在本地化游戏、软件或文档时开发者常常会遇到一个棘手的问题如何高效、高质量地翻译大量的文本内容尤其是那些存储在 JSON 文件中的键值对。传统的工具如 MTool 等虽然方便但其内置的机器翻译机翻质量往往不尽如人意生硬的翻译会严重影响用户体验。幸运的是随着 AI 大语言模型LLM的普及我们现在可以利用其强大的上下文理解和自然语言生成能力实现近乎人工翻译质量的自动化汉化而且成本可以做到极低甚至完全免费。本文将为你详细拆解一套完整的解决方案如何利用免费的 AI 大模型 API如 DeepSeek、Ollama 本地模型等或开源工具批量、高质量地汉化 JSON 格式的文本内容。无论你是独立游戏开发者、软件本地化爱好者还是需要处理多语言配置的后端工程师这套方法都能让你告别“垃圾机翻”获得流畅、准确的中文文本。1. 背景与核心概念为什么需要 AI 汉化 JSON在深入实操之前我们有必要厘清几个核心概念并理解传统方法的痛点。1.1 JSON 在本地化中的角色JSONJavaScript Object Notation是一种轻量级的数据交换格式因其结构清晰、易于读写被广泛用于存储配置信息和多语言文本。在软件本地化中一个典型的locales或i18n目录下往往会有如en.json,zh-CN.json这样的文件其内容通常是键值对{ welcome_message: Welcome to our application!, button_submit: Submit, error_network: Network connection failed. Please check your settings. }汉化的目标就是将en.json中的英文值高质量地翻译并填充到zh-CN.json中。1.2 传统机翻工具如 MTool的局限性许多工具提供了“一键机翻”功能其底层通常调用的是谷歌、百度等通用翻译 API。这类翻译存在明显问题缺乏上下文翻译是孤立的无法理解“submit”在按钮场景下应译为“提交”在表单场景下可能另有含义。术语不统一同一个英文单词在不同地方可能被翻译成不同的中文。句式生硬长句的翻译常常不符合中文表达习惯带有明显的翻译腔。无法处理占位符对于Hello, {name}!这样的带变量的文本机翻可能会破坏占位符结构。1.3 AI 大模型翻译的优势以 GPT、DeepSeek、Claude 等为代表的 AI 大模型在翻译任务上展现出巨大优势上下文理解可以结合键名key甚至整个 JSON 的结构来推断文本的用途是按钮、标题还是错误信息。一致性通过合理的提示词Prompt设计可以要求模型在整个翻译过程中保持术语统一。自然流畅生成的译文更贴近母语表达习惯。结构保持能很好地识别并保留 JSON 中的变量占位符如{variable}、HTML 标签或特殊符号。我们的目标就是利用这些免费的 AI 能力构建一个自动化流水线。2. 环境准备与工具选型实现 AI 汉化 JSON我们有多种技术路径可选。你可以根据自身的技术背景和资源情况选择最适合的一种。2.1 方案一使用在线 AI API推荐给大多数开发者这是最便捷的方式无需本地强大算力。我们需要一个能编程的环境Python 是最佳选择因其有丰富的库支持。一个免费的 AI API 密钥DeepSeek目前提供免费 API额度充足对中文支持极佳。其他平台如 OpenAI有免费额度、智谱 AI有免费额度等。注意选择 API 时请务必遵守其服务条款用于本地化翻译通常是允许的。Python 环境确保已安装 Python 3.7。基础环境配置# 创建一个新的项目目录并进入 mkdir ai-json-translator cd ai-json-translator # 创建虚拟环境可选但推荐 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装必要的库 pip install requests openairequests用于网络请求openai库兼容许多类 OpenAI 接口的 API。2.2 方案二使用本地大模型适合注重隐私或无网络环境如果你有性能不错的显卡如 NVIDIA GPU 且显存 8GB或者希望完全离线工作可以部署本地模型。工具Ollama。它简化了本地大模型的下载和运行。模型选择推荐qwen2.5:7b、llama3.2:3b或deepseek-coder:6.7b等较小但翻译能力不错的模型。环境安装 Ollama 客户端。本地环境配置# 安装 Ollama (请参考官网 https://ollama.com/) # 拉取一个模型例如 Qwen2.5 ollama pull qwen2.5:7b # 运行模型服务通常在 http://localhost:11434 ollama run qwen2.5:7b之后你可以通过向http://localhost:11434/v1/chat/completions发送 HTTP 请求来调用它接口格式与 OpenAI API 兼容。2.3 方案三使用现成开源工具社区已有一些整合了 AI 翻译的开源工具例如针对游戏翻译的XUnity AutoTranslator的某些插件或者一些 VSCode 扩展。这些工具开箱即用但自定义程度较低。本文重点讲解方案一因为它最灵活、可定制性最强。3. 核心原理与 Prompt 工程AI 翻译的质量90% 取决于你给它的“指令”即 Prompt。一个糟糕的 Prompt 会导致模型胡乱翻译甚至破坏 JSON 结构。