出国旅行菜单翻译工具怎么选（2026）
拿通用翻译 App 对着路牌拍，基本都好使。对着餐厅菜单拍，你常常会得到一列断成半截的词、价格错配到别的菜上，以及一堆逐字直译——「蚂蚁上树」确实是道真菜，但知道这四个字并不能告诉你那是肉末粉丝。
这不是某一个 App 的 bug。菜单本来就是比路牌难得多的输入，原因值得在挑工具之前先弄明白。
为什么菜单比路牌难
排版是与识别为敌的。 餐厅用美术字、毛笔字、手写体，字还可能竖排或者从右往左写在一块板子上。路牌的样式是被法规统一过的；菜单则是为了好看设计的。黑板粉笔字、压在菜品照片上的白字、深色纸上的烫金字，全都会击穿文字识别所依赖的对比度假设。
菜名是专有名词，不是描述。 这是最深的一层问题。中文菜单逐字翻出来会得到「鱼香茄子」（没有鱼，指的是一种调味路子）、「夫妻肺片」（凉拌牛肉，没有肺，也没有夫妻）、「蚂蚁上树」（粉丝）。每个字都译对了，意思全丢了。别的语言同理：法语的 tête de veau、意大利语的 saltimbocca、日语的 oyakodon。有用的翻译要告诉你盘子里会来什么，而不是这几个字念作什么。
版式本身携带信息。 菜单是一张假装成页面的双栏表格：左边菜名、右边价格，有时一道菜两个价对应两种分量，有时一个标题统辖下面十行。把文字当成一条连续文本流去读的工具，会把这套结构全部打乱，最后你拿到一串菜名和另一串数字，中间没有可靠的对应关系。
字形本身可能不规整。 简体和繁体出现在同一页、异体字、只有本地人懂的方言菜名、只有熟客看得懂的缩写，以及用个人风格手写、任何字体训练过的模型都没见过的菜单。
你要的东西很具体。 你不需要一份漂亮的译文。你需要知道：里面有没有猪肉、辣不辣、多少钱。
什么样的译文算「能用」
| 维度 | 好的标准 |
|---|---|
| 菜名处理 | 给出可辨认的名字 + 一句话说明真实食材，而不是逐字直译 |
| 版式保持 | 每道菜和它自己的价格绑在一起，分类标题仍然管住下面的菜 |
| 整页 vs 逐词 | 一次读完整页并给你可滚动的结果，而不是摄像头指到哪覆盖哪几个词 |
| 离线 vs 在线 | 没网也能用；至少要在你站进餐厅之前就明确告诉你它需要联网 |
| 语言覆盖 | 既包含你要去的语言，也包含你读起来最省力的语言——那不一定是英语 |
| 速度 | 几秒出结果，毕竟你正举着菜单、服务员在旁边等 |
| 拍照 vs 上传 | 允许先拍下来、之后再读，不必一直悬在桌子上方 |
| 成本与注册 | 不用先注册、先付费就能看出它在你这张菜单上到底行不行 |
| 过敏信息可见度 | 把肉类、海鲜、乳制品、坚果显式标出来，而不是埋在一段描述里 |
多数工具在其中两三行上很强，其余行上很弱。选得好，主要是知道自己在乎哪几行。
几种主流路线的对比
通用拍照翻译。 大部分人手机里已经装了的那一类。Google 翻译和 Google Lens 是常见代表，它们公开的优势是真实的：语言覆盖极广、可下载离线语言包、有实时取景模式、随手就能用。代价是它们翻译的是文字，不是食物。菜名会被直译，覆盖模式也很难把菜单的双栏结构撑住。
多模态 AI 模型。 把照片发给具备视觉能力的大模型，问它这些菜是什么。这类路线在「专有名词」问题上表现好，因为模型见过的是被当作食物讨论的菜名，而不仅是字符串，它能告诉你某个名字指的是粉丝。有两个注意点：必须联网；以及它可能对自己没看清的细节——尤其是价格——非常自信地答错。数字要紧的时候，自己从原图上读。
专为菜单做的工具。 针对这一类输入写的软件。优势是结构化输出：菜品是一条条独立的条目，各自带价格，通常还有描述和饮食标签。因为整页一次处理，菜名和价格的对应关系能保住。取舍因产品而异——语言覆盖可能不如通用翻译广，而且多数需要联网。
人和餐厅本身提供的方案。 多语菜单、图片菜单，或者会说你语言的店员，准确度远超以上任何一种。它也是最不可得的一种，而且它的可得性和餐厅好吃程度往往成反比。
| 路线 | 最擅长 | 主要局限 |
|---|---|---|
| 通用拍照翻译 | 覆盖广、能离线、随时可用 | 菜名直译、版式散架 |
| 多模态 AI | 解释一道菜到底是什么 | 需要联网；价格不可靠 |
| 专用菜单工具 | 菜品与价格的结构化输出、附带描述 | 语言覆盖与离线支持参差 |
| 多语/图片菜单 | 准确 | 越想要的地方越没有 |
实际可行的配置是：一个能离线的通用翻译负责路牌和应急，加上一个能把整张菜单好好读完的工具负责坐下来点单的那一刻。一个在浏览器里就能用、从一张照片读完整页、把菜品描述和对应价格一起给你的工具，正好覆盖第二件事，还省掉装 App 和注册账号——顺带也意味着出发前就能拿一张菜单先试试。
什么都不管用的时候
信号没了、照片太暗、手写体谁也认不出。按可靠程度大致排序的退路：
- 指橱窗。 日本常见蜡制食品模型，亚洲和南欧很多地方有图片看板。走出去，用手指。
- 点隔壁桌那个。 指指他们的菜，再指指自己。这在全世界都能被读懂，而且经常正好点到招牌菜。
- 给店员看照片。 调出你想吃的菜的图片，或者你必须避开的食材的图片，把屏幕递过去。图片跨语言的能力比词好。
- 背六个词。 用当地语言：鸡肉、猪肉、牛肉、鱼、辣，以及「我不能吃 X」。六个词能挡掉大部分真正糟糕的结果。
- 出发前写一张卡片，用当地语言写清你的忌口，到时候直接递过去。老办法，仍然是最可靠的那个。
让它在没网的时候也成立
餐厅恰恰是网络最容易断的地方：地下室、厚墙、没有公共网络，以及一份你正努力不去用的漫游流量。
出发前在酒店 wifi 上把离线语言包下好——多数通用翻译都支持，这点存储空间很值。哪怕当场读不了也把每张菜单都拍下来：之后回到 wifi 再处理，而且这些照片本身就成了你这趟吃过什么的记录。如果餐厅在网上放了菜单，出发前先翻译好并截图。另外，确认一下你的工具在断网时是优雅降级还是直接罢工——在餐桌前才发现答案，时机太糟了。
常见问题
免费的菜单翻译工具够用吗？ 大多数情况够。主流通用翻译的免费额度覆盖你可能需要的语言，浏览器端的免费工具也能做整页菜单识别，不必付费或注册。花钱通常买到的是用量、离线支持或者去广告，而不是本质上更懂食物。
必须联网吗？ 取决于路线。下载了语言包的通用翻译可以完全离线。任何靠大模型解释菜名的方案都需要联网，因为模型跑在服务器上。务实的答案是两样都带，并且在没网时先把菜单拍下来，回头再好好读。
手写菜单能翻吗？ 有时候能，而且这是最难的一档。正对着拍、光线充足、让整张菜单填满画面，准确率会明显提升，别隔老远斜着拍。如果手写实在不行，问问有没有打印版，把墙上的菜牌一条条分开拍，或者退回去用手指。