版在別線圖片識安卓翻譯

編輯點評：一款非常好用的翻译在線翻譯軟件

Google 翻譯同時支持在線翻譯和離線翻譯，隻需要提前下載語言包，安卓在沒有網絡情況下也能實現即時翻譯。版线通過攝像頭取詞照片掃描等功能，图片實現了照片或實景翻譯的识别功能，無需手動輸入，翻译翻譯過程更加便捷高效。安卓開啟麥克風即可實現語音翻譯和交流

支持哪些語言之間的版线互譯

阿爾巴尼亞語、阿拉伯語、图片阿姆哈拉語、识别阿塞拜疆語、翻译愛爾蘭語、安卓愛沙尼亞語、版线巴斯克語、图片白俄羅斯語、识别保加利亞語、冰島語、波蘭語、波斯尼亞語、波斯語、布爾語(南非荷蘭語)、丹麥語、德語、俄語、法語、菲律賓語、芬蘭語、弗裏西語、高棉語、格魯吉亞語、古吉拉特語、哈薩克語、海地克裏奧爾語、韓語、豪薩語、荷蘭語、吉爾吉斯語、加利西亞語、加泰羅尼亞語、捷克語、卡納達語、科西嘉語、克羅地亞語、庫爾德語、拉丁語、拉脫維亞語、老撾語、立陶宛語、盧森堡語、羅馬尼亞語、馬爾加什語、馬耳他語、馬拉地語、馬拉雅拉姆語、馬來語、馬其頓語、毛利語、蒙古語、孟加拉語、緬甸語、苗語、南非科薩語、南非祖魯語、尼泊爾語、挪威語、旁遮普語、葡萄牙語、普什圖語、齊切瓦語、日語、瑞典語、薩摩亞語、塞爾維亞語、塞索托語、僧伽羅語、世界語、斯洛伐克語、斯洛文尼亞語、斯瓦希裏語、蘇格蘭蓋爾語、宿務語、索馬裏語、塔吉克語、泰盧固語、泰米爾語、泰語、土耳其語、威爾士語、烏爾都語、烏克蘭語、烏茲別克語、西班牙語、希伯來語、希臘語、夏威夷語、信德語、匈牙利語、修納語、亞美尼亞語、伊博語、意大利語、意第緒語、印地語、印尼巽他語、印尼語、印尼爪哇語、英語、約魯巴語、越南語、中文(繁體)、中文(簡體)、盧旺達語、土庫曼語、奧裏亞語（奧裏亞文）、維吾爾語、韃靼語.

Google翻譯app服務無法使用解決方法

Google翻譯app用不了怎麽恢複

因為使用量太小，穀歌翻譯關閉大陸市場，打開穀歌瀏覽器已經無法使用翻譯功能。

除此之外，穀歌翻譯瀏覽器插件、Chrome瀏覽器右鍵翻譯、穀歌翻譯APP，均失效。

目前的方法是，隻需要通過修改hosts文件，把穀歌翻譯API的網站重定向到國內的服務器，即可解決以上問題。

教程開始之前，先告訴大家電腦手機的hosts文件都在哪裏。

Windows係統：

C:\Windows\System32\drivers\etc\hosts

Mac係統：/etc/hosts

Linux係統：/etc/hosts

Android係統：/system/etc/hosts

iOS係統：/etc/hosts

大家可以使用記事本或者其他「文本編輯器」打開 hosts 文件進行修改，在 macOS 或 Linux 下可以使用 sudo vi /etc/hosts 命令進行編輯，在其末尾添加以下內容：

