manga-image-translator 完整上手指南本地一键翻译漫画图片从装到用到调优【免费下载链接】manga-image-translatorTranslate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer working)项目地址: https://gitcode.com/gh_mirrors/ma/manga-image-translator很多人收藏了整柜的日文原版漫画却因为语言门槛只能看图猜剧情也有人电脑里堆着大量带文字的技术截图想翻译却找不到趁手工具。manga-image-translator 就是为此诞生的开源项目——它能在本地把图片里的文字自动识别、翻译再原样贴回画面里全程无需把图片上传到任何云端服务器。打开网页版后见到的就是这个简洁面板上方是各类翻译参数中间是拖拽上传区动手前先搞懂它到底在做什么简单说manga-image-translator 是一条全自动的图片文字加工流水线一张图从进到出要经过五个步骤文本检测——先锁定图里哪些区域存在文字OCR 识别——把这些区域的字转换成可编辑的文本智能翻译——把文本翻译成你指定的目标语言背景修复——把原图的文字涂掉并填充背景纹理文字渲染——把译文按合适的字体和排版重新画上去翻译结果不是截图弹窗提示而是真正与画面融为一体的成品图。项目主要针对日文优化同时支持简中、繁中、英文以及另外二十多种语言主要服务于群聊图片、图版网站这类不太可能被专业汉化的内容。三步完成本地部署整个安装过程比我预想的短得多不需要编译什么复杂依赖三步就能跑起来。第一步把仓库克隆到本地并创建虚拟环境git clone https://gitcode.com/gh_mirrors/ma/manga-image-translator.git cd manga-image-translator python -m venv venv source venv/bin/activate第二步安装依赖。项目要求 Python 3.10 或更高版本注意最新的 Python 版本偶尔会和 PyTorch 的某些库不兼容遇到问题可以先退回 3.10/3.11pip install -r requirements.txt这里有个细节值得记下如果你后面想用--use-gpu开启显卡加速需要先去 PyTorch 官网安装与你 CUDA 版本匹配的 torch否则 pip 装上的默认版本可能用不了 GPU。第三步什么都不用配置。首次运行时会自动把模型下载到项目根目录的./models文件夹里以后重复使用就不会再下载了。第一条命令翻译一张图装好依赖后最简单的用法是单张图片翻译python -m manga_translator local -i input.jpg想一次处理整个文件夹就把路径换成目录翻译结果会输出到以-translated结尾的新文件夹中python -m manga_translator local -i ./comics --use-gpu--use-gpu是自动检测模式的开关检测不到 CUDA 时会自动回退到 CPU 运行不会直接报错。我第一次跑的时候机器没有独显就是靠这个参数安静地完成了翻译只是速度慢一些。批量任务想更快可以加--threads 4并行处理再用--dest ./output指定输出目录。不敲命令的网页版命令行用着顺手但给不太懂电脑的人演示时网页界面才是更友好的入口。项目自带一个 Web 服务启动后浏览器打开http://127.0.0.1:8000就能操作cd server python main.py --use-gpu图片拖进去后立刻显示预览上方参数保持不变点蓝色 Translate 按钮即可开始翻译界面上所有参数检测分辨率、修复尺寸、翻译引擎、目标语言等都有对应的下拉框和输入框所见即所得。对新手来说用网页版比记命令行参数友好得多。翻译引擎怎么选一张表讲清楚这是我把玩最久的部分。项目在manga_translator/translators/目录下塞了一大堆翻译引擎实现按性质可以分为三类类型代表引擎特点漫画专用离线引擎Sakura为日文漫画专门训练翻译语气贴近原作完全离线可用通用离线引擎Sugoi、NLLB、M2M100、MBart50无需网络、无需 API 密钥适合离线环境批量跑在线/大模型引擎ChatGPT、DeepSeek、Gemini、百度、有道、DeepL、Papago翻译质量普遍更高但需要对应 API 密钥百度、有道、Papago 等有免费额度日文漫画党的最佳搭配通常是 Sakura追求译文质量、愿意掏 API 费用的可以上 ChatGPT 或 DeepSeek只想零成本快速看懂内容有道或百度就够用。在线引擎的密钥通过环境变量传入例如OPENAI_API_KEY、DEEPL_API_KEY具体变量名在 README 的环境变量一览表里都能查到。