BigDawnGhost/wenyi

# 文译 专注于将多语言 EPUB、FB2 或 TXT 小说翻译成中文，并尽量保留 EPUB 原排版、图片、目录和跳转。 项目的日常入口只有一个命令：`translate`。它会完成预扫、分析、翻译、可选润色、章末审校、标点规范化和 EPUB 导出；中断后可以继续跑。 ## 快速开始 uv sync export DEEPSEEK_API_KEY=sk-... uv run trans-novel translate book.epub 翻译完成后，默认会在源文件目录下生成译文 EPUB。运行状态、章节 JSON、术语库和报告会放在 `state/` 目录下。 中断后继续： uv run trans-novel resume book.epub 查看进度： uv run trans-novel status book.epub 仅重新导出 EPUB： uv run trans-novel tools assemble book.epub ## 输入和输出 - 输入：EPUB、FB2、TXT。 - 默认输出：中文 EPUB。 - EPUB 输入会按原 XHTML 模板回填译文，尽量保留原书样式、图片、目录和锚点。 - TXT 输入会生成新的 EPUB。 - 需要纯文本时使用 `--format txt`。 示例： uv run trans-novel translate book.epub uv run trans-novel translate book.epub --format txt uv run trans-novel translate book.epub --chapter 3 ## 常用开关 uv run trans-novel translate book.epub --polish uv run trans-novel translate book.epub --no-polish uv run trans-novel translate book.epub --qa uv run trans-novel translate book.epub --no-qa `--polish/--no-polish` 会覆盖 `config.yaml` 里的 `pipeline.polish`。当前仓库的 `config.yaml` 写的是 `polish: true`，所以不加参数时默认会润色；代码层面的缺省值是 `false`，只在配置文件没写该字段时生效。 润色会让每个翻译批次多一次 `strong` 档 LLM 请求，质量可能更稳，但会明显增加耗时和成本。已经翻译完成的批次会被断点续跑跳过，后来再开关润色不会自动重跑旧译文。 ## 配置 主要配置都在 `config.yaml`： - `language.source`: `auto` 由模型识别源语言，也可以写死语言代码，如 `ja`、`en`、`ko`、`ru`、`de` 等。 - `llm.tiers`: 配置 `strong`、`cheap`、`fast` 三档模型。 - `pipeline.review`: 章末审校。 - `pipeline.autofix_severe`: 对严重问题自动重译并采纳通过校验的结果。 - `pipeline.polish`: 翻译后再做中文润色。 - `pipeline.backtranslate_sample`: 回译抽检比例，`0` 为关闭。 - `pipeline.consistency_qa`: 全书跨章一致性扫描。 - `pipeline.book_understanding`: 翻译前预扫整本书，生成全书概览和逐章梗概。 - `pipeline.rolling_context_segments`: 每批翻译时带入的前文译文段数。 - `segment.max_chars_per_batch`: 每个翻译批次的大小。 - `segment.max_chars_per_segment`: 超长段落的拆分阈值。 离线测试或调试流程时，可以把 `llm.provider` 改成 `fake`，不会发网络请求。 ## 工作流程 默认连续流程大致是： 读取输入 → 解析章节、正文段落和 EPUB 目录 → 模型识别源语言（或使用配置指定语言） → 预扫整本书，生成全书概览和逐章梗概 → 分析样章，建立初始术语表 → 按章、按批翻译 → 可选润色 → 标点规范化 → 章末 review → 可选严重项自动重译 → 可选一致性 QA → 回填导出 EPUB/TXT 每个批次翻译完成后都会写入 `state/`，所以长书中断后可以续跑。已经有译文的批次会跳过，只补未完成部分。 ## 一致性机制 - **术语库**：人名、地名、专有名词和敬称会进入 SQLite 术语库，翻译时按配置注入提示词。 - **全书理解**：翻译前预扫源文，生成全书概览和章节梗概，让早期章节也能参考全书走向。 - **滚动上下文**：章内批次串行处理，后一个批次能看到前面最近几段译文。 - **段数对齐**：每批输入 N 段，要求模型输出 N 段 JSON；段数不符会重试，仍失败则逐段兜底。 - **章末 review**：按章检查漏译、误译、术语、人称等问题；默认只记录问题，是否自动修复由 `autofix_severe` 控制。 - **标点规范化**：译文统一为简体中文大陆常用全角标点。 ## 常用工具 uv run trans-novel tools glossary book.epub list uv run trans-novel tools glossary book.epub conflicts uv run trans-novel tools qa book.epub uv run trans-novel tools report book.epub uv run trans-novel tools assemble book.epub 这些工具主要用于查看术语库、检查一致性、生成报告或重新导出成品。QA 和报告默认只汇总问题，不会自动改正文。 ## 模型档位 默认配置使用 DeepSeek，并通过 OpenAI SDK 调用 `https://api.deepseek.com`。 - `strong`: 翻译、润色、全局分析、标题翻译。 - `cheap`: 章末 review、一致性 QA、回译比对。 - `fast`: 全书预扫、章节梗概、术语抽取、回译等机械任务。 如果模型 ID 变化，直接改 `config.yaml` 里的 `llm.tiers`。 ## 项目结构 trans_novel/ ingest/ 输入解析、EPUB/FB2/TXT 切分 llm/ LLM 抽象接口、DeepSeek provider、FakeClient glossary/ SQLite 术语库、抽取、冲突处理 agents/ 分析、翻译、审校、润色、一致性、提示词 pipeline/ 编排器、断点状态、滚动上下文、校验 postprocess/ 标点规范化 assemble/ EPUB/TXT 回填导出、QA 报告 tests/ 离线测试 ## 测试 UV_CACHE_DIR=/tmp/uv-cache uv run python -m unittest discover -s tests 如果本机 `uv` 缓存目录可写，也可以直接运行： uv run python -m unittest discover -s tests ## 憧憬与不足 本项目为作者个人兴趣所开发，仅在于针对长文本书籍的译介做出一份微薄的努力，未来想让翻译在够准确的前提下更加顺畅，努力从可读向好读迈进。现阶段翻译文本一些口头禅前后翻译不一致，专有名词翻译不准确的问题，已经改进！如果还有什么问题，可以提交issue，如果你有什么想法，欢迎在讨论区提出，如果你有一定的编程能力，欢迎给我提交PR，让这个项目变得更好。👏 ## 星标历史

标签：AI翻译, DeepSeek, EPUB, Python, 无后门, 熵值分析, 电子书, 翻译工具, 逆向工具