CJ-01 · 3U
MANTRANSLATED
เครื่องมือ AI ที่อ่านข้อความจากหน้า Manga, Manhwa และ Manhua แล้วแปลทั้งตอนออกมาเป็นไฟล์ .txt สองภาษา
- พัฒนาโดย
- Chananon Jankaew
- เทคโนโลยี
- Python · FastAPI · Gemini · Cloud Run · Cloud Storage · Firebase
โจทย์
จะอ่านตอนที่เป็นภาษาจีน เกาหลี หรือญี่ปุ่น ต้องดึงข้อความออกจากภาพทีละหน้าก่อนถึงจะแปลได้ และตอนหนึ่งอาจมีเป็นร้อยภาพ เครื่องมือนี้จึงต้องรับได้ทั้งตอนในครั้งเดียว และเรียงข้อความตามลำดับช่องคำพูดให้ถูก
ผลลัพธ์
- แคช prompt ที่ใช้ร่วมกัน ลดค่า input ของ Gemini ลงประมาณ 40%
- รับ ZIP ได้สูงสุด 200 ภาพหรือ 50 MB ต่อครั้ง
- ไฟล์ผลลัพธ์วางข้อความต้นฉบับคู่กับคำแปลทีละบรรทัด อ่านเทียบกันได้ทันที
วิธีที่ทำ
- 01เรียก Gemini แบบ multimodal ครั้งเดียวต่อหน้า ให้อ่านช่องคำพูดตามลำดับและแปลในคำขอเดียวกัน แทนที่จะแยก OCR กับการแปลเป็นสองขั้น
- 02ให้เบราว์เซอร์แตก ZIP และย่อภาพเอง แล้วอัปโหลดตรงเข้า Google Cloud Storage ผ่าน resumable session ไฟล์ใหญ่จึงไม่ติดลิมิตขนาด request ของ API
- 03ประมวลผลพร้อมกันครั้งละ 8 หน้า เจอ 429 หรือ 5xx จะ retry แบบ exponential backoff แต่ผลลัพธ์ยังเรียงตามหน้าเสมอ และส่งความคืบหน้ากลับไปที่เบราว์เซอร์เป็น NDJSON
- 04บน Cloud Run หนึ่ง container รับหนึ่งงาน และขยายได้ถึง 10 instance ส่วนบัญชีผู้ใช้และโควตารายภาพใช้ Firebase Auth กับ Firestore
