coder
0384403c4c
功能: - 从PDF提取文本并翻译成中文 - 支持Markdown/TXT/JSON输出格式 - 上下文连贯翻译 - 自动重试机制 配置: - API: http://192.168.2.5:1234/v1 - 模型: qwen/qwen3.5-35b-a3b
87 lines
2.1 KiB
Markdown
87 lines
2.1 KiB
Markdown
# 英文PDF翻译中文工具
|
||
|
||
基于本地 LLM 服务（Qwen3.5）的英文PDF自动翻译工具。
|
||
|
||
## 功能特点
|
||
|
||
- ✅ 从 PDF 提取文本并翻译成中文
|
||
- ✅ 保持原文段落结构
|
||
- ✅ 支持多种输出格式 (Markdown/TXT/JSON)
|
||
- ✅ 上下文连贯翻译
|
||
- ✅ 自动重试机制
|
||
|
||
## 快速使用
|
||
|
||
```bash
|
||
# 翻译 PDF 为 Markdown
|
||
python translate_pdf.py input.pdf output.md
|
||
|
||
# 指定输出格式
|
||
python translate_pdf.py input.pdf output.txt --format txt
|
||
|
||
# JSON 格式（包含原文对照）
|
||
python translate_pdf.py input.pdf output.json --format json
|
||
|
||
# 测试 LLM 连接
|
||
python translate_pdf.py --test
|
||
```
|
||
|
||
## 配置说明
|
||
|
||
修改 `translate_pdf.py` 中的 `CONFIG` 部分：
|
||
|
||
```python
|
||
CONFIG = {
|
||
"api_base": "http://192.168.2.5:1234/v1", # LLM API 地址
|
||
"api_key": "sk-lm-fuP5tGU8:Hi7YU87jHyDP6Ay8Tl2j", # API Key
|
||
"model": "qwen/qwen3.5-35b-a3b", # 模型名称
|
||
"chunk_size": 2000, # 每次翻译字符数
|
||
"max_tokens": 8000, # 最大输出 token（需足够让思考完成）
|
||
"timeout": 180, # 单次请求超时(秒)
|
||
}
|
||
```
|
||
|
||
## 依赖安装
|
||
|
||
```bash
|
||
pip install pypdf openai
|
||
```
|
||
|
||
## 注意事项
|
||
|
||
⚠️ **Qwen 模型的思考模式**
|
||
|
||
Qwen3.5 模型会在翻译前进行"思考"，占用大量 token。因此：
|
||
- `max_tokens` 需设置较大（建议 8000+）
|
||
- 翻译速度较慢（约 30秒/块）
|
||
- 适合处理重要文档，不适合快速预览
|
||
|
||
## 输出示例
|
||
|
||
输入英文：
|
||
```
|
||
Machine learning is a subset of artificial intelligence (AI)
|
||
that enables systems to learn and improve from experience.
|
||
```
|
||
|
||
输出中文：
|
||
```
|
||
机器学习是人工智能（AI）的一个子集，
|
||
它使系统能够从经验中学习和改进。
|
||
```
|
||
|
||
## 文件结构
|
||
|
||
```
|
||
pdf-translator/
|
||
├── translate_pdf.py # 主翻译脚本
|
||
├── README.md # 使用说明
|
||
└── output.md # 翻译输出示例
|
||
```
|
||
|
||
## 扩展建议
|
||
|
||
1. **批量翻译**：循环处理多个 PDF
|
||
2. **进度保存**：中断后可从上次位置继续
|
||
3. **质量检查**：对比原文与译文段落
|
||
4. **格式优化**：保留 PDF 原排版样式 |