Jak szybkie są napisy w Kaption?

Genshin wypisuje dialogi litera po literze. Kwestia rysuje się jakieś jedną–dwie sekundy i przez większość tego czasu na ekranie jest pół zdania. Pół zdania nie da się sensownie przetłumaczyć. "Tak, ty" to początek stu różnych kwestii i wybranie jednej z nich to czyste zgadywanie.

Dlatego Kaption czeka, aż tekst się ustabilizuje, i dopiero wtedy decyduje się na tłumaczenie. To czekanie jest największą składową opóźnienia, które zauważasz, i należy do gry, a nie do nas. Star Rail i Zenless Zone Zero pokazują całą kwestię w jednej klatce — i właśnie dlatego napisy wydają się tam natychmiastowe, a w Genshinie odrobinę cierpliwe.

Zbudowaliśmy stanowisko testowe, które odtwarza nagrania z gry przez prawdziwy potok tłumaczenia — ten sam kod przechwytywania, odczytu i dopasowania, który trafia do wydania — na ośmiu nagranych scenach z trzech gier, w sumie około 4700 klatkach. Odtwarzanie nagrań zamiast grania na żywo oznacza, że po każdej zmianie można zmierzyć dokładnie ten sam materiał i uczciwie porównać wyniki.

Interesuje nas czas do pierwszego napisu: ile mija od ustabilizowania się kwestii do momentu, gdy jej tłumaczenie jest na ekranie. W sześciu scenach z Genshina typowa kwestia lądowała po około 170 ms, a dziewięć na dziesięć mieściło się w 374 ms. W Star Rail mediana wyniosła praktycznie zero — napis pojawiał się w pierwszej klatce, w której kwestia w ogóle istniała.

To pomiary z jednego komputera, a nie obietnica dotycząca Twojego. Słabsza karta graficzna czyta każdą klatkę wolniej i te liczby się rozciągają. Sprawdziliśmy też to — symulując maszyny do pięciu razy wolniejsze — i kolejność się utrzymała: jakość spada stopniowo, a nie z hukiem.

Czytanie ekranu sześćdziesiąt razy na sekundę byłoby marnotrawstwem i nic by nie dało. Dialogi nie zmieniają się sześćdziesiąt razy na sekundę, a każdy odczyt kosztuje realną pracę karty graficznej.

Zamiast tego Kaption obserwuje obszar dialogu i czyta dopiero wtedy, gdy faktycznie coś się zmieniło, a potem czeka na moment stabilności, zanim uwierzy w to, co widzi. Między kwestiami, kiedy nic się nie rusza, nie robi prawie nic. Właśnie dlatego stać go na szybkość wtedy, kiedy to ważne: nie zużywa sił wtedy, kiedy nie trzeba.

Dwie rundy optymalizacji w sierpniu 2026 realnie zmieniły te liczby. Pierwsza przyspieszyła sam odczyt około trzy i pół raza, poprawiając sposób podawania danych do modelu rozpoznawania tekstu na karcie graficznej — ten sam tekst, ułamek czasu.

Druga wykorzystała opisane wyżej stanowisko, żeby dostroić, jak cierpliwie narzędzie czeka przed odczytem. W Genshin Impact dało to około trzykrotnie lepszy najgorszy przypadek i mniej więcej jedną czwartą więcej przetłumaczonych kwestii — bo linie, które wcześniej w ogóle przepadały, teraz zostają odczytane na czas.

Trzy rzeczy, mniej więcej w kolejności ważności. Gra w trybie pełnoekranowym wyłącznym, przez który nakładka nie rysuje się poprawnie — tryb bez ramki lub okienkowy to naprawia. Obszar przechwytywania narysowany dużo większy niż ramka dialogowa, czyli więcej ekranu do przeczytania za każdym razem. I starsza karta graficzna, przez którą każdy odczyt trwa dłużej — narzędzie dostosowuje się, czytając rzadziej, zamiast zostawać w tyle.