很多追生肉的朋友都有這種經驗：把漫畫截圖丟給一般的翻譯軟體或通用 OCR，出來的文字不但順序錯亂，還把背景的裝飾字、效果音當成台詞一起硬翻，整頁看起來就像一堆毫無邏輯的亂碼。
問題往往不是出在翻譯，而是在翻譯之前。文字一開始就認錯、排錯，後面的翻譯再厲害也救不回來。今天就從技術的角度，拆解漫畫 OCR 背後真正的難點。
如果你想看的是實際操作方法，可以先看這篇：追漫等不到中文版？用 AI 翻譯生肉的實用指南。
先搞懂：OCR 其實是三件事
我們常說的 OCR（光學字元辨識），在漫畫裡其實要完成三件事：
找字（文字偵測）： 在整張圖裡找出「哪些地方有字」，框出每一塊文字的位置。
認字（文字辨識）： 把每一個框裡的圖像轉成真正的文字。
排序： 決定這些文字要按什麼順序讀。
一般文件的 OCR，第一步和第三步幾乎不用想：字都是橫排、整齊的一行一行，由左到右、由上到下讀就好。但漫畫的三個步驟，每一步都有陷阱。
難點一：直排文字與閱讀順序
日漫的台詞大多是直排，而且整頁是由右往左讀。
直排文字本身，現在的 OCR 大多辨識得出來。真正常出錯的是第三步的排序。一頁漫畫裡可能有十幾個對話框，分散在五、六個分格中。通用工具如果只是按照座標由左到右、由上到下排列，就會變成：
右邊分格的回答，排到左邊分格的問題前面
同一格裡的兩個對話框前後顛倒
跨越兩格的長台詞被拆成兩句，中間插進別人的話
每一句都認對了，連起來卻完全看不懂，這就是「亂碼感」最主要的來源。
要排對順序，AI 得先理解整頁的結構：分格怎麼切、哪個對話框屬於哪一格、每一格的閱讀順序是什麼。這已經不是文字問題，而是一個電腦視覺的問題。
難點二：振假名（注音小字）
日漫的漢字旁邊常常附有小小的讀音，叫做振假名。直排的漫畫裡，它們印在漢字的右側。
振假名對 OCR 造成三個麻煩：
和正文黏在一起： 小字緊貼著正文，很容易被當成同一行一起讀，結果漢字和讀音混成一串。
字太小： 振假名比正文小很多，截圖稍微模糊就糊成一團，還會連帶影響旁邊正文的辨識。
有時意思不一樣： 作者偶爾會寫一個詞、注音卻標另一個詞，例如寫「本気」（認真）卻標「マジ」（口語的「真的假的」），兩層意思都是刻意的。
少年漫畫幾乎每個漢字都有振假名，所以這個問題在熱門作品裡特別常見。
難點三：效果音與手寫字
效果音是漫畫最有特色、也最讓 OCR 頭痛的部分。它們通常：
字體巨大、傾斜、變形，有粗描邊或陰影
直接畫在人物或背景上，和畫面融為一體
有時橫跨兩個分格
文字偵測模型大多是用「整齊的字」訓練的，看到這種字，常常根本不覺得那是文字；就算認出來了，也可能只認到一半。
手寫台詞也是同樣的問題。角色的內心獨白、小聲嘀咕、畫面角落的吐槽，常常是作者手寫的，筆畫不規則，辨識錯誤率明顯比印刷字高。
而且效果音還有一個更根本的問題：要不要翻？ 很多效果音是畫面的一部分，硬翻反而破壞畫面。這已經不是技術問題，而是翻譯判斷。
難點四：對話框外的文字
漫畫裡不是所有文字都在對話框裡：
旁白框： 方形框裡的敘事文字
心聲： 沒有框、直接寫在角色旁邊的內心話
背景文字： 招牌、海報、手機畫面、黑板上的字
作者的小註解： 畫面角落的補充說明
這些文字的重要性完全不同。旁白和心聲是劇情的一部分，一定要翻；背景招牌有時是劇情線索，有時只是裝飾。通用 OCR 只會把所有字一視同仁地丟給翻譯，結果重要的台詞和無關的招牌混在一起，讀者更難看懂。
難點五：畫質與網點
漫畫是黑白印刷，大量使用網點（表現灰階的小點圖案）。
網點被當成雜訊： 字寫在網點背景上時，OCR 很難分清楚哪些是筆畫、哪些是點點。
截圖被壓縮： 網路上流傳的圖常被多次壓縮、縮小，細小的字和振假名最先糊掉。
掃描品質參差： 自己掃描的紙本書可能歪斜、有陰影、中間彎曲。
畫質差的圖，OCR 第一步就會漏字或認錯，後面全部跟著錯。
韓漫條漫：另一種難
韓國條漫是橫排、由上往下讀，閱讀順序反而比日漫單純。它的難點在別的地方：一話可能是一條幾萬像素長的圖，必須切開來處理，而對話框很容易剛好被切成兩半。詳細可以看：韓漫機翻怎麼做？韓文網漫翻譯完整指南（2026）。
五大難點一覽
難點 | 出錯的步驟 | 讀者看到的結果 |
|---|---|---|
直排與閱讀順序 | 排序 | 問答顛倒、台詞被拆開 |
振假名 | 找字、認字 | 漢字和讀音混成一串 |
效果音與手寫字 | 找字、認字 | 漏翻，或翻出莫名其妙的字 |
對話框外的文字 | 找字、排序 | 台詞和招牌混在一起 |
畫質與網點 | 找字、認字 | 漏字、認錯字 |
專門的漫畫 OCR 怎麼解決
要真正看懂一頁漫畫，AI 不能把圖片當成「一堆字」來讀，而要先理解版面：
先看結構： 偵測分格和對話框的位置，理解整頁的版面。
再排順序： 依照漫畫的閱讀方向，決定分格和對話框的先後。
分類文字： 區分台詞、旁白、心聲、效果音和背景文字，決定哪些要翻、怎麼翻。
最後才認字： 針對直排、振假名、手寫字等不同類型分別處理。
OCR 之後，還有翻譯、修圖、嵌字三個步驟，每一步各自的工作可以看這篇：韓漫機翻到底在做什麼？OCR、翻譯、修圖、嵌字四個步驟。
讀者可以怎麼做
就算用專門的工具，下面幾件事也能讓結果更好：
盡量用原始畫質： 正版電子書的檔案比網路截圖清楚得多。
翻得怪的地方先看原圖： 多半是手寫字、效果音或振假名的位置，確認那幾格就好。
效果音看不懂可以先跳過： 它們很少影響劇情理解。
結語
機翻漫畫看起來像亂碼，問題通常不在翻譯本身，而在翻譯之前：字有沒有找對、認對、排對。漫畫本地化是一場結合電腦視覺和閱讀順序重建的挑戰，這也是一般翻譯軟體很難處理好漫畫的原因。
如果你也常被生肉的亂碼和排版困擾，可以試試專為漫畫打造的 AI Manga Translator，看看先理解版面、再翻譯的效果有什麼不同。