Translumo：ゲーム・動画の字幕をリアルタイム翻訳するOSSツール

この記事ではAIコーディングに特化して解説します。Vibe Coding・AIコーディング全般は Vibe Codingとは？2026年完全ガイド をご覧ください。

概要

Translumoは、画面に表示されるテキストをOCRで認識し、AI翻訳エンジンを用いてリアルタイムに翻訳するオープンソースツール。ゲーム、動画、ウェブページなど、任意のスクリーン上のテキストを対象とし、日本語を含む複数言語への翻訳に対応している。従来、ゲーム内の字幕や外国語テキストは、字幕ファイル編集や手動翻訳に頼る必要があった。Translumoはこのプロセスを自動化し、ユーザーは画面を見つめるだけで内容を理解できる状態を実現する。

主な機能

• OCR文字認識：Windows OCR（推奨）、Tesseract 5.2（レガシー）、EasyOCR（レガシー）に対応。複数のOCRエンジンを組み合わせることで、認識精度を向上させる仕組みを搭載
• マルチ翻訳API対応：DeepL（推奨）、Google Translate、Yandex Translate、Naver Papagoに対応。用途やコストに応じて柔軟に選択可能
• UI/オーバーレイ表示：翻訳結果をウィンドウに表示するか、直接画面にオーバーレイ可能。ゲーム画面を遮らないカスタマイズ設定
• リアルタイム翻訳：画面上のテキストを継続的に処理し、翻訳結果を表示

処理の流れ：画面キャプチャからオーバーレイ表示まで

Translumoは「OCR」と「翻訳」という2つの外部依存を直列につないだパイプラインとして動く。どこが差し替え可能で、どこがコスト・遅延の効いてくる箇所なのかを先に押さえておくと、設定でつまずかない。

キャプチャ間隔を短くするほどCPU負荷と翻訳API課金の両方が増える——青とオレンジの2つの分岐が、設定でいちばん効く箇所だ。

クイックスタート

インストール

Translumoの最新版は以下のリンクからダウンロード可能。

Translumo_1.0.2.zip

ダウンロード後、アーカイブを解凍しTranslumo.exeを実行。

導入前に最新リリースを確認する

配布物が更新されているかどうかは、ダウンロード前にAPIで確認できる。前述のとおりタグが変則形式なので、タグ名を決め打ちせず一覧から取るのが安全だ。

# 公開されているリリースを新しい順に確認する（タグ・公開日・添付ファイル）
gh api repos/ramjke/Translumo/releases \
  --jq '.[] | "\(.tag_name)\t\(.published_at[0:10])\t\([.assets[].name] | join(","))"'

ダウンロードした ZIP の完全性を確認する

Windows向けの実行ファイルを配布するツールなので、解凍前にハッシュを控えておく。GitHub APIはアセットのサイズとダウンロード数を返すので、取得したファイルと突き合わせられる。

# 1. 最新アセットのURLとサイズを取得
gh api repos/ramjke/Translumo/releases/latest \
  --jq '.assets[] | "\(.name)\t\(.size) bytes\t\(.browser_download_url)"'

# 2. ダウンロードして SHA-256 を控える（macOS/Linux）
curl -sL -o Translumo.zip \
  "https://github.com/ramjke/Translumo/releases/download/v.1.0.2/Translumo_1.0.2.zip"
shasum -a 256 Translumo.zip
ls -l Translumo.zip   # 上で確認した size と一致するか

実行方法

ツールの設定と実行方法については、公式リポジトリのドキュメントを参照。各翻訳プロバイダのAPI キーを事前に準備し、必要な設定を施したうえで起動。

APIキーは環境変数やパスワードマネージャで管理し、設定ファイルに直書きしたまま共有しない。誤ってバックアップや共有フォルダに含めてしまうと、翻訳APIの課金がそのまま第三者に使われる。

# 設定ファイルにAPIキーが平文で残っていないか確認する（Windows: Git Bash / WSL）
grep -rniE "api[_-]?key|token|secret" "$LOCALAPPDATA/Translumo" 2>/dev/null | head -20

OCRエンジンと翻訳プロバイダの選び方

差し替え可能な2箇所は、精度・コスト・オフライン可否のトレードオフが異なる。

OCRは無料・ローカル、翻訳は有料・ネットワーク越しという非対称がある。したがって精度が出ないときは、まず「OCRが読めていないのか、翻訳が崩しているのか」を切り分ける——OCRの認識テキストを表示させて確認すれば、どちらを差し替えるべきかが決まる。

実践的な使い方

ケース1：PCゲームの多言語プレイ

英語や中国語のインディゲームをプレイする際、字幕ファイルを探す手間は不要。Translumoを起動し、OCRエンジンを選択、翻訳プロバイダをDeepLやGoogle Translateに設定。ゲーム画面左上にオーバーレイウィンドウで翻訳結果が表示される。

ケース2：YouTube動画の字幕翻訳

YouTubeの自動字幕が存在しない言語の動画を視聴する場合、Translumoで画面のテキスト認識→翻訳を実行。ブラウザをリサイズし、字幕エリアのみを対象にすれば、不要な広告やメタデータは翻訳対象外に。

ケース3：コスト最適化

翻訳APIのコスト削減やプライバシー保護を重視する場合、複数の翻訳プロバイダを使い分け。無料枠が充実したサービスを優先し、ニーズに応じて切り替え可能。

まとめ

Translumoは、スクリーン上の文字認識と多言語翻訳を組み合わせた、実用的なOSSツール。対象ユーザーは、以下のいずれかに該当する層：

1. ゲーマー：未翻訳ゲームや多言語ゲームをプレイしながら、リアルタイムで内容を理解したい
2. 動画視聴者：YouTube、Twitch、NicoNicoなど、字幕の無い海外コンテンツを快適に楽しみたい
3. 開発者・翻訳者：OCR＋翻訳パイプラインをカスタマイズし、独自のツール構築を検討している

推奨シーンは、字幕ファイルが存在しないコンテンツの視聴・プレイ、複数言語の混在した画面の処理、または翻訳コスト最適化が重要な運用環境。

注意点・制限事項として、以下を理解したうえで導入：

• OCR精度：画像品質が低い場合（小さい文字、背景ノイズ、複雑なレイアウト）は認識精度が大幅に低下。前処理（画像拡大、コントラスト調整）が必要な場合も
• 翻訳API コスト：有料APIを利用する場合、大量のテキスト翻訳で月単位の利用料が増加。複数プロバイダの比較やキャッシング機能の活用で削減可能
• 言語サポート：OCRエンジンと翻訳APIの両者が対応言語を満たす必要。各ツールの仕様を事前確認
• リアルタイム性：処理間隔が短すぎるとCPU負荷が増加し、ゲーム性能低下の原因に。用途に応じて適切な間隔設定が必要
• 法律・利用規約：ゲームや動画の字幕・テキストをスクリーンショットして翻訳する行為は、各コンテンツの利用規約に抵触する可能性。商用利用や大規模配信は事前に確認

Apache 2.0ライセンスのため、商用利用も可能。OSSコミュニティでの貢献も活発で、定期的なアップデートが期待できる。

参照ソース

• Translumo GitHub Repository
• DeepL API Documentation
• Google Translate API