华为EMUI10“滚屏翻译”之背后的学问

IT之家10月17日消息 此前，华为官方发布一则短视频以介绍华为Mate30系列手机中接入的“滚屏翻译”功能。现在华为EMUI官方微信号撰文详解EMUI10“滚屏翻译”及其背后的OCR技术，我们来看一下吧。

华为EMUI官方表示，EMUI10全屏翻译的存在，解决了外文翻译的难题，但是如果想要翻译多屏内容，需要一次又一次进行全屏翻译的操作。随着内容长度的增加，操作的繁复还会使阅读的连贯性降低。基于此，“滚屏翻译”便派上了用场。

EMUI10滚屏翻译支持各种应用、十种语言、多屏内容的翻译。使用小艺语音口令“帮我翻译屏幕”或双指按压屏幕即可使用。华为EMUI官方表示，“当你浏览一篇长文章需要翻译时，系统会先将其滚动截屏，形成一张原文的长截图，然后对长截图进行切分、文本检测、翻译、排序、去重、拼接，最后以同样的图片和翻译完成的文字，再次呈现在你的面前，这就是滚屏翻译。”

在这一系列的步骤中，最为关键的是如何对长截图进行初步处理。那利用什么技术去进行处理呢？这里就不得不提到这里面的关键技术——OCR技术。

以下为华为EMUI官方对OCR技术的详解：

OCR，即光学字符识别（Optical Character Recognition），指检查字符，并对其进行检测识别，然后再将其字符形状转换成计算机文字的过程。在这里的应用，也就是对原来长文章形成的长截图上的文字，进行识别提取，将它们提供给后续的机器翻译环节使用，也就是完成了长篇源文字提取的过程。

从技术原理上为检测和识别两段式算法框架，涉及中、英、日、韩、俄、西、法、德、意、葡十种语言识别能力，包含多个运行于NPU（Neural-network Processing Unit，神经网络处理单元）的深度模型。

调用OCR算法后，首先对图像做增强处理，将图片适配至理想状态后，采用多线程的方式同步运行深度模型以及后处理运算，最后借助NLU（Natural Language Understanding，自然语言理解）校正输出文本识别结果。

翻译得准不准，依赖于OCR识别的准确性；翻译得快不快，依赖于OCR处理字符速度的快慢。将经过OCR处理的文本进行机器翻译，重新对图片进行排序、拼接处理，最后把翻译好的长篇文章呈现在用户面前。

这样一套能把长文章中的文字转变为图片，再转换成译文的创新方案，现在已经申请专利保护了噢！

//每行字每张图，都要完完整整//

滚屏翻译中还创新性地通过OCR文本行定位以实现智能的图片切分和拼接，巧妙地避免了在长截图切分过程中文字或图片被截断的情况。

大家可能会有这样的疑问，原文形成的长截图直接翻译不行吗？为什么还要做切分呢？

这是因为，当前的图片翻译只支持单屏内容的翻译，长截图会自动缩放成和屏幕等高进行翻译，图片被压缩，文字大小自然也被压缩了，这会极大地影响到翻译结果的准确性。

为了有效提高翻译的准确性，那就把长截图切分成多张短图后再做翻译吧。但如果直接按照屏幕高度对长截图做简单切分，很可能会出现一行文字被截断或者一张插图被截断的情况。

而滚屏翻译，采用OCR技术，可以检测出一行文本或图片的位置坐标，如果发现切分位置正好处在某行或某张图片中间，则会向上移动到行间空白位置进行切分。

以这种规则处理后的图片宽度同屏幕一致，高度等于或略低于屏幕高度，每一行字和每一张图都是完整的。这种方案巧妙实用，在速度快的同时，还保证了大家的翻译体验。