之前有部漫画缺汉化，我就用vibe写了个翻译插件，靠多模态模型来翻译和嵌字。
gemini-3.1-flash-lite-preview效果其实已经很够用了。正好领了Mimo的赛博鸡蛋，就拿来试了下，结果完全没法用，哪怕是。看2.5效果不行，想着换2.5pro总行吧，结果2.5pro压根不支持多模态。mimo-v2.5-pro
感觉Mimo问题挺多的：
指令遵循不太灵，必须把结构化输出参数明明白白传进去，它才给你输出合要求的JSON；
日语水平不太行，老是漏翻或者翻错；
不知道咋回事还会产生幻觉，看着画面自己脑补出些没有的内容，塞进去一些虎狼之词；
嵌字的位置也定不准，精度太差。
这玩意儿就那样，用过就知道
是不是我操作有问题啊？试了几次都不太准，小白求带
又来了，国产吹和国外黑日常版聊，没点新鲜的
你先在设置里把JSON schema格式调好，然后调用的时候记得传temperature参数，别用默认值。
好奇楼主说的“虎狼之词”具体是啥内容？能举个例子吗？感觉这幻觉有点离谱啊。
之前我搞漫画翻译也踩过坑，用的另一个国内模型。翻译日常对话还行，一到专有名词或者梗就完蛋，位置对不齐更让人崩溃，最后还得手动调，折腾一晚上。
Mark一下，等个后续。
楼主试过调整prompt的写法吗？比如把“翻译并嵌字”拆成两步任务，先用一个描述性prompt让模型输出所有文本和坐标的严格JSON，再用另一个指令单独做翻译，最后合成。我处理表格图片时这么干，效果会稳定点。虽然麻烦，但总比输出乱码强。
顶，同求好用的方案。
不是，这跟模型有啥关系？重点是你写的插件逻辑有问题吧，多模态接口调用方式都不一样，预处理和后处理才是关键。
国产视觉理解差距明显 文档识别都没ocr稳
JSON schema这点关键，我之前不传schema模型自由发挥，坐标全乱
Gemini还没死透 别急着盖棺定论
日常对话还行专有名词翻车，这描述跟我之前修番外漫画的体验一模一样
你试的是哪个模型 不同版本差距挺大的