一、背景与目标 二、技术选型与依赖 三、项目结构与关键文件 四、功能实现概览（拍照 + OCR + 翻译） 五、为什么能“离线”？ 六、本地运行与安装 克隆项目 构建与安装 七、项目特色与技术亮点 离线优先设计 技术实现细节 项目源码 八、常见问题（FAQ） 九、结语 本文首发地址 https://h89.cn/archives/440.html 一、背景与目标 目标：做一个“拍照翻译”App，在弱网/无网环境下也能工作。离线识别图片中的中文/英文等文字，并把识别结果翻译成中文。 方案： 使用 Google ML Kit Text Recognition v2 实现离线 OCR（中文优先，Latin 回退）。 使用 ML Kit On‑device Translation 实现离线翻译（首次联网下载语言包，下载完成后完全离线）。

- 阅读剩余部分 -

什么是 CameraX？ 为什么选择 CameraX？ CameraX 的核心概念：用例 (Use Cases) CameraX 的基本使用步骤 CameraX 常见坑或兼容性注意事项 总结 本文首发地址 https://h89.cn/archives/415.html 近期在禾苗通信面试中，他们的负责人介绍到，他们的相机开发都使用的是 CameraX 的API，暂不评估可行性，本文只介绍一下 CameraX 的API及相关使用。 什么是 CameraX？ CameraX 是 Android Jetpack 库套件中的一部分，旨在简化 Android 应用中的相机开发。它构建在复杂的 Camera2 API 之上，抽象了大量底层细节，为开发者提供了更易用、更一致的接口。CameraX 兼容性强，支持 Android 5.0 (API level 2

- 阅读剩余部分 -

一、模型转换与优化 1.1 导出 TFLite（路线一） 1.2 导出 NCNN（路线二） 二、路线一：TFLite + CameraX（推荐新手） 2.1 环境配置 2.2 图像预处理 2.3 模型推理与后处理 三、路线二：NCNN + JNI（性能优先） 3.1 NDK / CMake 配置 3.2 JNI 层实现（修正版） 3.3 Kotlin 调用层 四、性能优化技巧 五、调试与测试 5.1 常见问题排查 5.2 验证工具 六、参考实现 总结 本文首发地址 http://h89.cn/archives/322.html 在 Android 端部署 YOLOv8 目前有两条主流技术路线，分别适用于不同场景： 方案 技术栈 难度 性能 适用场景 路线一 TFLite + CameraX 低 良好 快速上线、迭代频繁的业务 路

- 阅读剩余部分 -