Hace poco, un amigo me habló de las herramientas modernas para traducir videojuegos.
Seleccionas una zona de la pantalla, el programa lee el texto que aparece allí y muestra la traducción en una ventana semitransparente. Puede haber algo de retraso, pero si la traducción usa un LLM, no se limita a sustituir palabras: puede reinterpretar el diálogo de forma mucho más natural.
Mi primera reacción fue bastante simple:
“¿Ya estamos en el punto en que se puede jugar a un título extranjero sin esperar un parche de traducción?”
Y entonces la investigación se descarriló por completo.
El OCR lee la pantalla.
El modelo de traducción interpreta el significado.
El overlay vuelve a colocar el resultado sobre la interfaz original.
Ese esquema no sirve solo para videojuegos.
Si ya existe un sistema editorial capaz de producir artículos de alta calidad en 12 idiomas, ¿por qué no mantener esos 12 como núcleo premium y utilizar un modelo local de traducción para distribuir únicamente los artículos populares en muchos otros idiomas de cola larga, sin aumentar casi el gasto de API?
Empezamos hablando de subtítulos de videojuegos.
Terminamos hablando de arquitectura global de publicación.
1. La traducción de videojuegos en tiempo real son, en realidad, cuatro piezas
Vista desde fuera, una capa de traducción en tiempo real parece magia.
Desmontada, resulta todavía más interesante.
El flujo básico es:
- Capturar una región determinada de la pantalla del juego.
- Usar OCR para convertir el texto de la imagen en texto procesable.
- Traducirlo con un motor de traducción, NMT o un LLM.
- Dibujar el resultado de nuevo sobre el juego mediante una capa semitransparente.
Ya existen proyectos públicos para Windows con este diseño. OverlayTranslate aplica OCR a una zona de la pantalla y coloca la traducción sobre la posición original. SubLens vigila de forma continua una región del juego, detecta nuevo texto, lo traduce y lo muestra en un overlay transparente.[1][2]
Antes era: “captura de pantalla, abrir una web, pegar, leer y volver al juego”.
Ahora se parece más a: “dile al intérprete dónde tiene que mirar y déjalo trabajando al lado del juego”.
La humanidad, por lo visto, ha decidido invocar intérpretes residentes junto a cada RPG sin localizar.
2. Google Lens es útil, pero no es lo mismo que un overlay persistente para juegos
Google Lens puede reconocer objetos y texto en imágenes, seleccionar texto y traducirlo.[3]
Google Translate también permite traducir imágenes. En PC se puede subir una imagen y traducir el texto que contiene; en el móvil existe traducción mediante cámara. Google advierte además de que el texto pequeño, borroso o con tipografías muy estilizadas puede reducir la precisión.[4]
Por tanto, Lens se parece mucho a los “ojos” del sistema.
Pero la herramienta que describía mi amigo da un paso más.
Lens es “lee esta imagen”.
Un overlay para videojuegos es “vigila esta zona continuamente y procesa cualquier diálogo nuevo”.
La diferencia no está solo en la calidad de la traducción.
Captura continua, detección de cambios, caché, control del foco de ventana y redibujado del texto en la posición correcta son detalles poco glamorosos que hacen que el sistema resulte cómodo durante una partida.
La IA se lleva el titular.
La fontanería es lo que te permite terminar el juego.
3. “Google Translate no es un LLM, ¿verdad?” ya no tiene una respuesta tan simple en 2026
Si pensamos en el Google Translate de hace años, era razonable separarlo de sistemas como ChatGPT.
Durante mucho tiempo, Google Translate se apoyó en traducción automática neuronal especializada.
Pero en diciembre de 2025 Google anunció que incorporaba capacidades de traducción de Gemini a la traducción de texto de Google Translate, con especial atención a expresiones idiomáticas, jerga y frases dependientes del contexto.[5]
En febrero de 2026 amplió Translate con alternativas y explicaciones impulsadas por las capacidades multilingües de Gemini.[6]
Y para voz, Google anunció Gemini 3.5 Live Translate, con traducción casi en tiempo real de voz a voz en más de 70 idiomas.[7]
Así que en 2026 decir simplemente “Google Translate no es un LLM” resulta demasiado tosco.
Pero tampoco conviene asumir lo contrario: que cada petición de Translate pasa literalmente por una sesión genérica de chat de Gemini.
Google ha explicado que capacidades de Gemini están integradas en Translate, no toda su arquitectura interna de enrutamiento.
La frontera se está difuminando.
4. Google Translate gratuito para consumidores y una API de automatización no son lo mismo
En este punto aparece una idea inevitable:
“Entonces traduzcamos todos los artículos gratis con Google Translate.”
