BabelDOC 快速上手免费保留排版的 PDF 双语翻译怎么做【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOCBabelDOC 是一款免费的开源 PDF 翻译工具它能把英文论文、技术文档翻成中文同时把公式、表格、双栏排版原样保留最后输出一份原文和译文并排对照的双语 PDF。这篇文章不堆概念我用自己跑它的经验带你从装好它到第一次翻译再到怎么省钱提速一步步走通。装好它其实只要两行命令我习惯用 uv 来装隔离干净也不污染系统环境。先装好 uv再执行uv tool install --python 3.12 BabelDOC babeldoc --help看到帮助信息就说明工具链通了。如果你更想改源码、调试也可以直接 clone 下来跑git clone https://gitcode.com/GitHub_Trending/ba/BabelDOC cd BabelDOC uv run babeldoc --help装完不用急着翻译建议先跑一次--warmup它会提前把字体、模型这些离线资源下载并校验好后面正式翻的时候就不用等下载了。第一次跑通一条命令产出双语 PDFBabelDOC 翻译得调一个 LLM 接口它支持任何 OpenAI 兼容的服务。最简的一条命令长这样babeldoc --files paper.pdf \ --lang-in en --lang-out zh \ --openai --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key 你的key跑完会在当前目录或用--output指定目录生成两份文件一份是原文译文并排的双语版一份是纯译文版。想只留其中一种用--no-dual或--no-mono关掉另一个就行。我第一次翻完最直观的感受是原来英文里的公式和图还在原来的位置中文译文紧挨着而不是被拆到别处。这正是它和普通截图翻译最大的区别。公式、表格这些硬骨头怎么保很多人担心翻译会把公式搅乱。BabelDOC 的思路是先把 PDF 拆成结构化的中间表示文本归文本、公式和图形归图形翻译只动文本块公式区域原封不动。整个过程在 docs/ImplementationDetails/ 里有分章节的实现说明PDF 解析对应PDFParsing/公式与样式处理对应StylesAndFormulas/排版对应Typesetting/。这里要诚实说几句它的边界来自官方 README 的已知问题目前不支持线这类独立图形也不支持首字下沉作者栏和参考文献区偶尔会被并成一段。所以翻完最好还是翻一遍关键页别全盲信。扫描版和低配电脑照样能翻扫描版 PDF它会自动检测文档是不是扫描件DetectScannedFile阶段。如果你确认文档是扫描的可以加--skip-scanned-detection跳过检测提速对白底黑字的扫描件还能开--ocr-workaround在译文下垫白块、文字强制转黑让覆盖更干净。低配机器默认并发不算低内存吃紧时把并发调小即可比如--qps 2 --pool-max-workers 2让翻译线程数降下来机器就能喘口气。大文档还能用--max-pages-per-part 50自动切块翻译、翻完再拼回去避免一次性撑爆内存。术语老是不一致术语表 自动抽取系列文档翻着翻着同一个词一会儿一个译名很头疼。BabelDOC 有两招自定义术语表准备一个 CSV列是source、target可选tgt_lng指定目标语言用--glossary-files 术语.csv挂上。翻的时候它会检查当前文本段里有没有术语命中就塞进提示词里强制遵守。仓库里有个现成样例可以参考docs/example/demo_glossary.csv。自动术语抽取默认是开着的它会自己从文档里抽高频术语并保持一致如果某次想用纯术语表、不想它自作主张加--no-auto-extract-glossary关掉即可。我的经验是核心术语自己写进 CSV 锁死剩下的交给自动抽取兜底效果最稳。翻得慢、翻得贵用缓存和分块省翻译接口是按量计费的重复翻译同一段纯属浪费钱。BabelDOC 内置了一个基于 SQLite 的翻译缓存实现在 babeldoc/translator/ 的cache.py相同文本第二次遇到直接命中缓存、不再发请求缓存还会自动清理只保留最近约 5 万条。想强制全部重翻加--ignore-cache即可。想把常用的参数固定下来、不每次敲一串可以写成 TOML 配置文件用--config babel.toml加载里面可以一次性写死模型、语言、并发、水印模式这些改配置比改命令行舒服多了。几个容易踩的坑输出带水印默认会给译文 PDF 加水印。想要干净版本用--watermark-output-mode no_watermark想两个都留就选both。个别 PDF 读着不兼容先试--enhance-compatibility它等价于一次性打开几个兼容性增强开关。语言支持以中英互译打磨最充分其他语言可用但官方标注尚未充分测试完整清单见 docs/supported_languages.md。无网环境部署先在联网机器--generate-offline-assets 目录生成离线资源包再在目标机--restore-offline-assets 包.zip恢复适合机房、内网这类场景。去哪看更多想深入原理官方文档在 docs/里面有 PDF 解析、段落切分、样式与公式、排版等分模块的实现细节文档想看各种排版结构的示例基础、公式、表格、图文混排、复杂版面examples/ 下有一份份对照 XML。BabelDOC 定位是可以被别的程序嵌入的翻译引擎所以命令行和 API 更多是面向集成场景日常用命令行翻译也完全够。先把第一份双语 PDF 跑出来比读十篇文档都管用。【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 BabelDOC 快速上手：免费保留排版的 PDF 双语翻译怎么做