3.1 基础 Prompt 设计我们的核心任务是给定一个英文 JSON 对象返回一个结构完全相同、仅值被翻译成简体中文的 JSON 对象。 一个基础的 Prompt 模板如下你是一个专业的本地化翻译专家。请将以下 JSON 数据中的 value 部分从英文翻译成专业、流畅、符合软件界面用语习惯的简体中文。请严格保持 JSON 格式不变只翻译字符串值不要修改键名key、数字、布尔值或 null。如果值中包含像 {variable}、%s 这样的变量占位符或 HTML 标签如 b请原样保留不要翻译或破坏它们。 需要翻译的 JSON {input_json} 请直接返回翻译后的完整 JSON不要添加任何额外的解释。3.2 进阶 Prompt 技巧为了获得更高质量的翻译我们可以优化 Prompt提供上下文在 Prompt 开头说明文本用途例如“这是一个角色扮演游戏的对话文本”或“这是一个企业管理软件的错误提示信息”。术语表如果项目有特定术语如“Skill”应译为“技能”而非“技巧”可以在 Prompt 中预先给出。风格要求指定译文风格如“正式”、“口语化”、“可爱”、“严肃”等。分块处理如果 JSON 很大不要一次性全部发送。可以按逻辑分组如所有ui.开头的键为一组分批翻译以保证翻译一致性。一个优化后的 Prompt 示例你正在翻译一个奇幻角色扮演游戏的用户界面文本。请遵循以下规则 1. 将以下 JSON 中的英文值翻译成简体中文。 2. 保持 JSON 结构、键名、数字、布尔值和 null 完全不变。 3. 保留所有变量占位符如 {name}、{count} 和 HTML 标签 colorred。 4. 统一术语“Skill” 译为 “技能”“Item” 译为 “物品”“Mana” 译为 “法力”。 5. 翻译风格符合游戏世界观略带古典韵味但不过于晦涩。 原始 JSON { character_create: Create Your Hero, skill_tree_desc: Spend {points} points to unlock powerful skills., item_legendary: colororangeLegendary Item/color, error_mana_low: Not enough mana to cast this spell. } 请只返回翻译后的 JSON。4. 完整实战案例使用 Python DeepSeek API 汉化 JSON让我们通过一个完整的例子将理论付诸实践。我们将使用免费的 DeepSeek API 来汉化一个游戏 UI 的 JSON 文件。4.1 项目结构与准备假设我们有以下项目结构ai-json-translator/ ├── src/ │ ├── en.json # 原始英文文件 │ └── zh-CN.json # 目标中文文件将生成 ├── config.py # 配置文件存放API密钥 ├── translator.py # 核心翻译脚本 └── requirements.txt # 依赖列表1. 创建原始英文文件src/en.json{ app: { title: Dragons Legacy, version: 1.0.0 }, ui: { main_menu: { new_game: New Game, load_game: Load Game, options: Options, exit: Exit }, battle: { attack: Attack, defend: Defend, use_skill: Use Skill, flee: Flee, turn_info: Its {actor}s turn. } }, items: { potion_heal: Healing Potion (Restores {hp} HP), scroll_fireball: Scroll of Fireball }, errors: { save_failed: Failed to save game. Please check disk space., invalid_input: Invalid input provided. } }2. 创建配置文件config.py# config.py # 在此处填入你的 DeepSeek API Key # 获取地址https://platform.deepseek.com/api_keys DEEPSEEK_API_KEY your_deepseek_api_key_here # DeepSeek API 端点 DEEPSEEK_API_URL https://api.deepseek.com/v1/chat/completions # 使用的模型推荐使用最新版本 MODEL_NAME deepseek-chat4.2 编写核心翻译脚本translator.py这是整个项目的核心它负责读取 JSON、调用 AI API、处理响应并保存结果。