Tentador.
Pero usar una interfaz de consumo sin pagar por carácter no significa disponer de una API oficial, ilimitada y gratuita para automatización masiva.
En Cloud Translation, el NMT estándar incluye actualmente un crédito mensual para los primeros 500.000 caracteres; después, el precio estándar indicado es de 20 dólares por millón de caracteres.[8]
Supongamos un artículo de 5.000 caracteres.
Traducirlo a 50 idiomas son 250.000 caracteres.
Dos artículos consumen 500.000.
Diez artículos populares al mes traducidos a 50 idiomas suman 2,5 millones de caracteres. Restando la parte gratuita, 2 millones facturables costarían aproximadamente 40 dólares a la tarifa estándar.
Es barato.
Pero no es cero.
Google Cloud también publica precios separados de entrada y salida para su Translation LLM.[8]
Si el requisito es no tener factura recurrente de API, la solución más limpia no es multiplicar indefinidamente la traducción en la nube. Es crear un carril local.
5. Los modelos locales son la vía natural para un carril sin coste de API
Aquí entran los modelos de traducción locales.
MADLAD-400-3B-MT, publicado por Google en Hugging Face, aparece con soporte para 419 idiomas y licencia Apache 2.0.[9]
Si se ejecuta en una máquina propia, no hay una factura de API por cada traducción.
Eso no significa que el coste real sea literalmente cero.
Usa CPU o GPU.
Consume electricidad.
Consume tiempo.
Pero desaparece el modelo de coste en el que cada carácter adicional implica pagar más a un proveedor de nube.
La advertencia importante es que “419 idiomas compatibles” no significa “calidad humana en los 419”.
La calidad puede variar mucho, especialmente en idiomas con pocos recursos.
Por tanto, la traducción local no debería sustituir el núcleo premium de 12 idiomas.
Debería ser la capa experimental barata para idiomas que antes no compensaba probar.
6. Aquí el tema salta de los juegos a la fábrica de artículos: los 12 idiomas de calidad se conservan
Si un sistema editorial ya genera versiones de alta calidad en 12 idiomas con LLM, no tiene sentido degradarlas a traducción barata.
Esos 12 son la nave nodriza.
Imaginemos un núcleo con japonés, inglés, coreano, chino simplificado, chino tradicional, español, portugués de Brasil, indonesio, tailandés, vietnamita, francés y alemán.
Si esas versiones ya han pasado por limpieza de contexto, adaptación natural, ajuste de encabezados y controles de calidad, no son simplemente 12 traducciones.
Son 12 representaciones semánticas ya depuradas.
Para crear un idioma adicional no es obligatorio traducir siempre desde japonés.
En algunos destinos, inglés, español o indonesio pueden funcionar mejor como idioma puente.
Sin embargo, las cadenas de traducción pueden acumular error.
Por eso no conviene elegir el idioma padre solo por intuición lingüística. Hay que comparar varias fuentes con un pequeño benchmark y fijar para cada destino la ruta que mejor conserve números, nombres propios, negaciones, matices y sentido general.
7. No hagas “todos los artículos × todos los idiomas”. La popularidad es el filtro
Esta es la parte más atractiva.
Tener 5.000 artículos no obliga a traducir 5.000 artículos a 100 idiomas.
Empieza por los populares.
Por ejemplo, con las visitas de los últimos 30 días:
- Top 10: 50 idiomas adicionales.
- Puestos 11–50: 20 idiomas adicionales.
- Resto: solo los 12 idiomas premium.
O más simple: cada día se toman los 20 artículos principales y solo se traducen las combinaciones artículo-idioma que todavía no existen.
Una traducción creada queda como activo.
Así, cada día el mapa del mundo se va rellenando un poco, empezando por contenido que ya ha demostrado demanda.
No es “construir una base completa en todos los países el primer día”.
Es “enviar exploradores casi gratuitos y desplegar recursos serios solo donde hay respuesta”.
Más inteligente.
Y mucho más amable con la cartera.
8. Tres niveles de idioma permiten que la demanda decida dónde invertir calidad
Los nuevos idiomas pueden dividirse en tres niveles.
Core: los 12 actuales de alta calidad. Localización con LLM, QC estricto y todos los artículos.
Growth: idiomas adicionales que ya generan tráfico real. La traducción local sigue siendo la base, pero aumenta la cobertura.
Experimental: idiomas de demanda desconocida. Solo reciben artículos populares y, al principio, se puede limitar su indexación.
Después se promocionan según visitas, lectura completa, clics al siguiente artículo y retorno.
Si un idioma Experimental no recibe lectores, se queda como está.
