App zur Übersetzung von Bildschirm und Sprache – gebaut für Visual Novels

Ich bin ein ganz normaler Otaku, der Visual Novels mag.
Ich habe gehört, dass man früher mit EasyTrans oder AralTrans übersetzt hat.
Heutzutage soll man mit MORT einen OCR-Übersetzer betreiben können,
aber als ich es selbst ausprobiert habe, waren sowohl die Einstellungen als auch die Funktionen viel zu umfangreich und kompliziert,
und vor allem war die Bildschirm-Erkennungsrate viel zu schlecht.
Auch bei der Übersetzung hat DeepL ständig Fehler geworfen, wenn man keinen API-Key eingibt.
Lokale AI ist inzwischen auch deutlich besser geworden, also dachte ich mir:
Wäre es nicht gut, ein lokales OCR-AI-Modell
und ein lokales AI-Übersetzungsmodell einzubauen?
Also habe ich es gebaut.
Während ich daran gearbeitet habe, dachte ich außerdem: Wäre es nicht gut, auch eine Funktion einzubauen, die Sprache erkennt und übersetzt?
So wurde das Projekt nach und nach immer größer,
bis ich schließlich eine App gebaut habe, die in einer einzigen Anwendung Bildschirm und Sprache erkennt und übersetzt.
Als Sprache wird nur Japanisch unterstützt (der ursprüngliche Zweck waren schließlich Visual Novels ...).
Bei der Bildschirm-Erkennungsübersetzung
registriert man zunächst einen temporären Bereich als festen Bereich, und wenn man dann einfach nur immer wieder auf den Übersetzen-Button klickt, wird der Text übersetzt und als Overlay angezeigt.
Die Spracherkennung funktioniert so, dass eine Audiodatei komplett eingelesen wird, daraus ein Transkript erstellt wird und dieses dann im Overlay angezeigt wird.

Der Entwicklungsprozess war nicht einfach.
Ich habe ursprünglich ein Studium in einem Fach ohne jeden Bezug zum Programmieren absolviert und arbeite auch in einem Beruf, der damit überhaupt nichts zu tun hat.
Meine gesamte Programmerfahrung beschränkte sich darauf, dass ich im Informatikunterricht in der Oberstufe kurz DevC++ ausprobiert und mich damals bis zu if/while vorgearbeitet hatte.
Ich wollte euch zeigen, dass man mit GPT-5.5 so weit kommen kann.
Die verwendete Token-Menge lag bei etwa 720 Millionen Tokens.
Ich würde mich sehr über viel Feedback von den GN-Mitgliedern freuen!