# translator.py import json import os import time from pathlib import Path import requests from config import DEEPSEEK_API_KEY, DEEPSEEK_API_URL, MODEL_NAME def load_json_file(file_path): 加载 JSON 文件 with open(file_path, r, encodingutf-8) as f: return json.load(f) def save_json_file(data, file_path): 保存数据到 JSON 文件格式化输出 with open(file_path, w, encodingutf-8) as f: json.dump(data, f, ensure_asciiFalse, indent2) def translate_with_ai(text_to_translate, context_hint): 调用 DeepSeek API 进行翻译。 :param text_to_translate: 需要翻译的文本这里是 JSON 字符串 :param context_hint: 额外的上下文提示如“这是一个游戏UI文本” :return: 翻译后的文本JSON 字符串 # 构建系统提示词 (System Prompt)定义AI的角色和任务 system_prompt f你是一个专业的软件本地化翻译专家。{context_hint} 你的任务是将给定的 JSON 对象中的英文值value翻译成高质量、流畅、符合中文用户习惯的简体中文。 请严格遵守以下规则 1. **只翻译字符串值**保持 JSON 结构、所有键名key、数字、布尔值和 null 完全不变。 2. **保留所有变量占位符和格式标记**例如 {{variable}}、%s、colorred、\\n 等必须原样保留不得翻译或修改。 3. 翻译时需考虑文本的上下文如键名可能暗示它是按钮、标题、错误信息等。 4. 确保术语一致性同一个英文词在上下文中尽量翻译成同一个中文词。 5. 直接返回翻译后的完整 JSON 对象不要添加任何额外的解释、注释或 Markdown 代码块标记。 # 构建用户消息包含待翻译的 JSON user_message f请翻译以下 JSON {text_to_translate} headers { Authorization: fBearer {DEEPSEEK_API_KEY}, Content-Type: application/json } payload { model: MODEL_NAME, messages: [ {role: system, content: system_prompt}, {role: user, content: user_message} ], temperature: 0.3, # 较低的温度使输出更稳定、一致 max_tokens: 4000 # 根据 JSON 大小调整 } try: response requests.post(DEEPSEEK_API_URL, headersheaders, jsonpayload, timeout60) response.raise_for_status() # 如果状态码不是200抛出异常 result response.json() translated_text result[choices][0][message][content].strip() # 清理可能的 Markdown 代码块标记 translated_text translated_text.replace(json, ).replace(, ).strip() return translated_text except requests.exceptions.RequestException as e: print(fAPI 请求失败: {e}) if response: print(f响应内容: {response.text}) return None except (KeyError, IndexError, json.JSONDecodeError) as e: print(f解析 API 响应失败: {e}) print(f原始响应: {result}) return None def translate_json_file(input_path, output_path, context_hint, batch_size5): 主函数翻译整个 JSON 文件。 策略对于大型 JSON可以按顶级键分组翻译以保持组内一致性。 :param batch_size: 每次发送给 API 的顶级键数量。如果为 None则整个文件一起翻译。 print(f开始翻译文件: {input_path}) original_data load_json_file(input_path) if not isinstance(original_data, dict): print(错误根元素必须是 JSON 对象字典。) return translated_data {} # 获取所有顶级键 top_level_keys list(original_data.keys()) if batch_size and len(top_level_keys) batch_size: # 分批处理 print(f检测到 {len(top_level_keys)} 个顶级键将分批次翻译...) for i in range(0, len(top_level_keys), batch_size): batch_keys top_level_keys[i:ibatch_size] batch_dict {k: original_data[k] for k in