二本应届生个人开发者产品求助：识图翻译类 App 优化与疑问

[2452920748c]

大家好！主包今年刚毕业的二本应届生，上个月面了一个北京的全栈开发岗。不出意外也是二面挂了，事后复盘时发现一、二面都被问到 “有没有自己的产品或者开源贡献”，正好我最近平时在学口语，便萌生了开发一款相关 App 的想法。目前核心功能已基本完成，但对比同行后发现待优化点很多，第一次做产品有不少问题想请教大家～

一期

核心功能：通过拍照识别物体进行语言学习

• 拍照识别画面中的物体
• 将识别结果翻译成用户指定的学习语言（如英语）
• 返回包含单词信息、相关短语及例句等内容

一期现有方案及问题

通过 COZE 搭建工作流实现基础功能，但存在明显瓶颈：

• 技术方案：采用豆包 GUI 大模型识别 + 1.6 模型构建结果
• 核心问题：API 调用耗时较长，且识别结果质量未达预期，大佬们有无其他识图大模型推荐？

二期

• 计划接入付费功能（个人开发者只能对接第三方）咨询一下前辈们有什么需要注意的吗？
• 想搬运个人认为优质的 YouTube 口语类 UP 主视频（用于学习场景），这种做法是否存在版权风险？需要注意什么？

第一次独立开发产品，很多地方还在摸索中，恳请各位大佬多多指点，手下留情～

[huminted]

这个 idea 已经有很多人实现了。比如 iOS 上的 Piggy Words 和 CapWords

[card123]

我感觉好像这种应用应该挺多的，像一些翻译工具上好像也有这种功能