BabelDOC 快速上手免费保留排版的 PDF 双语翻译怎么做【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOCBabelDOC 是一款免费的开源 PDF 翻译工具它能把英文论文、技术文档翻成中文同时把公式、表格、双栏排版原样保留最后输出一份原文和译文并排对照的双语 PDF。这篇文章不堆概念我用自己跑它的经验带你从装好它到第一次翻译再到怎么省钱提速一步步走通。装好它其实只要两行命令我习惯用 uv 来装隔离干净也不污染系统环境。先装好 uv再执行uv tool install --python 3.12 BabelDOC babeldoc --help看到帮助信息就说明工具链通了。如果你更想改源码、调试也可以直接 clone 下来跑git clone https://gitcode.com/GitHub_Trending/ba/BabelDOC cd BabelDOC uv run babeldoc --help装完不用急着翻译建议先跑一次--warmup它会提前把字体、模型这些离线资源下载并校验好后面正式翻的时候就不用等下载了。第一次跑通一条命令产出双语 PDFBabelDOC 翻译得调一个 LLM 接口它支持任何 OpenAI 兼容的服务。最简的一条命令长这样babeldoc --files paper.pdf \ --lang-in en --lang-out zh \ --openai --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key 你的key跑完会在当前目录或用--output指定目录生成两份文件一份是原文译文并排的双语版一份是纯译文版。想只留其中一种用--no-dual或--no-mono关掉另一个就行。我第一次翻完最直观的感受是原来英文里的公式和图还在原来的位置中文译文紧挨着而不是被拆到别处。这正是它和普通截图翻译最大的区别。公式、表格这些硬骨头怎么保很多人担心翻译会把公式搅乱。BabelDOC 的思路是先把 PDF 拆成结构化的中间表示文本归文本、公式和图形归图形翻译只动文本块公式区域原封不动。整个过程在 docs/ImplementationDetails/ 里有分章节的实现说明PDF 解析对应PDFParsing/公式与样式处理对应StylesAndFormulas/排版对应Typesetting/。这里要诚实说几句它的边界来自官方 README 的已知问题目前不支持线这类独立图形也不支持首字下沉作者栏和参考文献区偶尔会被并成一段。所以翻完最好还是翻一遍关键页别全盲信。扫描版和低配电脑照样能翻扫描版 PDF它会自动检测文档是不是扫描件DetectScannedFile阶段。如果你确认文档是扫描的可以加--skip-scanned-detection跳过检测提速对白底黑字的扫描件还能开--ocr-workaround在译文下垫白块、文字强制转黑让覆盖更干净。低配机器默认并发不算低内存吃紧时把并发调小即可比如--qps 2 --pool-max-workers 2让翻译线程数降下来机器就能喘口气。大文档还能用--max-pages-per-part 50自动切块翻译、翻完再拼回去避免一次性撑爆内存。术语老是不一致术语表 自动抽取系列文档翻着翻着同一个词一会儿一个译名很头疼。BabelDOC 有两招自定义术语表准备一个 CSV列是source、target可选tgt_lng指定目标语言用--glossary-files 术语.csv挂上。翻的时候它会检查当前文本段里有没有术语命中就塞进提示词里强制遵守。仓库里有个现成样例可以参考docs/example/demo_glossary.csv。自动术语抽取默认是开着的它会自己从文档里抽高频术语并保持一致如果某次想用纯术语表、不想它自作主张加--no-auto-extract-glossary关掉即可。我的经验是核心术语自己写进 CSV 锁死剩下的交给自动抽取兜底效果最稳。翻得慢、翻得贵用缓存和分块省翻译接口是按量计费的重复翻译同一段纯属浪费钱。BabelDOC 内置了一个基于 SQLite 的翻译缓存实现在 babeldoc/translator/ 的cache.py相同文本第二次遇到直接命中缓存、不再发请求缓存还会自动清理只保留最近约 5 万条。想强制全部重翻加--ignore-cache即可。想把常用的参数固定下来、不每次敲一串可以写成 TOML 配置文件用--config babel.toml加载里面可以一次性写死模型、语言、并发、水印模式这些改配置比改命令行舒服多了。几个容易踩的坑输出带水印默认会给译文 PDF 加水印。想要干净版本用--watermark-output-mode no_watermark想两个都留就选both。个别 PDF 读着不兼容先试--enhance-compatibility它等价于一次性打开几个兼容性增强开关。语言支持以中英互译打磨最充分其他语言可用但官方标注尚未充分测试完整清单见 docs/supported_languages.md。无网环境部署先在联网机器--generate-offline-assets 目录生成离线资源包再在目标机--restore-offline-assets 包.zip恢复适合机房、内网这类场景。去哪看更多想深入原理官方文档在 docs/里面有 PDF 解析、段落切分、样式与公式、排版等分模块的实现细节文档想看各种排版结构的示例基础、公式、表格、图文混排、复杂版面examples/ 下有一份份对照 XML。BabelDOC 定位是可以被别的程序嵌入的翻译引擎所以命令行和 API 更多是面向集成场景日常用命令行翻译也完全够。先把第一份双语 PDF 跑出来比读十篇文档都管用。【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考