batch_keys} print(f正在翻译批次 {i//batch_size 1}: {batch_keys}) batch_json_str json.dumps(batch_dict, ensure_asciiFalse, indentNone) translated_batch_str translate_with_ai(batch_json_str, context_hint) if translated_batch_str: try: translated_batch json.loads(translated_batch_str) translated_data.update(translated_batch) print(f批次 {i//batch_size 1} 翻译完成。) except json.JSONDecodeError as e: print(f批次 {i//batch_size 1} 翻译结果不是有效 JSON: {e}) print(f翻译结果片段: {translated_batch_str[:200]}) # 失败时保留原文 translated_data.update(batch_dict) else: print(f批次 {i//batch_size 1} 翻译失败保留原文。) translated_data.update(batch_dict) time.sleep(1) # 避免 API 速率限制 else: # 整个文件一起处理 print(JSON 结构较小整体翻译...) full_json_str json.dumps(original_data, ensure_asciiFalse, indentNone) translated_full_str translate_with_ai(full_json_str, context_hint) if translated_full_str: try: translated_data json.loads(translated_full_str) except json.JSONDecodeError as e: print(f翻译结果不是有效 JSON: {e}) print(将使用原始数据。) translated_data original_data else: print(翻译失败将使用原始数据。) translated_data original_data # 保存翻译结果 save_json_file(translated_data, output_path) print(f翻译完成结果已保存至: {output_path}) if __name__ __main__: # 设置路径 input_file Path(src/en.json) output_file Path(src/zh-CN.json) # 提供上下文提示这能显著提升翻译质量 context 这是一个名为‘龙之遗产’的西方奇幻角色扮演游戏的用户界面和物品文本。 # 开始翻译 translate_json_file(input_file, output_file, context_hintcontext, batch_size2)4.3 运行与验证获取并配置 API 密钥访问 DeepSeek 平台注册并获取 API Key。将 Key 填入config.py文件的DEEPSEEK_API_KEY变量中。安装依赖并运行pip install requests python translator.py查看输出程序运行后会在src/目录下生成zh-CN.json文件。预期生成的zh-CN.json文件内容{ app: { title: 龙之遗产, version: 1.0.0 }, ui: { main_menu: { new_game: 新游戏, load_game: 加载游戏, options: 设置, exit: 退出 }, battle: { attack: 攻击, defend: 防御, use_skill: 使用技能, flee: 逃跑, turn_info: 现在是{actor}的回合。 } }, items: { potion_heal: 治疗药水恢复{hp}点生命值, scroll_fireball: 火球术卷轴 }, errors: { save_failed: 保存游戏失败。请检查磁盘空间。, invalid_input: 提供的输入无效。 } }4.4 结果分析对比原始机翻和 AI 翻译“Dragon‘s Legacy”AI 可能译为“龙之遗产”比直译“龙的遗产”更符合游戏名称习惯。“Use Skill”在游戏上下文中AI 能准确译为“使用技能”而非“利用技巧”。“Healing Potion (Restores {hp} HP)”AI 能正确处理占位符{hp}并生成符合中文括号习惯的表述。“It‘s {actor}’s turn.”AI 能生成“现在是{actor}的回合。”这样流畅的句子并保留占位符。5. 常见问题与排查思路在实际操作中你可能会遇到以下问题。这里提供详细的排查指南。问题现象可能原因解决思路API 返回 401 或 403 错误API 密钥无效、过期或未正确设置。1. 检查config.py中的密钥是否正确前后有无多余空格。2. 登录 API 提供商后台确认密钥状态和剩余额度。3. 确认 API 终结点URL是否正确。API 返回 429 错误频率限制请求过于频繁触发了速率限制。