BabelDOC 完整指南保留原排版的双语 PDF 翻译工具【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOCBabelDOC 是一个开源的 PDF 翻译与双语对照工具它先解析 PDF 的版面结构与字体信息再调用大模型翻译正文最后把整份文档重新排版生成。与在原版上贴字的 OCR 方案不同它同时产出双语对照 PDF 和纯译文 PDF公式、表格与图像按原始结构重建而不是覆盖。 项目速览维度说明是什么开源命令行工具亦可作为 Python 库被其他程序调用给谁用阅读外文论文的科研人员、多语言文档读者、需要内嵌文档翻译能力的开发者核心卖点双语并排排版、版面重建而非贴图、支持数十种语言代码翻译引擎任意 OpenAI 兼容的 LLM 接口本地 Ollama 也可以接入最终产出双语 PDF并排或隔页两种版式 单语译文 PDF速览表交代了它的定位与产出下面把命令跑通。 从 0 到 1 跑通安装走 uv一条命令完成uv tool install --python 3.12 BabelDOC首次翻译只需给出模型、接口地址、密钥与输入文件babeldoc --openai --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key your-api-key-here \ --files example.pdf运行结束后当前目录会生成带水印的双语 PDF 与单语 PDF。想跑源码版本的话先 clone 仓库 https://gitcode.com/GitHub_Trending/ba/BabelDOC 进入目录把babeldoc换成uv run babeldoc即可。 能力拆解解析环节。解析基于内置的 pdfminer 与 PyMuPDF 读取 PDF 对象流和文本定位转成一份中间表示IL让读懂文档与产出文档彻底解耦这也是它能保持版面的基础。翻译环节。翻译请求异步并发发出同一文本本地缓存避免重复计费文档中高频出现的术语会被自动提取并回填进提示词公式则用占位符隔离模型不会误改符号。格式保真。输出不是在原 PDF 上叠加文字而是重排一份新文档公式与图像保留原位表格维持行列结构译文字体自动贴近原文风格双语版支持并排与隔页两种布局还能用--dual-translate-first把译文页放在前面。语言覆盖。语言代码通过--lang-in与--lang-out设置默认英译中不依赖连字的语言保真度最好依赖连字较多的语言部分印地系文字暂不支持完整清单见 supported_languages.md。四个环节都清楚后再看几个日常最常用的调优开关。⚙️ 进阶玩法术语表约束专有名词。准备一份 CSV 后通过--glossary-files传入命中词会被强制写入提示词source,target,tgt_lng fine-tuning,微调,zh-CN attention mechanism,注意力机制,zh-CN大文档分片翻译。--max-pages-per-part指定每片页数例如 50文档会自动切片翻译再合并回一份避免长文档中途失败推倒重来。吞吐与并发。--qps控制请求速率默认 4--pool-max-workers直接设定内部线程池规模追求速度时两者一起上调受限于接口方配额。缓存与重翻。翻译结果默认落缓存同一文档二次处理几乎零成本确认要重新生成时加--ignore-cache。扫描件则用--ocr-workaround在译文下方铺白底黑字盖住原文--auto-enable-ocr-workaround可让工具自行判断是否触发。参数说到底服务于具体的人以下三类用户收益最直接。 谁适合用科研人员读外文期刊与技术报告 → 用双语并排版精读再挂一份学科术语表统一关键概念。商务与多语言办公人群合同、报告要求措辞一致 → 术语表锁定专有名词老版本阅读器打不开时加--enhance-compatibility。开发者与私有化部署把 PDF 翻译能力接进自己的产品 → 用--generate-offline-assets导出模型与字体资源包在无外网环境用--restore-offline-assets恢复。对内部实现感兴趣的读者代码可以按四个块来理解。️ 架构速览babeldoc/format/pdf/PDF 解析、字体与 cmap 处理负责把原始文件读成结构化数据。babeldoc/format/pdf/document_il/中间表示层包含布局识别、段落发现、样式与公式处理、排版与 PDF 生成是整条流水线的核心。babeldoc/translator/异步翻译调度与结果缓存对接 OpenAI 兼容接口。babeldoc/docvision/文档版面检测模型含表格检测为段落识别提供区域依据。各阶段的执行顺序与原理另见 docs/ImplementationDetails/按解析、段落、样式、翻译、排版、生成的实际执行顺序逐一展开。结构讲到这里剩下的是大家实际会撞上的问题。 高频问题直答Q能完全离线跑吗A翻译本身依赖 LLM但可以把它指向本地模型用--generate-offline-assets提前打包模型与字体即可在无外网环境部署整套 PDF 翻译流程。Q怎么接入 Ollama 之类的本地服务A把--openai-base-url指到本地暴露的 OpenAI 兼容地址即可--openai-api-key随便填一个非空字符串。Q扫描件怎么处理A--ocr-workaround在译文下垫白底黑字覆盖原文--auto-enable-ocr-workaround会自动检测扫描页占比并决定是否启用前提大致是白底黑字。Q想去掉译文页上的水印A--watermark-output-mode no_watermark即可both可以同时输出带水印与不带水印两份。Q有些阅读器打开输出文件会报错A先试--enhance-compatibility它等价于同时开启--skip-clean、--dual-translate-first与--disable-rich-text-translate三项兼容开关。项目目前由维护者主导开发欢迎提交可复现 PDF 的 bug 报告、文档勘误和小幅兼容修复涉及解析、渲染、翻译行为改动的代码建议先开 issue 讨论再提交。入口见 CONTRIBUTING.md。装好 uv、跑完上面那两条命令再把一份搁置已久读不动的外文 PDF 丢给它——几分钟后你会拿到一版可以对照精读的双语文档。【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 完整指南：保留原排版的双语 PDF 翻译工具
