. Si una pasada tarda más de 2,6 s, el modo continuo se apaga solo y lo sustituye el botón «Leer la imagen»: en ese dispositivo el encuadre cambia antes de que llegue la traducción. Con la detección automática el idioma de origen se decide una vez, con el primer encuadre leído. «Capturar imagen» conserva la imagen actual y la entrega al camino normal, donde la traducción se integra en la propia foto.

Antes de la primera lectura el navegador descarga el modelo: 4,5 MB para localizar el texto más 7,5–15,8 MB según la escritura elegida. El tamaño se indica antes de empezar la descarga. Después el modelo sale de la caché y las fotos siguientes arrancan de inmediato. Cambiar a otra escritura solo añade el nuevo lector: la localización del texto es común a todas.

Casi siempre es el tamaño de la letra: si un trazo es más fino que un par de píxeles, no hay nada que leer. Una toma más cercana o con más resolución lo arregla. La segunda causa habitual es «detectar automáticamente» sobre un rótulo de dos palabras: la detección no tiene con qué trabajar, indique el idioma a mano. La tercera es un ángulo muy pronunciado: por encima de unos cuarenta grados la lectura empeora bastante.

El texto se reduce y se reparte en líneas para caber en el espacio del original: el alemán y el ruso suelen ocupar alrededor de un tercio más que el inglés. Si ha quedado demasiado pequeño, acorte la traducción a mano: toque el rótulo en la propia foto o su fila en la lista de fragmentos; el cambio redibuja al momento.

Sí, y en las capturas el reconocimiento es más preciso que en ningún otro sitio: letra uniforme, sin reflejos ni perspectiva. Los mensajes se leen como fragmentos separados, así que el diálogo se mantiene línea a línea.

El japonés lo lee el modelo chino: comparten los kanji, que salen exactos, mientras que hiragana y katakana salen peor porque ese modelo nunca los vio específicamente. Un modelo japonés propio añadiría unos 13 MB a la descarga; si el japonés tiene demanda, se incorporará.

Se cubre con un color muestreado del anillo de píxeles que lo rodea, por eso la unión es invisible sobre el fondo liso de un cartel o un documento. Sobre un fondo con textura el relleno se difumina hacia los bordes y la traducción recibe un fino contorno del color del fondo para seguir legible. El original se conserva: el interruptor «Ver original» devuelve la foto intacta.

Un menú, un cartel o unas instrucciones se componen de bloques de texto cortos, y uno a uno se traducen al pie de la letra: «Grilled» y «salmon» se convierten en dos palabras sueltas en lugar de un plato. En el modo preciso, todos los bloques de la foto van a un modelo de lenguaje como una sola tarea y en orden de lectura, y este los traduce como un texto seguido. Para ello, el texto reconocido se envía a nuestro servidor y al modelo (los destinatarios figuran en la página de proveedores de IA); la foto en sí se reconoce en el navegador.