因为gemini的ocr能力强得可怕，导致我感觉根本不需要其他东西，于是实验性的写了下这个，后面或许可以引入其他东西加强文本框能力。
优点：
大小仅几十k，除了要pip安装几个简单依赖外不需要其他东西，也和电脑配置没关系。
有完整的GUI操作页面。
横竖排、错误方向的文本、手写文本都能精准识别，基于全图的文本理解能让ai翻译质量更高。
支持术语表功能，可以自定义文本样式，译文可简单通过gui调整位置，内容可以改，识别出来的原文可以也可以复制。
缺点：
刚需且仅支持gemini的api，也因为这个原因要魔法才能用。
文本框位置不够准确，或需要自己调整。
效果图：

欢迎
吧u
体验：https冒号//github删除com/huangusaki/Image_Translator_LMM_GUI

厉害

厲害

哇牛

话说这种第三方的gemimi轮询可以用吗，还是必须得gemimi的apikey才行

确实强

厉害