截图工具不管文字
截完就是一张图，想复制里面的字还得再 OCR 一遍。
v0.7.1 · Windows 10 / 11
离线优先
免登录 · 免管理员权限
截下来的每一屏，
都能变成能用的文字
截图 → OCR → 翻译 → 润色/总结，整条链路都能完全离线跑。识别与翻译都在本机完成，敏感内容不出机器；云端大模型是可选增强，默认关闭。
不需要管理员权限，不弹 UAC
截图 / OCR / 翻译全在本机
未签名，首次运行 SmartScreen 会提示
0.67s
冷启动到能识别
旧方案 8 ~ 18 s
6~7×
真实语料 OCR 提速
81.5 s → 13.2 s / 41 张
100%
离线可用的 OCR 与翻译
云端默认关闭
96MB
安装包
含 OCR 运行时与模型
为什么需要它
现成的工具，总是三选一
日常要干的活大概是：看到屏幕上某段内容，想把它变成能复制、能翻译、能总结的文字。而这件事通常要在三个工具之间来回倒腾。
OCR 工具不管翻译
识别出来了，但语言不通的部分还得自己另找地方翻。
翻译工具又要联网
把整段内容发到别人的服务器上 —— 合同、工单、病历、代码，都要先想想能不能发。
ScreenMind 把这一段串起来，而且能离线
截图就地批注、一键 OCR、本地模型翻译、需要时再交给云端润色总结。识别和翻译都在本机跑，网络是可选项而不是前提。
功能
一条链路上的每一环，都做实了
从按下热键到拿到可用的文字，中间没有需要你自己补的地方。
截图
全屏 / 区域 / 窗口 / 定时；多屏与高 DPI 适配，缩放屏上也不会错位。
原位批注
矩形、椭圆、箭头、画笔、文字、马赛克、裁剪；撤销/重做、拖动、缩放、旋转。截完图眼前就是那张图，画完直接走。
OCR 识别
PP-OCRv6 + ONNX Runtime，中英混排；结果按段落聚合，可以按行查看、单段复制。
静默 OCR
热键框一块区域，文字直接进剪贴板：不弹批注条、不开结果面板。看一眼就走的场景用这个。
本地翻译
日常短句用传统 NMT（NLLB-200 / CTranslate2），长文和需要语气的用本地大模型（混元 Hy-MT2）。两档都不联网。
AI 润色 / 总结 / 解释
自定义提示词 + 术语表，保证专有名词不被改写。翻译与润色可以挂两个不同的云端模型。
二维码与条码
zxing-cpp 主引擎，52 种格式；识别后在码上画圈并点击跳转，也认 33px 这种极小码。
划词工具栏
在任意程序里拖选文字，工具栏跟着鼠标弹出：翻译、解释、润色、复制。用完自动收起。
长截图
框选区域后自动滚动、逐帧截取、特征对齐拼接；自动滚动失败时退化为手动滚动拼接。
AI 对话与思维导图
把 AI 处理页当作可继续追问的对话；也能把一段内容直接展开成可折叠的思维导图。
历史与全文检索
SQLite + FTS5，闲时自动 OCR 建索引；找几个月前截的那张图，靠关键词就够了。
该有的小东西
全局热键（可改绑、冲突会告诉你是谁占了）、常驻托盘、钉图、取色复制、在线更新。
界面
就是这样一个程序
下面都是真实截图，不是效果图。配色默认跟随系统深浅色，切换不用重启。点开可以看大图。
技术
重活放子进程，走本地回环 HTTP
OCR 引擎崩了不会拖垮主程序，主包也不用背那棵依赖树。端口由系统分配，绝不硬编码。
┌──────────────────────────────────┐
│ ScreenMind.exe (PySide6) │
热键 / 托盘 ────▶│ 截图 · 批注 · 结果面板 · 历史 │
└───────┬───────────────┬──────────┘
│ HTTP 127.0.0.1│
┌─────────────▼──────┐ ┌─────▼──────────────────┐
│ OCR worker │ │ llama-server │
│ 与主程序同一个 exe │ │ llama.cpp (CPU) │
│ --ocr-worker │ │ 混元 Hy-MT2 │
│ ONNX Runtime │ └────────────────────────┘
