起因是在看推上的日语同人漫画；如果用 LLM 直接翻译的话，无论加了什么prompt，最后翻译出来的顺序也是乱的（可能是因为视觉模型内在的处理顺序问题？），需要脑内重排序，不太爽；正巧之前看到过其他人的博客，说现在视觉模型可以输出边界框了，于是趁着放假 vibe coding 了一把，果然还真可以用；虽然边界框偶尔不太准，但是大部分场景下也足够了
在线体验：Comic Box Translator - Web Version
1 Like
怎么下载翻译后的漫画？
设计上是只用来看的；开源社区有其他能做区域识别+填充+文字替换的，这个没有做那么复杂