盘点一下2024年打通的游戏

txcloud

传说系列的换装迷宫挺好玩的

blindholmes

blindholmes 发表于 2025-1-11 00:34
汇报一下，
再次开工部署运行 AI 翻译项目

更新进度汇报

请求体和数据格式已经搞清楚了，就是发一个 post 请求，附带模拟器原始图像的 base64 编码，返回一个图像的 base64 编码

那就好办了，我只要接入一个多模态 AI 的 API，直接去对图像进行翻译和摘要，再把翻译和摘要合成图片生成 base64 编码返回就好了

于是新的问题就来了，我横评了多家的多模态 AI 的处理能力

原始图片就这张 320x240 的游戏截图：


多家 AI 的表现能力：

智谱 GLM-4V-Flash：



豆包：



Doubao-vision-lite-32k：



Doubao-vision-pro-32k：



ChatGPT-4o：



本地 vgtranslate 部署后接入 google OCR 再接 google 翻译：



接入 ztranslate.net：




其实看的出来，
这里面还是 ChatGPT-4o 的翻译最准确（maybe），
豆包次之；
Doubao-vision-lite-32k 与 Doubao-vision-pro-32k 是火山引擎的目前最新的视觉推理模型的开放 API，用着感觉还不如豆包（好东西自己留着不给别人用是吧？）
智谱 GLM-4V-Flash 就可以说是一坨屎了，
Google OCR 其实中规中矩了，
ztranslate.net 感觉是程序有 BUG，所以文字位置定位会有问题，我猜测 ztranslate 的 OCR 还是用的本地的 OCR 模型，而非 Google OCR，这样既可以节省成本，也可以提高效率

看来看去，最有意义的还是接入 OpenAI 用 ChatGPT-4o 来搞了。我去开放平台看看吧，结果发现我以前的 api_key 已经过期，需要创建新的 api_key，新的 api_key 创建好后需要绑定银行卡才能通过使用权限，于是就……




看来这个项目还是再等等吧！google OCR + google 翻译 先顶着吧，计划暂时搁置

我的新娘

24年 我······
唉