1. 在代码中增加time.sleep(1)或更长的间隔。2. 减少batch_size分批发送更小的数据块。3. 检查免费 tier 的每分钟/每日请求限制。翻译结果丢失了 JSON 结构或格式错误AI 的回复可能包含了非 JSON 的说明文字或者 Prompt 不够严格。1. 强化 Prompt 中的指令“直接返回翻译后的完整 JSON不要添加任何解释”。2. 在代码中添加后处理使用json.loads()前先尝试剥离 Markdown 代码块标记 (json)。3. 在 Prompt 中提供一个输出格式的示例。翻译不一致同一个词有多种译法AI 每次调用是独立的缺乏全局记忆。1.推荐在 Prompt 中提供术语表。2. 将整个 JSON 文件一次性发送如果大小允许让模型看到全局上下文。3. 先翻译一个包含关键术语的小样本固定译法然后在后续翻译的 Prompt 中引用这个样本。占位符{var}或 HTML 标签被翻译或破坏Prompt 未明确强调保留这些特殊格式。在 Prompt 中用醒目的方式强调“必须原样保留所有像{variable}、%s、b这样的占位符和标签不得翻译或修改其结构。”翻译结果过于生硬或不符合语境缺乏上下文提示。在context_hint参数中提供更详细的背景信息例如“这是科幻游戏的物品描述风格偏向冷酷和技术感”。处理超大 JSON 文件时超时或 token 超限单次请求的文本长度超过了模型的上文窗口Context Window。1.分而治之按逻辑模块如ui,items,dialogue拆分 JSON 文件分别翻译。2. 实现更细粒度的分批逻辑不是按顶级键而是按嵌套层级和大小进行切割。3. 考虑使用支持更长上下文的模型如 DeepSeek 支持 128K。本地模型Ollama响应慢或翻译质量差模型太小或 Prompt 未优化。1. 尝试更大的模型如qwen2.5:14b。2. 为本地模型设计更详细、更清晰的 Prompt因为小模型的理解能力相对较弱。3. 检查系统资源CPU/GPU/内存是否充足。6. 最佳实践与工程建议将 AI 汉化集成到实际项目中时遵循以下最佳实践可以大幅提升效率和质量。6.1 项目管理与工作流版本控制将原始的en.json和翻译后的zh-CN.json都纳入 Git 管理。AI 翻译可以作为初次生成的工具后续的人工校对和优化则通过提交记录来追踪。增量更新当源文件en.json更新时新增或修改了条目不要全量重新翻译。可以编写脚本比较新旧版本只将新增或修改的条目发送给 AI 翻译然后合并到现有的zh-CN.json中。这能节省成本并保持已有翻译的稳定性。人工校对环节必不可少AI 翻译是强大的助手但并非完美。务必安排母语者或资深用户进行最终校对特别是对于核心剧情、品牌标语等关键文本。6.2 提升翻译质量的工程技巧构建术语库Glossary创建一个glossary.json文件存储项目专有名词的标准译法。在每次翻译前将这个术语库作为上下文注入到 Prompt 中。// glossary.json { Skill: 技能, Mana: 法力值, Buff: 增益效果, Nerf: 削弱效果, DPS: 每秒伤害 }分场景定制 Prompt不要对所有文本使用同一个 Prompt。可以为“UI界面”、“物品描述”、“角色对话”、“系统错误”等不同场景准备不同的 Prompt 模板以获取更贴切的译文。保留翻译记忆对于已经人工校对确认的优质翻译可以将其作为“翻译记忆”保存下来。在未来翻译相似句子时可以先在记忆库中搜索直接复用或作为参考提供给 AI。6.3 成本控制与性能优化缓存机制对于已经翻译过的、内容不变的键值对可以将结果缓存到本地数据库或文件中。下次运行时直接读取缓存避免重复调用 API 产生费用。选择合适的模型对于简单的 UI 文本较小的模型如 7B 参数可能就足够了且响应更快、成本更低。对于复杂的文学性描述再使用更大、更强的模型。监控与日志记录每一次 API 调用的输入、输出、token 用量和成本。这有助于分析费用构成和优化翻译策略。6.4 安全与合规敏感信息确保待翻译的 JSON 中不包含任何真实的用户数据、密码、密钥等敏感信息。遵守服务条款在使用任何 AI API 前仔细阅读其使用条款确保你的翻译用途是允许的。免费额度通常足够用于个人或中小型项目的本地化。数据备份在运行批量翻译脚本前务必备份原始的en.json和已有的zh-CN.json文件以防脚本错误导致数据损坏。通过结合 AI 的强大能力和人类的最终审核你可以建立起一个高效、低成本、高质量的本地化工作流彻底告别过去依赖粗糙机翻的时代。这套方法不仅适用于游戏也适用于任何使用 JSON 作为多语言存储格式的 Web 应用、移动应用和桌面软件。 利用免费AI大模型API批量汉化JSON文件：告别垃圾机翻