BabelDOC 完整指南保留原排版的双语 PDF 翻译工具【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOCBabelDOC 是一个开源的 PDF 翻译与双语对照工具它先解析 PDF 的版面结构与字体信息再调用大模型翻译正文最后把整份文档重新排版生成。与在原版上贴字的 OCR 方案不同它同时产出双语对照 PDF 和纯译文 PDF公式、表格与图像按原始结构重建而不是覆盖。 项目速览维度说明是什么开源命令行工具亦可作为 Python 库被其他程序调用给谁用阅读外文论文的科研人员、多语言文档读者、需要内嵌文档翻译能力的开发者核心卖点双语并排排版、版面重建而非贴图、支持数十种语言代码翻译引擎任意 OpenAI 兼容的 LLM 接口本地 Ollama 也可以接入最终产出双语 PDF并排或隔页两种版式 单语译文 PDF速览表交代了它的定位与产出下面把命令跑通。 从 0 到 1 跑通安装走 uv一条命令完成uv tool install --python 3.12 BabelDOC首次翻译只需给出模型、接口地址、密钥与输入文件babeldoc --openai --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key your-api-key-here \ --files example.pdf运行结束后当前目录会生成带水印的双语 PDF 与单语 PDF。想跑源码版本的话先 clone 仓库 https://gitcode.com/GitHub_Trending/ba/BabelDOC 进入目录把babeldoc换成uv run babeldoc即可。 能力拆解解析环节。解析基于内置的 pdfminer 与 PyMuPDF 读取 PDF 对象流和文本定位转成一份中间表示IL让读懂文档与产出文档彻底解耦这也是它能保持版面的基础。翻译环节。翻译请求异步并发发出同一文本本地缓存避免重复计费文档中高频出现的术语会被自动提取并回填进提示词公式则用占位符隔离模型不会误改符号。格式保真。输出不是在原 PDF 上叠加文字而是重排一份新文档公式与图像保留原位表格维持行列结构译文字体自动贴近原文风格双语版支持并排与隔页两种布局还能用--dual-translate-first把译文页放在前面。语言覆盖。语言代码通过--lang-in与--lang-out设置默认英译中不依赖连字的语言保真度最好依赖连字较多的语言部分印地系文字暂不支持完整清单见 supported_languages.md。四个环节都清楚后再看几个日常最常用的调优开关。⚙️ 进阶玩法术语表约束专有名词。准备一份 CSV 后通过--glossary-files传入命中词会被强制写入提示词source,target,tgt_lng fine-tuning,微调,zh-CN attention mechanism,注意力机制,zh-CN大文档分片翻译。--max-pages-per-part指定每片页数例如 50文档会自动切片翻译再合并回一份避免长文档中途失败推倒重来。吞吐与并发。--qps控制请求速率默认 4--pool-max-workers直接设定内部线程池规模追求速度时两者一起上调受限于接口方配额。缓存与重翻。翻译结果默认落缓存同一文档二次处理几乎零成本确认要重新生成时加--ignore-cache。扫描件则用--ocr-workaround在译文下方铺白底黑字盖住原文--auto-enable-ocr-workaround可让工具自行判断是否触发。参数说到底服务于具体的人以下三类用户收益最直接。 谁适合用科研人员读外文期刊与技术报告 → 用双语并排版精读再挂一份学科术语表统一关键概念。商务与多语言办公人群合同、报告要求措辞一致 → 术语表锁定专有名词老版本阅读器打不开时加--enhance-compatibility。开发者与私有化部署把 PDF 翻译能力接进自己的产品 → 用--generate-offline-assets导出模型与字体资源包在无外网环境用--restore-offline-assets恢复。对内部实现感兴趣的读者代码可以按四个块来理解。️ 架构速览babeldoc/format/pdf/PDF 解析、字体与 cmap 处理负责把原始文件读成结构化数据。babeldoc/format/pdf/document_il/中间表示层包含布局识别、段落发现、样式与公式处理、排版与 PDF 生成是整条流水线的核心。babeldoc/translator/异步翻译调度与结果缓存对接 OpenAI 兼容接口。babeldoc/docvision/文档版面检测模型含表格检测为段落识别提供区域依据。各阶段的执行顺序与原理另见 docs/ImplementationDetails/按解析、段落、样式、翻译、排版、生成的实际执行顺序逐一展开。结构讲到这里剩下的是大家实际会撞上的问题。 高频问题直答Q能完全离线跑吗A翻译本身依赖 LLM但可以把它指向本地模型用--generate-offline-assets提前打包模型与字体即可在无外网环境部署整套 PDF 翻译流程。Q怎么接入 Ollama 之类的本地服务A把--openai-base-url指到本地暴露的 OpenAI 兼容地址即可--openai-api-key随便填一个非空字符串。Q扫描件怎么处理A--ocr-workaround在译文下垫白底黑字覆盖原文--auto-enable-ocr-workaround会自动检测扫描页占比并决定是否启用前提大致是白底黑字。Q想去掉译文页上的水印A--watermark-output-mode no_watermark即可both可以同时输出带水印与不带水印两份。Q有些阅读器打开输出文件会报错A先试--enhance-compatibility它等价于同时开启--skip-clean、--dual-translate-first与--disable-rich-text-translate三项兼容开关。项目目前由维护者主导开发欢迎提交可复现 PDF 的 bug 报告、文档勘误和小幅兼容修复涉及解析、渲染、翻译行为改动的代码建议先开 issue 讨论再提交。入口见 CONTRIBUTING.md。装好 uv、跑完上面那两条命令再把一份搁置已久读不动的外文 PDF 丢给它——几分钟后你会拿到一版可以对照精读的双语文档。【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