一张配置单读懂所有核心参数命令行参数和配置文件里的字段是互通的理解了下面这几个大部分调优需求都能覆盖参数默认值作用说明detection_size1536文本检测分辨率调大更精准但更慢box_threshold0.7文本框检测阈值越大检测越挑剔unclip_ratio2.3文本框向外扩展比例影响文字区域的圈定大小mask_dilation_offset30修复掩膜的膨胀偏移决定背景修复覆盖范围font_size_offset0渲染字体大小偏移正值让译文字号变大target_languageCHS目标语言常用 CHS / ENG / JPN这些参数既可以直接以--参数名形式加在命令行也可以写进 JSON 或 TOML 配置文件再通过--config-file加载。完整的配置模板可以参考项目里的examples/config-example.json里面还包含了渲染方向、字体、是否转大写等排版细节适合追求成品效果的高级玩家。按漫画类型套配方实际使用中不同来源的图片适合不同的组合。我整理了几个经过验证的配方日文漫画 → 中文默认检测器 model_48pxOCR专为日漫优化 Sakura 翻译效果最自然python -m manga_translator local -i japanese_manga.jpg \ --detector default --ocr model_48px --translator sakura --target-lang CHS美式漫画 → 英文复杂分镜和倾斜文字多换成 ctd 检测器 通用大模型 OCRpython -m manga_translator local -i american_comic.jpg \ --detector ctd --ocr model_ocr_large --translator google --target-lang ENG中文漫画 → 英文搭配model_manga_ocr或 32px 轻量模型普通配置的机器跑起来也不吃力python -m manga_translator local -i chinese_comic.jpg \ --detector default --ocr model_32px --translator baidu --target-lang ENGOCR 模型里model_48px适合日漫、model_48px_ctc和model_ocr_large更通用、model_32px最快按图片质量选即可。修复算法与渲染成品观感的关键背景修复算法决定了翻译结果像不像原图。默认的lama_large基于大模型修复痕迹最小、效果最好aot速度快但只适合简单背景sd走 Stable Diffusion适合背景纹理复杂的画面但慢且吃显存。如果原图文字清理不干净还可以用--kernel-size调整文字擦除区域的卷积核大小来彻底清除残留。想批量清理图上的文字而不翻译或者准备手动排版可以用--prep-manual参数它会输出一张文字被擦除的空白图外加一张原图作对照留给排版人员手工放置译文。四个常见坑与避坑方法GPU 用不上先执行python -c import torch; print(torch.cuda.is_available())验证返回 False 就重新安装与 CUDA 匹配的 PyTorch 版本镜像源可参考官方安装指引。内存爆掉把检测和修复的分辨率都降下来或者换轻量 OCR 模型python -m manga_translator local -i input.jpg \ --detection-size 1024 --inpainting-size 1024 --ocr model_32px术语翻得不准项目支持翻译前后的替换词典把专业名词写进dict/pre_dict.txt翻译前替换和dict/post_dict.txt翻译后替换再用--pre-dict和--post-dict指定即可漫画角色名、作品专有名词都能这样固化下来。单页翻译缺乏上下文如果漫画对话跨页才能看懂用--context-size 2让引擎参考前后两页的文本再翻译整页连贯性会明显提升。想更进一步项目的前端界面源码在front/目录下React 实现想定制界面可以从那里入手Docker 用户可以直接用仓库里的docker-compose.yml一键起服务demo 目录下还提供了 CPU 版和 GPU 版的 compose 模板。项目仍处于早期迭代阶段功能在持续完善翻译质量也随着模型更新不断提升。从安装到出图整个过程其实就是克隆、装依赖、跑一条命令。不管你是想读懂积压的日漫还是需要批量处理带文字的截图都值得亲手试一次——把一张图拖进去等它跑完看到译文和画面融为一体那一刻你会觉得之前的折腾全都值了。【免费下载链接】manga-image-translatorTranslate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer working)项目地址: https://gitcode.com/gh_mirrors/ma/manga-image-translator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 manga-image-translator 完整上手指南：本地一键翻译漫画图片，从装到用到调优