203.208.50.66 translate.google.com

203.208.50.66 translate.googleapis.com

Windows為例：

溫馨提示：hosts文件如果是設置為隻讀了，可能會修改不了，大家右鍵-屬性，然後把“隻讀”去掉勾即可。如果保存不了，把 hosts 文件拖到桌麵修改了再拖回去。

最後保存，保存後再用穀歌即可正常翻譯了！

此IP不保證一直可用，如果已經失效，大家可以去這裏找到可用的IP替換就可。

應用介紹

隻需輸入文字，即可在 超過100種語言之間互譯

即時相機翻譯：可使用相機將拍攝的文字即時中英互譯, 並可在30種以上語言和英文間轉換。

點按翻譯：在任何應用中複製文字，係統即會彈出相應翻譯

對話模式：支持 32 種語言的即時語音互譯

離線翻譯：即使沒有連接到互聯網，也能翻譯 52 種語言

手寫功能：以手寫方式輸入 93 種語言的字符，而無需使用鍵盤輸入

翻譯收藏夾：點擊星標收藏翻譯的內容，以供日後參考（不限語言）

穀歌翻譯怎麽用？

1、打開穀歌翻譯，輸入你想翻譯的詞語。

2、隨後，輸入要翻譯的文本。在這裏需要提醒大家的是，穀歌翻譯支持實時同步翻譯。也就是說，你每輸入一個單詞，它會立刻給出相應的中文漢字。

3、等到輸入全部完成後，我們可以點擊左側的箭頭返回主界麵，向下滑動可以查看曆史記錄。

4、回到主界麵以後，我們既可以點擊左上角的音量圖標聆聽英文的讀音，也可以點擊右側下方的圖標，以便複製譯文。

5、當然，如果你想根據中文來查對應的英文單詞，穀歌翻譯也是可以做到的，隻需要點擊中間的互換圖標，將源語言與目標語言對調即可。

6、互換源語言和目標語言後，我們就可以輸入想查找的單詞來查找對應的意思了。

穀歌翻譯怎麽在別的軟件中翻譯？

1、打開穀歌翻譯app，點擊右上角用戶，

2、點擊設置，

3、選擇點按翻譯，

4、打開點按翻譯功能，

5、顯示懸浮窗，

6、去手機設置中開啟權限，

7、權限開啟後，進入需要翻譯的軟件中，選擇翻譯的文字，點擊翻譯，

8、之後就可以看到翻譯完成了。

擴展閱讀

穀歌翻譯對《我的世界》有多大破壞力？看翻譯的內容就知道了

我的世界這款遊戲在遊戲的可玩性上可以說非常的高。但是總會有一些軟件，會對我的世界造成幹擾。這些軟件都是我們耳熟能詳的，比如說穀歌翻譯。

我的世界被穀歌翻譯，其實傷害的很大。但是又由於穀歌翻譯的影響力，讓我的世界讓更多人知道。因為穀歌翻譯翻譯我的世界，這款遊戲出現非常多的幺蛾子。就從這張圖片我們就可以簡單地說一下，這是我的世界中的一個食物,卻被翻譯成了加拿大季節。

熔岩也是非常常見的一個物品，在我的世界當中，但是穀歌翻譯卻不管你。他隻按照自己的想法進行翻譯。他把好好的一個熔岩翻譯成血油，這個名字其實非常的恐怖。但是穀歌翻譯並不會考慮玩家的感受。

我現在倒認為穀歌翻譯怎麽驚悚，怎麽來？給遊戲的玩家造成的驚悚感太多太多了。好在穀歌翻譯的內容不準確，穀歌翻譯把我的世界糟蹋的太多了。

玻璃瓶在我的世界中可以來收集信息。但是穀歌翻譯把玻璃瓶翻譯成了你必須吃餅幹，我不知道穀歌翻譯對餅幹有什麽成見。如果你看到一款遊戲翻譯的內容是這樣子的，你還會繼續玩這款遊戲嗎？

遊戲的初衷是讓玩感受到有的趣，並且能在遊戲中得到放鬆。但是經過穀歌翻譯之後的遊戲內容，感覺好像數學題一樣，需要動腦子去計算。這就違背了遊戲的初衷，是非常不可取的一個行為。

這是我的世界中的末影珍珠。它的作用是可以把物體傳送100m。我常常拿著末影珍珠來玩耍，因為瞬間傳送的感覺非常的不錯。但是穀歌翻譯卻把它翻譯成了嚇到我了。這是多麽搞笑的翻譯，你認為這種翻譯符合末影珍珠的屬性嗎？

這是尋寶者必須要獲得了一張圖，有了這張圖才可以顯示結構。如果沒有這張圖的話，結構是顯示不出來的。翻譯後的結果是存款雖然看起來像鈔票。但是他並不是鈔票。有時候穀歌翻譯從形狀開始，有時候按照自己的想法進行。

如果你對穀歌翻譯還抱有好感的話，我希望你不要把遊戲的內容輸入在穀歌翻譯當中。因為這不僅僅讓遊戲的難度增加，而且讓我的世界這款優秀的遊戲感到失望。玩家希望在遊戲中找到快樂，但是在穀歌翻譯中卻沒有。

這是我的世界中的一個幻魔者。穀歌翻譯把它翻譯成了它有點不舒服。如果這是正確的翻譯的話，那在遊戲當中穀歌翻譯將被淪落成一個笑話。因為這樣翻譯的遊戲沒有任何一個玩家會去嚐試。好在翻譯團隊並沒有使用穀歌翻譯這款軟件進行翻譯內容的校對。

什麽是機器翻譯？

機器翻譯是計算語言學的一個分支，主要研究如何將一種語言的源文本自動轉換為另一種語言的文本。在機器翻譯領域，輸入已經由某種語言的一係列符號組成，而計算機必須將其轉換為另一種語言的一係列符號。

神經網絡機器翻譯是針對機器翻譯領域所提出的主張。它使用人工神經網絡來預測某個單詞序列的概率，通常在單個集成模型中對整個句子進行建模。

憑借神經網絡的強大功能，神經網絡機器翻譯已經成為翻譯領域最強大的算法。這種最先進的算法是深度學習的一項應用，其中大量已翻譯句子的數據集用於訓練能夠在任意語言對之間的翻譯模型。

