传统截图翻译
- 手动截图、上传、切换窗口
- 文本脱离原画面，语境丢失
- 重复操作多，连续阅读成本高
Original
ドカン!!
このプロトタイプ、来週までに仕上げる。
mask Result
轰！
这个原型，下周前必须完成。
遮罩即所得，融合不破坏
框选你关心的区域，翻译结果在原位融合显示，不打断内容阅读节奏。
mask 遮罩翻译
- 直接框选对话框，一步触发
- 译文融合在原位置，视觉连续
- 面向连贯阅读，低打断
核心技术亮点
视觉语言模型理解
不止 OCR，能理解图像上下文，准确处理漫画拟声词、图表趋势与手写草图。
端侧隐私保护
OCR 与主要视觉处理在设备本地完成，图片不上传，敏感信息不离开你的设备。
多模型自由切换
支持 OpenAI、Gemini、Qwen、DeepSeek、Ollama 等路径，在速度与质量间自主选择。
不止于文字，更懂画面
传统 OCR 只会“读字”，mask 的 VLM 能“读图”。
| 场景 | 传统翻译工具 | mask（VLM 翻译） |
|---|---|---|
| 手写笔记 + 草图 | 识别零散单词，翻译生硬 | 理解为原型思路，输出连贯语义 |
| 漫画拟声词 | 无法识别或乱码 | 识别“ドカン”并翻译为“轰！” |
| 数据图表 | 只翻译标题 | 提炼趋势并给出可读总结 |
隐私，无需妥协
图片输入
→
设备内 OCR / VLM
→
本地输出译文
本地优先处理链路，默认不上传图像到云端。
典型使用场景
看懂生肉漫画
框选对话框，瞬间翻译，保留原版画面风格。
理解外文 PPT
翻译标题与正文，同时辅助理解图表含义。
辅助外文游戏
实时理解 UI 与剧情文本，不打断沉浸体验。
整理手写笔记
识别潦草文字与草图语义，生成清晰译文。
用户反馈（早期）
“mask 改变了我看外文漫画的方式，它真的能理解拟声词。” —— 早期测试者