技术深度解析
Koharu的架构堪称构建高性能、离线优先AI应用的典范。其流水线包含三个阶段：
1. 检测与OCR：工具首先识别漫画画格内的文字区域。它很可能结合了传统计算机视觉技术（如轮廓检测）与轻量级神经网络（例如改良版的CRAFT或DBNet）来定位对话气泡与边界框。在OCR环节，则可集成高性能开源引擎。PaddleOCR（百度开源OCR工具包）是理想选择，以其精准度与多语言支持著称，其GitHub仓库（`PaddlePaddle/PaddleOCR`）拥有超3.5万星标，并提供针对文档、场景文字等优化的预训练模型。
2. 机器翻译：这是离线环境下计算需求最高的阶段。Koharu设计为运行量化版本的大型翻译模型。关键支撑技术是CTranslate2项目（`OpenNMT/CTranslate2`），这是一个带有Python绑定的C++推理引擎，支持Fairseq（如Facebook的NLLB-200）和Marian等框架的模型。它通过层融合、int8/int16量化及高效批处理等激进优化，使得数十亿参数模型能在消费级CPU与GPU上以可接受的速度运行。
3. 修复与渲染：这是Koharu视觉上最关键的组件。翻译完成后，需擦除原文字并以风格一致的方式渲染新文本。工具使用修复模型将擦除区域填充为合理的背景图案。为此，它可能采用LaMa（`advimman/lama`）等高分辨率图像修复网络的蒸馏版本，或专用的Stable Diffusion修复检查点。最后一步是渲染译文，这需要字体匹配引擎并精心布局，以遵循原版的排版流向与强调效果。
Rust的作用至关重要。它在无需垃圾回收器的情况下保障内存安全，为实时图像处理提供可预测的性能。其卓越的并发模型（`async/await`、无畏并行）使得流水线各阶段能高效协同。此外，Rust强大的FFI（外部函数接口）允许调用OpenCV等优化C/C++库进行图像处理，或调用ONNX Runtime进行模型推理，同时为终端用户提供简洁安全的API。
| 处理阶段 | 典型云端API延迟 | Koharu（本地，CPU）预估延迟 | Koharu（本地，GPU）预估延迟 |
|---|---|---|---|
| OCR（每画格） | 500-1500毫秒 | 2000-5000毫秒 | 300-800毫秒 |
| 翻译（100字符） | 300-800毫秒 | 1000-3000毫秒 | 200-500毫秒 |
| 修复（512x512） | 2000-5000毫秒（若提供） | 5000-15000毫秒 | 1000-3000毫秒 |
| 总计（每画格） | ~2800-7300毫秒 | ~8000-23000毫秒 | ~1500-4300毫秒 |
数据启示：表格揭示了Koharu的核心权衡。在CPU上，其速度显著慢于云端API，导致整章批量处理更耗时。然而，在性能足够的GPU上，其延迟已具备竞争力，同时消除了网络往返。真正的优势在于批量处理的总吞吐量与成本；一旦模型加载完成，处理100个画格不会产生额外边际成本或频次限制，这与云端服务截然不同。
关键参与者与案例研究
漫画翻译领域可分为官方本地化团队、云端AI服务与社区驱动工具三大阵营。Koharu坚定属于第三类，但借鉴了前两者的技术。
* 官方本地化方（Viz Media、讲谈社等）：这些公司雇佣人工翻译、文字排版师与编辑。其作品质量高但速度慢、成本昂贵，且仅限商业上可行的作品。它们代表了质量的黄金标准，却留下了大量未翻译漫画的“长尾”市场。
* 云端AI服务：Google Cloud Vision API、AWS Textract与Azure Computer Vision主导商业OCR市场。翻译方面，Google Translate、DeepL API与Azure Translator是领导者。这些服务精度高、易用性强，但采用按使用量计费模式，需联网运行并将数据发送至第三方服务器——这对处理未发布内容的粉丝译者而言往往是不可接受的。
* 社区工具：在Koharu之前，工作流是碎片化的。manga-ocr（GitHub上专攻日文的OCR模型）或Capture2Text等工具负责检测；翻译可能通过复制粘贴到浏览器翻译器完成；修复则是在Photoshop中手动操作或使用Inpaint等工具。Koharu的雄心正是将这套零散且技术复杂的工作流统一为单一自动化应用。
开源领域出现的直接竞争者是mokuro（`kha-white/mokuro`）。