理解Seq2Seq架構

顧名思義，Seq2Seq將單詞序列（一個或多個句子）作為輸入，並生成單詞的輸出序列。這是通過遞歸神經網絡（RNN）實現的。具體來說，就是讓兩個將與某個特殊令牌一起運行的遞歸神經網絡嚐試根據前一個序列來預測後一個狀態序列。

它主要由編碼器和解碼器兩部分構成，因此有時候被稱為編碼器-解碼器網絡。

· 編碼器：使用多個深度神經網絡層，將輸入單詞轉換為相應的隱藏向量。每個向量代表當前單詞及其語境。

· 解碼器：與編碼器類似。它將編碼器生成的隱藏向量、自身的隱藏狀態和當前單詞作為輸入，從而生成下一個隱藏向量，最終預測下一個單詞。

任何神經網絡機器翻譯的最終目標都是接收以某種語言輸入的句子，然後將該句子翻譯為另一種語言作為輸出結果。下圖是一個漢譯英翻譯算法的簡單展示：

它如何運行？

第一步，通過某種方式將文本數據轉換為數字形式。為了在機器翻譯中實現這一點，需要將每個單詞轉換為可輸入到模型中的獨熱編碼（One Hot Encoding）向量。獨熱編碼向量是在每個索引處都為0（僅在與該特定單詞相對應的單個索引處為1）的向量。

為輸入語言中的每個唯一單詞設置索引來創建這些向量，輸出語言也是如此。為每個唯一單詞分配唯一索引時，也就創建了針對每種語言的所謂的“詞匯表”。理想情況下，每種語言的詞匯表將僅包含該語言的每個唯一單詞。

每個單詞都變成了一個長度為9（這是詞匯表的大小）的向量，索引中除去一個1以外，其餘全部都是0。

通過為輸入和輸出語言創建詞匯表，人們可以將該技術應用於任何語言中的任何句子，從而將語料庫中所有已翻譯的句子徹底轉換為適用於機器翻譯任務的格式。

現在來一起感受一下編碼器-解碼器算法背後的魔力。在最基本的層次上，模型的編碼器部分選擇輸入語言中的某個句子，並從該句中創建一個語義向量（thought vector）。該語義向量存儲句子的含義，然後將其傳遞給解碼器，解碼器將句子譯為輸出語言。

就編碼器來說，輸入句子的每個單詞會以多個連續的時間步分別輸入模型。在每個時間步（t）中，模型都會使用該時間步輸入到模型單詞中的信息來更新隱藏向量（h）。

該隱藏向量用來存儲輸入句子的信息。這樣，因為在時間步t=0時尚未有任何單詞輸入編碼器，所以編碼器在該時間步的隱藏狀態從空向量開始。下圖以藍色框表示隱藏狀態，其中下標t=0表示時間步，上標E表示它是編碼器（Encoder）的隱藏狀態[D則用來表示解碼器（Decoder）的隱藏狀態]。

在每個時間步中，該隱藏向量都會從該時間步的輸入單詞中獲取信息，同時保留從先前時間步中存儲的信息。因此，在最後一個時間步中，整個輸入句子的含義都會儲存在隱藏向量中。最後一個時間步中的隱藏向量就是上文中提到的語義向量，它之後會被輸入解碼器。

另外，請注意編碼器中的最終隱藏向量如何成為語義向量並在t=0時用上標D重新標記。這是因為編碼器的最終隱藏向量變成了解碼器的初始隱藏向量。通過這種方式，句子的編碼含義就傳遞給了解碼器，從而將其翻譯成輸出語言。但是，與編碼器不同，解碼器需要輸出長度可變的譯文。因此，解碼器將在每個時間步中輸出一個預測詞，直到輸出一個完整的句子。

開始翻譯之前，需要輸入<SOS>標簽作為解碼器第一個時間步的輸入。與編碼器一樣，解碼器將在時間步t=1處使用<SOS>輸入來更新其隱藏狀態。但是，解碼器不僅會繼續進行到下一個時間步，它還將使用附加權重矩陣為輸出詞匯表中的所有單詞創建概率。這樣，輸出詞匯表中概率最高的單詞將成為預測輸出句子中的第一個單詞。

解碼器必須輸出長度可變的預測語句，它將以該方式繼續預測單詞，直到其預測語句中的下一個單詞為<EOS>標簽。一旦該標簽預測完成，解碼過程就結束了，呈現出的是輸入句子的完整預測翻譯。

更新日誌

10.6.22.871858386.2-dogfood更新

修複了一些問題並進行了一些改進

9.1.76.720631521.2-release版本

修複了一些問題並進行了一些改進

8.11.65.643375370.2-release更新

修複了一些問題並進行了一些改進