截图翻译：图片里的字也能翻

识别和翻译一次完成。分两步走（先认字、再翻译）看着更规整，但认错的字会原样传进翻译、错上加错；多模态模型能同时看到字形和版面，模糊的、竖排的、表情包字体都更容易读对。

结果同时给原文和译文：原文用来核对认得对不对，也是计量依据——按识别出的原文字数计入你的月度额度，和普通翻译一个口径。