manga-image-translator 完整上手指南本地一键翻译漫画图片从装到用到调优【免费下载链接】manga-image-translatorTranslate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer working)项目地址: https://gitcode.com/gh_mirrors/ma/manga-image-translator很多人收藏了整柜的日文原版漫画却因为语言门槛只能看图猜剧情也有人电脑里堆着大量带文字的技术截图想翻译却找不到趁手工具。manga-image-translator 就是为此诞生的开源项目——它能在本地把图片里的文字自动识别、翻译再原样贴回画面里全程无需把图片上传到任何云端服务器。打开网页版后见到的就是这个简洁面板上方是各类翻译参数中间是拖拽上传区动手前先搞懂它到底在做什么简单说manga-image-translator 是一条全自动的图片文字加工流水线一张图从进到出要经过五个步骤文本检测——先锁定图里哪些区域存在文字OCR 识别——把这些区域的字转换成可编辑的文本智能翻译——把文本翻译成你指定的目标语言背景修复——把原图的文字涂掉并填充背景纹理文字渲染——把译文按合适的字体和排版重新画上去翻译结果不是截图弹窗提示而是真正与画面融为一体的成品图。项目主要针对日文优化同时支持简中、繁中、英文以及另外二十多种语言主要服务于群聊图片、图版网站这类不太可能被专业汉化的内容。三步完成本地部署整个安装过程比我预想的短得多不需要编译什么复杂依赖三步就能跑起来。第一步把仓库克隆到本地并创建虚拟环境git clone https://gitcode.com/gh_mirrors/ma/manga-image-translator.git cd manga-image-translator python -m venv venv source venv/bin/activate第二步安装依赖。项目要求 Python 3.10 或更高版本注意最新的 Python 版本偶尔会和 PyTorch 的某些库不兼容遇到问题可以先退回 3.10/3.11pip install -r requirements.txt这里有个细节值得记下如果你后面想用--use-gpu开启显卡加速需要先去 PyTorch 官网安装与你 CUDA 版本匹配的 torch否则 pip 装上的默认版本可能用不了 GPU。第三步什么都不用配置。首次运行时会自动把模型下载到项目根目录的./models文件夹里以后重复使用就不会再下载了。第一条命令翻译一张图装好依赖后最简单的用法是单张图片翻译python -m manga_translator local -i input.jpg想一次处理整个文件夹就把路径换成目录翻译结果会输出到以-translated结尾的新文件夹中python -m manga_translator local -i ./comics --use-gpu--use-gpu是自动检测模式的开关检测不到 CUDA 时会自动回退到 CPU 运行不会直接报错。我第一次跑的时候机器没有独显就是靠这个参数安静地完成了翻译只是速度慢一些。批量任务想更快可以加--threads 4并行处理再用--dest ./output指定输出目录。不敲命令的网页版命令行用着顺手但给不太懂电脑的人演示时网页界面才是更友好的入口。项目自带一个 Web 服务启动后浏览器打开http://127.0.0.1:8000就能操作cd server python main.py --use-gpu图片拖进去后立刻显示预览上方参数保持不变点蓝色 Translate 按钮即可开始翻译界面上所有参数检测分辨率、修复尺寸、翻译引擎、目标语言等都有对应的下拉框和输入框所见即所得。对新手来说用网页版比记命令行参数友好得多。翻译引擎怎么选一张表讲清楚这是我把玩最久的部分。项目在manga_translator/translators/目录下塞了一大堆翻译引擎实现按性质可以分为三类类型代表引擎特点漫画专用离线引擎Sakura为日文漫画专门训练翻译语气贴近原作完全离线可用通用离线引擎Sugoi、NLLB、M2M100、MBart50无需网络、无需 API 密钥适合离线环境批量跑在线/大模型引擎ChatGPT、DeepSeek、Gemini、百度、有道、DeepL、Papago翻译质量普遍更高但需要对应 API 密钥百度、有道、Papago 等有免费额度日文漫画党的最佳搭配通常是 Sakura追求译文质量、愿意掏 API 费用的可以上 ChatGPT 或 DeepSeek只想零成本快速看懂内容有道或百度就够用。在线引擎的密钥通过环境变量传入例如OPENAI_API_KEY、DEEPL_API_KEY具体变量名在 README 的环境变量一览表里都能查到。