Переводчик экрана: наложение перевода поверх текста на экране

Программа накладывает русский перевод прямо на английские надписи —
как переводчик по фото, только для монитора. Работает с играми,
интерфейсами и документами: распознаёт кадр, собирает текст в связные
блоки, переводит и рисует плашки под цвет фона.

Распознавание — встроенный Windows.Media.Ocr, офлайн. Перевод — цепочка
движков с автопереключением (google, lingva, mymemory), потому что до
разных сервисов из разных сетей достучаться получается по-разному.

Собирается без .NET SDK: Roslyn из Build Tools плюс сборки Framework 4.8,
которые уже есть в системе. На выходе один exe без установщика.

Главная сложность оказалась не в переводе, а в том, чтобы понять, где на
экране связный текст, а где отдельные надписи. Классические алгоритмы
сегментации решают это по межстрочному зазору, но в плотном интерфейсе он
одинаков у строк абзаца и у соседних контролов. Поэтому решение принимает
ансамбль признаков: фон, граница между строками, заполненность строки,
кегль. Надписи на чужом языке отсеиваются тремя уровнями — форма слова,
вторая модель распознавания и частоты буквенных пар.

Чтобы правки эвристик не оценивались на глаз, в tools лежат эталонные
кадры и RenderTest: прогон конвейера без окна с подсчётом попаданий.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

tools/make-bigrams.ps1

@@ -0,0 +1,123 @@
+<#
+    Превращает частотную таблицу английских биграмм в компактный C#-файл.
+
+    Каждая из 676 биграмм кодируется одним печатным ASCII-символом (квантованный log10
+    вероятности), поэтому вся модель — одна строка примерно в 700 байт вместо мегабайтных
+    словарей и без единой внешней зависимости.
+
+    Источник частот: practicalcryptography.com (корпус английских текстов).
+#>
+param(
+    [string]$In  = "$PSScriptRoot\english_bigrams.txt",
+    [string]$Out = "$PSScriptRoot\..\src\EnglishBigrams.cs"
+)
+
+$ErrorActionPreference = 'Stop'
+
+$counts = @{}
+[double]$total = 0
+foreach ($line in Get-Content $In) {
+    if ($line -notmatch '^\s*([A-Za-z]{2})\s+(\d+)\s*$') { continue }
+    $bg = $Matches[1].ToUpperInvariant()
+    $n = [double]$Matches[2]
+    $counts[$bg] = $n
+    $total += $n
+}
+Write-Host "биграмм: $($counts.Count), суммарная частота: $total"
+
+# Квантование: log10(p) укладываем в печатный ASCII с шагом 1/12 порядка величины.
+$LO = -9.0; $STEP = 12.0
+$sb = New-Object Text.StringBuilder
+$minLog = 0.0
+foreach ($i in 0..25) {
+    foreach ($j in 0..25) {
+        $bg = [char](65 + $i) + [string][char](65 + $j)
+        $n = if ($counts.ContainsKey($bg)) { $counts[$bg] } else { 0 }
+        # ненаблюдаемой биграмме даём вероятность заметно ниже самой редкой наблюдаемой
+        $p = if ($n -gt 0) { $n / $total } else { 1e-9 }
+        $lg = [Math]::Log10($p)
+        if ($lg -lt $minLog) { $minLog = $lg }
+        $q = [int][Math]::Round(($lg - $LO) * $STEP)
+        if ($q -lt 0) { $q = 0 }
+        if ($q -gt 88) { $q = 88 }
+        [void]$sb.Append([char](34 + $q))   # с 34, чтобы не попасть на кавычку и обратный слэш
+    }
+}
+Write-Host "минимальный log10(p): $minLog"
+
+$data = $sb.ToString()
+$chunks = @()
+for ($i = 0; $i -lt $data.Length; $i += 130) {
+    $len = [Math]::Min(130, $data.Length - $i)
+    $chunks += '            "' + $data.Substring($i, $len).Replace('\', '\\') + '"'
+}
+$joined = $chunks -join " +`r`n"
+
+$code = @"
+using System;
+
+namespace ScreenTranslator
+{
+    /// <summary>Модель правдоподобия английского текста по частотам буквенных пар.
+    ///
+    /// Решает задачу, с которой не справляются ни словарь, ни алфавит: английская модель OCR,
+    /// прочитав русскую надпись, выдаёт правдоподобное на вид латинское слово («Профиль» →
+    /// «npocbwlb»). Но пары букв выдают подделку сразу — сочетаний «wl», «cb», «bw» в английском
+    /// практически не бывает, тогда как «th», «he», «in» составляют его основу.
+    ///
+    /// Таблица — 676 квантованных log10-вероятностей, по символу на пару, около 700 байт.
+    /// Сгенерирована tools/make-bigrams.ps1 из частот корпуса английских текстов
+    /// (practicalcryptography.com). Правится только генератором, не руками.</summary>
+    internal static class EnglishBigrams
+    {
+        const double Lo = $LO, Step = $STEP;
+
+        const string Table =
+$joined;
+
+        /// <summary>Средний log10 вероятности пар букв в слове. Около -2,5 у обычного английского
+        /// слова, ниже -4 у случайного набора букв. NaN, если букв слишком мало для оценки.</summary>
+        public static double WordScore(string word)
+        {
+            if (string.IsNullOrEmpty(word)) return double.NaN;
+            double sum = 0; int n = 0;
+            for (int i = 0; i + 1 < word.Length; i++)
+            {
+                int a = Index(word[i]), b = Index(word[i + 1]);
+                if (a < 0 || b < 0) continue;
+                sum += Lo + (Table[a * 26 + b] - 34) / Step;
+                n++;
+            }
+            return n == 0 ? double.NaN : sum / n;
+        }
+
+        static int Index(char c)
+        {
+            if (c >= 'a' && c <= 'z') return c - 'a';
+            if (c >= 'A' && c <= 'Z') return c - 'A';
+            return -1;
+        }
+
+        /// <summary>Оценка текста целиком: усреднение по словам длиной от четырёх букв —
+        /// на более коротких пары букв ничего не доказывают. NaN, если оценивать нечего.</summary>
+        public static double TextScore(string text)
+        {
+            if (string.IsNullOrEmpty(text)) return double.NaN;
+            double sum = 0; int n = 0;
+            foreach (var w in text.Split(new[] { ' ', '\t', '\n', '\r', '.', ',', ':', ';', '!', '?',
+                                                 '(', ')', '[', ']', '"', '\'', '/', '\\', '-' },
+                                         StringSplitOptions.RemoveEmptyEntries))
+            {
+                if (w.Length < 4) continue;
+                double s = WordScore(w);
+                if (double.IsNaN(s)) continue;
+                sum += s; n++;
+            }
+            return n == 0 ? double.NaN : sum / n;
+        }
+    }
+}
+"@
+
+$code | Set-Content $Out -Encoding UTF8
+Write-Host "записано: $Out ($($data.Length) символов таблицы)"