└────────────────────┘
┌──────────────────────────────────┐
│ ScreenMind.exe (PySide6) │
hotkey / tray ──▶│ capture · annotate · results │
└───────┬───────────────┬──────────┘
│ HTTP 127.0.0.1│
┌─────────────▼──────┐ ┌─────▼──────────────────┐
│ OCR worker │ │ llama-server │
│ the same executable│ │ llama.cpp (CPU) │
│ --ocr-worker │ │ Hunyuan Hy-MT2 │
│ ONNX Runtime │ └────────────────────────┘
└────────────────────┘
几个刻意的取舍
OCR worker 与主程序是同一个 exe
只带一份 CPython + numpy + onnxruntime + opencv；升级时也不会出现「主程序换了、worker 还是老的」。
不追求模型大
截图 OCR 是最简单的场景（渲染文字、无透视、无噪点）。实测 tiny 档和 medium 档精度完全一样（行命中 8/8、字符准确率 0.996），但 tiny 快 9.6 倍、模型小 23 倍。
代理要能用
所有出网请求走同一套代理规则，显式传 proxy 而不是依赖环境变量 —— 本地回环请求绝不能走代理。
两档翻译并存
传统 NMT 快而省内存，本地大模型更懂语气。两档都在本机，按场景选，不用为了翻译把内容发出去。
性能
实测数字，不是理论值
在一台 8 逻辑核的机器上测的。同一批 4K 截图、同一批真实语料，换引擎前后对照。
41 张真实截图语料总耗时
线程数必须保守：这台 8 核机器上给 8 线程反而比 4 线程慢 15 倍 —— 超订把线程池拖垮了。
| 场景 | 旧方案（PaddleOCR） | 现在（ONNX Runtime） |
|---|---|---|
| 冷启动到能识别 | 8 ~ 18 s | 0.67 s |
| 引擎加载 | 5.3 s | 281 ms |
| 41 张真实截图语料 | 81.5 s | 13.2 s（6~7×） |
| 4K 截图 | 58.7 s | 约 1.1 s |
| 程序启动（到托盘可交互） | — | 0.74 s |
OCR worker 空闲常驻内存约 73 MB；处理过大图之后会涨到 350~450 MB（ONNX Runtime 的 arena 不还内存），空闲 10 分钟自动退出释放。
模型
安装包里不含大模型，按需再下
大模型是 1~2 GB 量级，让所有人下载一遍不合理。OCR 模型随包发，装完就能识别。
| 模型 | 体积 | 用途 | 许可证 |
|---|---|---|---|
| 混元 Hy-MT2 1.8B Q4_K_M | 1.08 GB | 本地翻译（推荐） | Apache-2.0 |
| 混元 Hy-MT2 1.8B Q8_0 | 1.82 GB | 本地翻译（更高质量） | Apache-2.0 |
| 混元 Hy-MT2 7B Q4_K_M | 4.41 GB | 本地翻译（长文 / 语气） | Apache-2.0 |
| NLLB-200 600M int8 | 617 MB | 传统翻译（快、省内存） | CC-BY-NC-4.0（非商业） |
| PP-OCRv6 tiny（随包） | 6 MB | OCR，装完即可用 | Apache-2.0 |
NLLB-200 是非商业许可。商用构建请用 --no-ct2 去掉传统翻译，只保留 Hy-MT2 与云端。
llama.cpp 推理引擎（CPU 版，45 MB）也已随包，不需要单独装。
隐私
默认一个字节都不发出去
这不是一句口号，是默认配置决定的：云端能力默认关闭，本地能力不需要网络。