一张配置单读懂所有核心参数命令行参数和配置文件里的字段是互通的理解了下面这几个大部分调优需求都能覆盖参数默认值作用说明detection_size1536文本检测分辨率调大更精准但更慢box_threshold0.7文本框检测阈值越大检测越挑剔unclip_ratio2.3文本框向外扩展比例影响文字区域的圈定大小mask_dilation_offset30修复掩膜的膨胀偏移决定背景修复覆盖范围font_size_offset0渲染字体大小偏移正值让译文字号变大target_languageCHS目标语言常用 CHS / ENG / JPN这些参数既可以直接以--参数名形式加在命令行也可以写进 JSON 或 TOML 配置文件再通过--config-file加载。完整的配置模板可以参考项目里的examples/config-example.json里面还包含了渲染方向、字体、是否转大写等排版细节适合追求成品效果的高级玩家。按漫画类型套配方实际使用中不同来源的图片适合不同的组合。我整理了几个经过验证的配方日文漫画 → 中文默认检测器 model_48pxOCR专为日漫优化 Sakura 翻译效果最自然python -m manga_translator local -i japanese_manga.jpg \ --detector default --ocr model_48px --translator sakura --target-lang CHS美式漫画 → 英文复杂分镜和倾斜文字多换成 ctd 检测器 通用大模型 OCRpython -m manga_translator local -i american_comic.jpg \ --detector ctd --ocr model_ocr_large --translator google --target-lang ENG中文漫画 → 英文搭配model_manga_ocr或 32px 轻量模型普通配置的机器跑起来也不吃力python -m manga_translator local -i chinese_comic.jpg \ --detector default --ocr model_32px --translator baidu --target-lang ENGOCR 模型里model_48px适合日漫、model_48px_ctc和model_ocr_large更通用、model_32px最快按图片质量选即可。修复算法与渲染成品观感的关键背景修复算法决定了翻译结果像不像原图。默认的lama_large基于大模型修复痕迹最小、效果最好aot速度快但只适合简单背景sd走 Stable Diffusion适合背景纹理复杂的画面但慢且吃显存。如果原图文字清理不干净还可以用--kernel-size调整文字擦除区域的卷积核大小来彻底清除残留。想批量清理图上的文字而不翻译或者准备手动排版可以用--prep-manual参数它会输出一张文字被擦除的空白图外加一张原图作对照留给排版人员手工放置译文。四个常见坑与避坑方法GPU 用不上先执行python -c import torch; print(torch.cuda.is_available())验证返回 False 就重新安装与 CUDA 匹配的 PyTorch 版本镜像源可参考官方安装指引。内存爆掉把检测和修复的分辨率都降下来或者换轻量 OCR 模型python -m manga_translator local -i input.jpg \ --detection-size 1024 --inpainting-size 1024 --ocr model_32px术语翻得不准项目支持翻译前后的替换词典把专业名词写进dict/pre_dict.txt翻译前替换和dict/post_dict.txt翻译后替换再用--pre-dict和--post-dict指定即可漫画角色名、作品专有名词都能这样固化下来。单页翻译缺乏上下文如果漫画对话跨页才能看懂用--context-size 2让引擎参考前后两页的文本再翻译整页连贯性会明显提升。想更进一步项目的前端界面源码在front/目录下React 实现想定制界面可以从那里入手Docker 用户可以直接用仓库里的docker-compose.yml一键起服务demo 目录下还提供了 CPU 版和 GPU 版的 compose 模板。项目仍处于早期迭代阶段功能在持续完善翻译质量也随着模型更新不断提升。从安装到出图整个过程其实就是克隆、装依赖、跑一条命令。不管你是想读懂积压的日漫还是需要批量处理带文字的截图都值得亲手试一次——把一张图拖进去等它跑完看到译文和画面融为一体那一刻你会觉得之前的折腾全都值了。【免费下载链接】manga-image-translatorTranslate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ (no longer working)项目地址: https://gitcode.com/gh_mirrors/ma/manga-image-translator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考