功能介绍

ITR 围绕三种翻译场景组织界面：文本翻译、语音翻译、图片翻译。下表说明各项功能的 当前实现状态，方便你判断能否直接用于生产。

功能	状态	说明
文本翻译	✅ 已实现	调用 TranslateGemma 模型推理
图片翻译	✅ 已实现	MediaPipe 多模态输入（图片 + 提示词）
语音合成（朗读译文）	✅ 已实现	Capacitor TTS，Web 端降级到 Web Speech API
语音识别（说话转文字）	⚠️ 占位桩	当前返回写死的测试文本，Whisper 未真正接入

文本翻译

在「文本翻译」页输入原文，选择源语言与目标语言，点击翻译。结果由 src/services/translation.js 调用 TranslateGemma 模型生成；可一键朗读译文。翻译历史会保存在本地。

提示词遵循项目根目录的 chat_template.jinja 模板，要求模型只输出译文、不加解释。

图片翻译

在「图片翻译」页从相册选择或拍摄照片，选择目标语言后翻译。实现上把图片转为 Data URL， 作为多模态输入传给同一个 TranslateGemma 模型（maxNumImages 已开启）。

若当前模型权重不支持视觉输入，会抛出 “当前模型不支持图片翻译功能” 的提示。

语音合成

src/services/textToSpeech.js 优先使用 Capacitor 的 Text-to-Speech 插件；在纯 Web 环境 （无原生插件）下自动降级为浏览器内置的 window.speechSynthesis。支持设置语速、音调、音量。

语音识别（开发中的能力）

「语音翻译」页负责采集麦克风语音并转写为文字。目前 src/services/speechRecognition.js 的 processAudio 只是模拟调用并返回固定测试文本，Whisper 模型尚未真正接入， src/services/modelManager.js 的 loadModel 也仅模拟加载进度。因此在当前版本中， 语音翻译的「识别」环节尚未打通，请勿用于真实场景。

设置面板

底部「设置」可调整：

• 界面显示语言（中文 / 英文 / 日文 / 法文 / 韩文）
• 默认源语言
• 默认目标语言

设置通过 Capacitor Preferences 持久化到本地。

支持的语言

• 界面语言（UI）：内置 5 种 —— 中文、英文、日文、法文、韩文（src/i18n/index.js）。
• 翻译目标语言：TranslateGemma 本身覆盖上百种语言；README 列举的中、英、日、法、 韩、德、西、俄均在模型支持范围内。