在本机完成
截图、批注、OCR、历史检索，以及两档本地翻译，全部在本机进程内完成。
云端是显式开关
润色/总结/对话要走云端，必须你自己填 API Key 并打开开关；不打开就永远走本地。
本地回环不走代理
主程序与 OCR worker、llama-server 之间是 127.0.0.1 上的本地 HTTP，明确排除在代理规则之外。
唯一会主动联网的事情是检查更新：只发程序名与版本号，用来判断要不要提示你，不包含任何截图或文字内容。
完整的数据流向与全部第三方许可
快速上手
三步就能用起来
01
下载并安装
下载 setup.exe 直接装，装到用户目录，不需要管理员权限、不弹 UAC。可以直接覆盖旧版，模型与历史都保留。
02
首次运行会看到 SmartScreen 提示
这是因为目前没有代码签名证书，不是误报。点「更多信息 → 仍要运行」即可；有证书后这个问题自然消失。
03
记两个热键就够
默认区域截图是 Ctrl+Shift+S，静默 OCR 直接进剪贴板是 Ctrl+Shift+O；全屏 / 窗口 / 长截图分别是 Ctrl+Shift+A / W / L。都能在设置里改绑，冲突会明确告诉你是谁占了。
托盘图标可能在 Windows 11 的溢出区（任务栏右下角的 ^ 箭头里）—— 程序本身完全正常，拖出来固定住即可。
常见问题
你大概会问这些
为什么杀毒 / SmartScreen 会提示「未知发布者」？
因为安装包没有代码签名证书，Windows 对任何未签名的可执行文件都会这么提示，不是误报，也不是被查出了什么。点「更多信息 → 仍要运行」即可。另外程序刻意做成 onedir 而不是 onefile、也没有开 UPX ——「自解压 + 释放可执行文件」正是杀软最爱的 dropper 特征，省下的体积不值得。
要用本地翻译，还得再下模型？
是。安装包里不含大模型（1~2 GB 量级），首次要用本地翻译时在程序里的「模型管理」按需下载。OCR 模型是随包发的，装完就能识别，不需要额外下载。
它到底会不会联网？
默认只做一件事：检查更新（只发程序名与版本号）。截图、OCR、本地翻译都不联网。云端润色/总结/对话需要你自己填 API Key 并打开开关，那时候发出去的是识别后的文字或你指定的图片 —— 用不用由你决定。
支持 macOS / Linux 吗？
Windows 是逐项验证过的主平台。Linux / macOS 有回落实现（截图走 mss、窗口枚举走 pywinctl、热键走 pynput），但没有像 Windows 这样逐项验证过，属于「部分可用」。
能商用吗？
需要看两点。一是仓库自身代码目前尚未选定开源许可证（未声明 = 默认保留所有权利），要商用请先确认授权。二是传统翻译用的 NLLB-200 是 CC-BY-NC-4.0 非商业许可，商用构建必须用 --no-ct2 去掉它，只保留 Hy-MT2（Apache-2.0）与云端。
怎么升级到新版本？
0.7.0 起内置了在线更新：托盘菜单「检查更新」，或者在设置里打开自动检查。下载支持中断续传，边下边算哈希，校验不过就删掉重来。也可以直接下载新的 setup.exe 覆盖安装。
识别结果有错字 / 某些二维码认不出？
OCR 在 41 张真实语料上的平均相似度是 0.9452（26/41 达到 0.98 以上），仍有单字级差异，多数是 0 与 O、1 与 l 这类本身就有歧义的字符。二维码方面，带中心 logo（超过 10%）或四角被圆角切掉（超过宽/6）的码属于信息已被破坏，算法层面救不回来 —— 这种情况程序会明确说「未识别到」并给排查建议，而不是假装成功。
下载
装上就能用
Windows 10 / 11（64 位）。免管理员权限、免登录，装完即可识别。
SHA-256（下载后可自行校验）：
c25c8609567afbf057b80c6310dee391fc811cbcf6e48a67bb9bbfc7d853fe94
首次运行如遇 SmartScreen「未知发布者」，是未签名所致，选「更多信息 → 仍要运行」。