Si el polaco empieza a funcionar, pasa a Growth.
Si el turco crece de forma estable y el comportamiento del lector es bueno, se convierte en candidato a Core.
Así se reduce la necesidad de reunirse para adivinar “qué idioma será el siguiente en despegar”.
La traducción se convierte en investigación de mercado.
9. Para mantener el sistema gratuito, el primer QC debe funcionar sin LLM
Si cada nueva traducción acaba en ChatGPT con la pregunta “¿está bien?”, la estrategia gratuita deja de ser gratuita.
La primera capa de QC debería ser código determinista.
Se pueden comprobar muchas cosas:
- conservación de números, porcentajes, divisas y fechas;
- URLs sin cambios;
- recuento de encabezados;
- estructura Markdown o HTML válida;
- títulos y descripciones no vacíos;
- exceso de texto en el idioma original;
- compatibilidad aproximada con la escritura esperada;
- posibles pérdidas de negación;
- deformaciones extrañas de nombres propios;
- longitudes absurdamente cortas o largas.
Si hace falta, se puede volver a traducir localmente al inglés y marcar solo las desviaciones semánticas grandes.
No es una evaluación perfecta.
Pero ayuda mucho a impedir que traducciones rotas se publiquen en masa.
La inteligencia cara del LLM debería reservarse para casos sospechosos, no para revisar absolutamente todo.
10. “100 idiomas” importa menos que evitar convertirlos en 100 montones de basura
Queda una última trampa.
Crear versiones en 100 idiomas no multiplica automáticamente por 100 el tráfico de búsqueda.
Google Search Central recomienda URLs distintas para cada versión lingüística y anotaciones hreflang para relacionarlas. También recomienda que el idioma visible de cada página sea claro, tanto en el contenido como en la navegación.[10]
Google también incluye la generación masiva de páginas de poco valor mediante transformaciones automáticas, incluida la traducción, como ejemplo de scaled content abuse cuando el objetivo principal es manipular rankings en lugar de ayudar a usuarios.[11]
Por tanto, no hace falta indexar cada página Experimental en cuanto se crea.
Se puede empezar con noindex.
Observar calidad y demanda.
Promover al índice solo los idiomas que superen el control.
El usuario debe poder leer realmente la página.
La interfaz también debe estar localizada.
Las URLs de idioma y hreflang deben ser correctas.
El significado debe mantenerse.
Y el artículo de origen debe tener valor real.
Solo entonces “más idiomas” se convierte en un activo en vez de una máquina multiplicadora de basura.
Todo empezó con un amigo hablando de videojuegos.
“Parece que ya puedes leer una zona de la pantalla, traducirla de forma natural con un LLM y superponer el resultado.”
Eso llevó a Google Lens, luego a la frontera cambiante entre Google Translate y los LLM, después a los precios de las API y finalmente a los modelos locales.
El diseño final fue sorprendentemente sencillo:
mantener intactos los 12 idiomas premium;
usar traducción local para distribuir solo los artículos populares en idiomas adicionales con un coste marginal de API casi nulo;
y elevar únicamente los idiomas en los que aparezca demanda real.
Empezamos superponiendo un subtítulo traducido a un juego.
Acabamos superponiendo capas lingüísticas a todo un sistema editorial.
La reutilización tecnológica suele empezar con este tipo de desviación perfectamente razonable.
- OverlayTranslate — Windows overlay translation tool using OCR and multiple translation engines github.com
- SubLens — real-time OCR-powered game dialog translator with continuous scan and transparent overlay github.com
- Google Search Help — Google Lens can select text and translate supported text through Google Translate support.google.com
- Google Translate Help — image translation on desktop and mobile; Google notes lower accuracy for small, unclear, or stylized text support.google.com
- Google, 2025-12-12 — Bringing state-of-the-art Gemini translation capabilities to Google Translate blog.google
- Google, 2026-02-26 — AI-powered context and translation alternatives in Google Translate using Gemini capabilities blog.google
- Google, 2026-06-09 — Gemini 3.5 Live Translate, near-real-time speech-to-speech translation in more than 70 languages blog.google
- Google Cloud Translation pricing — NMT first 500,000 characters per month covered by free credit, then standard per-character pricing; Translation LLM priced separately cloud.google.com
- Google MADLAD-400-3B-MT on Hugging Face — 419 languages listed, Apache 2.0 huggingface.co
- Google Search Central — Managing multi-regional and multilingual sites; separate URLs and hreflang guidance developers.google.com
- Google Search Central — Spam policies; scaled content abuse includes low-value pages generated through automated transformations such as translating when created primarily to manipulate rankings developers.google.com