在本地化游戏、软件或文档时开发者常常会遇到一个棘手的问题如何高效、高质量地翻译大量的文本内容尤其是那些存储在 JSON 文件中的键值对。传统的工具如 MTool 等虽然方便但其内置的机器翻译机翻质量往往不尽如人意生硬的翻译会严重影响用户体验。幸运的是随着 AI 大语言模型LLM的普及我们现在可以利用其强大的上下文理解和自然语言生成能力实现近乎人工翻译质量的自动化汉化而且成本可以做到极低甚至完全免费。本文将为你详细拆解一套完整的解决方案如何利用免费的 AI 大模型 API如 DeepSeek、Ollama 本地模型等或开源工具批量、高质量地汉化 JSON 格式的文本内容。无论你是独立游戏开发者、软件本地化爱好者还是需要处理多语言配置的后端工程师这套方法都能让你告别“垃圾机翻”获得流畅、准确的中文文本。1. 背景与核心概念为什么需要 AI 汉化 JSON在深入实操之前我们有必要厘清几个核心概念并理解传统方法的痛点。1.1 JSON 在本地化中的角色JSONJavaScript Object Notation是一种轻量级的数据交换格式因其结构清晰、易于读写被广泛用于存储配置信息和多语言文本。在软件本地化中一个典型的locales或i18n目录下往往会有如en.json,zh-CN.json这样的文件其内容通常是键值对{ welcome_message: Welcome to our application!, button_submit: Submit, error_network: Network connection failed. Please check your settings. }汉化的目标就是将en.json中的英文值高质量地翻译并填充到zh-CN.json中。1.2 传统机翻工具如 MTool的局限性许多工具提供了“一键机翻”功能其底层通常调用的是谷歌、百度等通用翻译 API。这类翻译存在明显问题缺乏上下文翻译是孤立的无法理解“submit”在按钮场景下应译为“提交”在表单场景下可能另有含义。术语不统一同一个英文单词在不同地方可能被翻译成不同的中文。句式生硬长句的翻译常常不符合中文表达习惯带有明显的翻译腔。无法处理占位符对于Hello, {name}!这样的带变量的文本机翻可能会破坏占位符结构。1.3 AI 大模型翻译的优势以 GPT、DeepSeek、Claude 等为代表的 AI 大模型在翻译任务上展现出巨大优势上下文理解可以结合键名key甚至整个 JSON 的结构来推断文本的用途是按钮、标题还是错误信息。一致性通过合理的提示词Prompt设计可以要求模型在整个翻译过程中保持术语统一。自然流畅生成的译文更贴近母语表达习惯。结构保持能很好地识别并保留 JSON 中的变量占位符如{variable}、HTML 标签或特殊符号。我们的目标就是利用这些免费的 AI 能力构建一个自动化流水线。2. 环境准备与工具选型实现 AI 汉化 JSON我们有多种技术路径可选。你可以根据自身的技术背景和资源情况选择最适合的一种。2.1 方案一使用在线 AI API推荐给大多数开发者这是最便捷的方式无需本地强大算力。我们需要一个能编程的环境Python 是最佳选择因其有丰富的库支持。一个免费的 AI API 密钥DeepSeek目前提供免费 API额度充足对中文支持极佳。其他平台如 OpenAI有免费额度、智谱 AI有免费额度等。注意选择 API 时请务必遵守其服务条款用于本地化翻译通常是允许的。Python 环境确保已安装 Python 3.7。基础环境配置# 创建一个新的项目目录并进入 mkdir ai-json-translator cd ai-json-translator # 创建虚拟环境可选但推荐 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装必要的库 pip install requests openairequests用于网络请求openai库兼容许多类 OpenAI 接口的 API。2.2 方案二使用本地大模型适合注重隐私或无网络环境如果你有性能不错的显卡如 NVIDIA GPU 且显存 8GB或者希望完全离线工作可以部署本地模型。工具Ollama。它简化了本地大模型的下载和运行。模型选择推荐qwen2.5:7b、llama3.2:3b或deepseek-coder:6.7b等较小但翻译能力不错的模型。环境安装 Ollama 客户端。本地环境配置# 安装 Ollama (请参考官网 https://ollama.com/) # 拉取一个模型例如 Qwen2.5 ollama pull qwen2.5:7b # 运行模型服务通常在 http://localhost:11434 ollama run qwen2.5:7b之后你可以通过向http://localhost:11434/v1/chat/completions发送 HTTP 请求来调用它接口格式与 OpenAI API 兼容。2.3 方案三使用现成开源工具社区已有一些整合了 AI 翻译的开源工具例如针对游戏翻译的XUnity AutoTranslator的某些插件或者一些 VSCode 扩展。这些工具开箱即用但自定义程度较低。本文重点讲解方案一因为它最灵活、可定制性最强。3. 核心原理与 Prompt 工程AI 翻译的质量90% 取决于你给它的“指令”即 Prompt。一个糟糕的 Prompt 会导致模型胡乱翻译甚至破坏 JSON 结构。3.1 基础 Prompt 设计我们的核心任务是给定一个英文 JSON 对象返回一个结构完全相同、仅值被翻译成简体中文的 JSON 对象。 一个基础的 Prompt 模板如下你是一个专业的本地化翻译专家。请将以下 JSON 数据中的 value 部分从英文翻译成专业、流畅、符合软件界面用语习惯的简体中文。请严格保持 JSON 格式不变只翻译字符串值不要修改键名key、数字、布尔值或 null。如果值中包含像 {variable}、%s 这样的变量占位符或 HTML 标签如 b请原样保留不要翻译或破坏它们。 需要翻译的 JSON {input_json} 请直接返回翻译后的完整 JSON不要添加任何额外的解释。