IsManga 对比 Qwen-MT-Image 2.0:三页漫画并排测评

翻译一页漫画不只是翻译文字。工具需要找出每一个对话框,读懂竖排日文(包括手写文字),结合上下文进行翻译,擦除原文,再把英文重新排版回画面中。
我们将三页生肉日文原页交给 Qwen-MT-Image 2.0(阿里巴巴的图像翻译模型)和我们自研的 IsManga 模型处理,并对全部 41 行对话逐条评分。两者的输出都未经手工修改。
准确率
每行台词会被评为正确、轻微错误(意思仍然保留)、错误或保留日文。小的音效不计入统计。
| 41 行 | IsManga | Qwen |
|---|---|---|
| 正确 | 27 | 13 |
| 轻微错误 | 5 | 8 |
| 错误 | 7 | 15 |
| 保留日文或音译为罗马字 | 2 | 5 |
IsManga 答对的行数是对手的两倍,而且页面越难,差距越大。
第 1 页:安静的开场页
在干净的页面上两者相差不大,Qwen 的标题翻译还胜过我们。它正确识别了标志,而我们的模型在处理风格化字体时把标题译成了 "Hero Summoning 18 Vessels 1297 the Other World Was Peaceful"。Qwen 的主要失误是把人名上方的小号假名注音也当成了正文,所以图注变成了 "Miyama Kaito Miyama Kaito"。
第 2 页:搞笑漫画页
笑点取决于哪些海洋生物有精灵,所以每一个名词和每一个“不”字都很关键。
- ウミウシの精霊もイカの精霊もいない(意为“既没有海牛的精灵,也没有乌贼的精灵”)。Qwen:"The spirit of the sea slug also exists. The spirit of the squid also exists.",意思恰恰相反。IsManga 保留了原意。
- 乗りかかった船ですしね,这是一句表示“都已经走到这一步了”的惯用语。Qwen:"It's a boat I was riding on"。IsManga:"Since we've already embarked on this ship together"。
第 3 页:节奏紧凑的动作喜剧页
Qwen 在这里彻底崩溃。它把横排英文硬塞进又高又窄的竖向对话框,靠拆分单词来凑字数("W-ho is it!?"、"li-m-e"),还经常把每一列当成一行来读。IsManga 则用大小合适的漫画字体排版每个对话框,刚好装得下。
- 一石三鳥(一石三鸟)。 Qwen:"kill two birds with one stone"。IsManga:"three birds with one stone"。数量很关键:下一格会变成四只鸟。
- 頭に白い布巻いた褐色でヒゲのおっさん!? Qwen:"Answer: From (1) N top = 6"。IsManga:"A brown-skinned middle-aged man with a beard and a cloth wrapped around his head!?"
- 手写的惨叫声。 Qwen:"persimmon"、"mountain bird"、"sacrifice"。IsManga:"Nng-aaaaah! My head, gah!"
速度
我们还记录了每个模型返回翻译页面所需的时间。
| 模型 | 每页耗时 |
|---|---|
| IsManga | 2 到 2.5 秒 |
| Qwen-MT-Image 2.0 | 4.8 到 8.5 秒 |
IsManga 比对手快 2 到 4 倍,整话漫画下来,节省的时间相当可观。
我们仍有不足之处
我们的错误行主要来自三类问题:
- 音效。 そっ(悄悄移动)被译成了 "So?",而しぬぅう(意为“我快死了!”)被音译成了罗马字,而不是译出意思。
- 人名。 我们在第 2 页凭空编造了一个 "Yuko",并且把同一个角色的名字拼成了 "Ufufu" 和 "Yufufu" 两种写法。
- 风格化文字。 除了第 1 页的标志外,第 3 页还有一个对话框重复了另一个对话框的台词;而腐葉土(腐叶土)被译成了 "ripe magic leaves",这一句 Qwen 反而译对了。
这些正是我们接下来要改进的地方。
试一试
三页漫画算不上完整的基准测试,但足以展示两种工具目前的水平。要在你自己的漫画上试用 IsManga,请从 ismanga.com 安装 Chrome 扩展或 Manga Translator 应用,然后打开任意一话生肉漫画即可。
在考虑用自建 AI 取代云端 API 吗?试试我们的ROI 计算器,看看能省下多少。


