Screenshot-Kontext mit OCR: Wie IntlPull Lokalise bei visueller Lokalisierung schlägt

Das Problem: Übersetzer fehlt der Kontext

Eine der größten Herausforderungen bei der Lokalisierung ist Kontext. Übersetzer sehen oft einen String wie "Absenden" ohne zu wissen:

• Ist es ein Button oder ein Label?
• Ist es oben oder unten am Bildschirm?
• Was ist die umgebende UI?
• Wie viel Platz ist verfügbar?

Ergebnis: Generische Übersetzungen die nicht zur UI passen.

---

Die Lösung: Screenshot-Kontext

Screenshot-Kontext löst das durch:

1. Screenshots hochladen Ihrer App oder Website
2. Übersetzungs-Keys taggen mit Bounding Boxes
3. Text automatisch erkennen mit OCR

---

IntlPull vs Lokalise: Der Screenshot-Vergleich

Kostenvergleich

Lokalise OCR-Preise:

• Cloud Vision API Calls: 0,005-0,02$ pro Request
• Für 1.000 Screenshots mit monatlichem OCR: 60-240$/Jahr allein an OCR-Gebühren

IntlPull OCR-Preise:

• Selbst-gehostetes Tesseract: 0$ pro Request
• Keine zusätzlichen Gebühren
• In allen bezahlten Plänen enthalten

---

Der Vorteil von selbst-gehostetem OCR

IntlPull nutzt Tesseract OCR, die branchen-standard Open-Source OCR-Engine:

TerminalCopy
1# Tesseract ist auf dem Server installiert
2tesseract --version
3# tesseract 5.3.0
4
5# Keine Cloud-API-Calls
6# Keine Pro-Request-Gebühren
7# Keine Daten verlassen Ihre Infrastruktur

Vorteile:

• Datenschutz: Screenshot-Daten verlassen nie Ihre Infrastruktur
• Geschwindigkeit: Keine Netzwerk-Latenz zu Cloud-APIs
• Kosten: Null Grenzkosten pro OCR-Operation
• Zuverlässigkeit: Keine Drittanbieter-API-Ausfälle

---

Wie Auto-Erkennung funktioniert

Schritt 1: Text-Erkennung

Tesseract scannt den Screenshot und extrahiert Textregionen:

JSONCopy
1{
2  "detected_texts": [
3    {
4      "text": "Bestellung absenden",
5      "x": 350,
6      "y": 480,
7      "width": 120,
8      "height": 40,
9      "confidence": 0.95
10    }
11  ]
12}

Schritt 2: Fuzzy Key Matching

Der erkannte Text wird mit Ihren Übersetzungs-Keys abgeglichen:

1. Exakter Match (Score: 1.0)
2. Substring Match (Score: 0.9 × Verhältnis)
3. Levenshtein-Distanz (normalisierte Ähnlichkeit)

Schritt 3: Vorgeschlagene Tags

JSONCopy
1{
2  "suggested_tags": [
3    {
4      "key_id": "abc123",
5      "key_name": "buttons.submit",
6      "x": 350,
7      "y": 480,
8      "confidence": 0.95,
9      "match_score": 1.0
10    }
11  ]
12}

---

Praxisnaher Workflow

Für Entwickler

TerminalCopy
1# Screenshots aus CI/CD hochladen
2for screenshot in screenshots/*.png; do
3  curl -X POST \
4    -H "X-API-Key: ip_live_xxx" \
5    -F "file=@$screenshot" \
6    -F "tags=v2.5.0,checkout-flow" \
7    https://api.intlpull.com/api/v1/projects/PROJECT_ID/screenshots
8done

Für Übersetzer

Beim Übersetzen von "buttons.submit" sehen sie:

• Den tatsächlichen Button in der UI
• Umgebenden Kontext (was davor/danach kommt)
• Verfügbarer Platz für die Übersetzung
• Mehrere Screenshots wenn der Key an verschiedenen Stellen erscheint

---

Performance-Benchmarks

---

Best Practices

1. Repräsentative Screenshots erfassen

• Alle States einschließen (leer, ladend, Fehler, Erfolg)
• Verschiedene Bildschirmgrößen erfassen
• Versionsnummern in Metadaten taggen

2. Tags zur Organisation nutzen

TerminalCopy
1# Nach Feature-Bereich
2-F "tags=checkout,payment"
3
4# Nach Version
5-F "tags=v2.5.0,sprint-42"
6
7# Nach Plattform
8-F "tags=ios,dark-mode"

3. Passende Confidence-Schwellenwerte

• 0.9+: Automatisch ohne Review anwenden
• 0.7-0.9: Vorschlagen aber Bestätigung erfordern
• <0.7: Nicht vorschlagen (zu unsicher)

---

Fazit: Warum IntlPull gewinnt

Für Teams die:

• Viele Screenshots verarbeiten
• Wert auf Datenschutz legen
• Vorhersagbare Kosten wollen
• API-Automatisierung brauchen

IntlPulls selbst-gehosteter Tesseract-Ansatz ist der klare Gewinner.

Starten Sie Ihre kostenlose Testversion