3.2 进阶 Prompt 技巧为了获得更高质量的翻译我们可以优化 Prompt提供上下文在 Prompt 开头说明文本用途例如“这是一个角色扮演游戏的对话文本”或“这是一个企业管理软件的错误提示信息”。术语表如果项目有特定术语如“Skill”应译为“技能”而非“技巧”可以在 Prompt 中预先给出。风格要求指定译文风格如“正式”、“口语化”、“可爱”、“严肃”等。分块处理如果 JSON 很大不要一次性全部发送。可以按逻辑分组如所有ui.开头的键为一组分批翻译以保证翻译一致性。一个优化后的 Prompt 示例你正在翻译一个奇幻角色扮演游戏的用户界面文本。请遵循以下规则 1. 将以下 JSON 中的英文值翻译成简体中文。 2. 保持 JSON 结构、键名、数字、布尔值和 null 完全不变。 3. 保留所有变量占位符如 {name}、{count} 和 HTML 标签 colorred。 4. 统一术语“Skill” 译为 “技能”“Item” 译为 “物品”“Mana” 译为 “法力”。 5. 翻译风格符合游戏世界观略带古典韵味但不过于晦涩。 原始 JSON { character_create: Create Your Hero, skill_tree_desc: Spend {points} points to unlock powerful skills., item_legendary: colororangeLegendary Item/color, error_mana_low: Not enough mana to cast this spell. } 请只返回翻译后的 JSON。4. 完整实战案例使用 Python DeepSeek API 汉化 JSON让我们通过一个完整的例子将理论付诸实践。我们将使用免费的 DeepSeek API 来汉化一个游戏 UI 的 JSON 文件。4.1 项目结构与准备假设我们有以下项目结构ai-json-translator/ ├── src/ │ ├── en.json # 原始英文文件 │ └── zh-CN.json # 目标中文文件将生成 ├── config.py # 配置文件存放API密钥 ├── translator.py # 核心翻译脚本 └── requirements.txt # 依赖列表1. 创建原始英文文件src/en.json{ app: { title: Dragons Legacy, version: 1.0.0 }, ui: { main_menu: { new_game: New Game, load_game: Load Game, options: Options, exit: Exit }, battle: { attack: Attack, defend: Defend, use_skill: Use Skill, flee: Flee, turn_info: Its {actor}s turn. } }, items: { potion_heal: Healing Potion (Restores {hp} HP), scroll_fireball: Scroll of Fireball }, errors: { save_failed: Failed to save game. Please check disk space., invalid_input: Invalid input provided. } }2. 创建配置文件config.py# config.py # 在此处填入你的 DeepSeek API Key # 获取地址https://platform.deepseek.com/api_keys DEEPSEEK_API_KEY your_deepseek_api_key_here # DeepSeek API 端点 DEEPSEEK_API_URL https://api.deepseek.com/v1/chat/completions # 使用的模型推荐使用最新版本 MODEL_NAME deepseek-chat4.2 编写核心翻译脚本translator.py这是整个项目的核心它负责读取 JSON、调用 AI API、处理响应并保存结果。# translator.py import json import os import time from pathlib import Path import requests from config import DEEPSEEK_API_KEY, DEEPSEEK_API_URL, MODEL_NAME def load_json_file(file_path): 加载 JSON 文件 with open(file_path, r, encodingutf-8) as f: return json.load(f) def save_json_file(data, file_path): 保存数据到 JSON 文件格式化输出 with open(file_path, w, encodingutf-8) as f: json.dump(data, f, ensure_asciiFalse, indent2) def translate_with_ai(text_to_translate, context_hint): 调用 DeepSeek API 进行翻译。 :param text_to_translate: 需要翻译的文本这里是 JSON 字符串 :param context_hint: 额外的上下文提示如“这是一个游戏UI文本” :return: 翻译后的文本JSON 字符串 # 构建系统提示词 (System Prompt)定义AI的角色和任务 system_prompt f你是一个专业的软件本地化翻译专家。{context_hint} 你的任务是将给定的 JSON 对象中的英文值value翻译成高质量、流畅、符合中文用户习惯的简体中文。 请严格遵守以下规则 1. **只翻译字符串值**保持 JSON 结构、所有键名key、数字、布尔值和 null 完全不变。 2. **保留所有变量占位符和格式标记**例如 {{variable}}、%s、colorred、\\n 等必须原样保留不得翻译或修改。 3. 翻译时需考虑文本的上下文如键名可能暗示它是按钮、标题、错误信息等。 4. 确保术语一致性同一个英文词在上下文中尽量翻译成同一个中文词。 5. 直接返回翻译后的完整 JSON 对象不要添加任何额外的解释、注释或 Markdown 代码块标记。 # 构建用户消息包含待翻译的 JSON user_message f请翻译以下 JSON {text_to_translate} headers { Authorization: fBearer {DEEPSEEK_API_KEY}, Content-Type: application/json } payload { model: MODEL_NAME, messages: [ {role: system, content: system_prompt}, {role: user, content: user_message} ], temperature: 0.3, # 较低的温度使输出更稳定、一致 max_tokens: 4000 # 根据 JSON 大小调整 } try: response requests.post(DEEPSEEK_API_URL, headersheaders, jsonpayload, timeout60) response.raise_for_status() # 如果状态码不是200抛出异常 result response.json() translated_text result[choices][0][message][content].strip() # 清理可能的 Markdown 代码块标记 translated_text translated_text.replace(json, ).replace(, ).strip() return translated_text except requests.exceptions.RequestException as e: print(fAPI 请求失败: {e}) if response: print(f响应内容: {response.text}) return None except (KeyError, IndexError, json.JSONDecodeError) as e: print(f解析 API 响应失败: {e}) print(f原始响应: {result}) return None def translate_json_file(input_path, output_path, context_hint, batch_size5): 主函数翻译整个 JSON 文件。 策略对于大型 JSON可以按顶级键分组翻译以保持组内一致性。 :param batch_size: 每次发送给 API 的顶级键数量。如果为 None则整个文件一起翻译。 print(f开始翻译文件: {input_path}) original_data load_json_file(input_path) if not isinstance(original_data, dict): print(错误根元素必须是 JSON 对象字典。) return translated_data {} # 获取所有顶级键 top_level_keys list(original_data.keys()) if batch_size and len(top_level_keys) batch_size: # 分批处理 print(f检测到 {len(top_level_keys)} 个顶级键将分批次翻译...) for i in range(0, len(top_level_keys), batch_size): batch_keys top_level_keys[i:ibatch_size] batch_dict {k: original_data[k] for k in batch_keys} print(f正在翻译批次 {i//batch_size 1}: {batch_keys}) batch_json_str json.dumps(batch_dict, ensure_asciiFalse, indentNone) translated_batch_str translate_with_ai(batch_json_str, context_hint) if translated_batch_str: try: translated_batch json.loads(translated_batch_str) translated_data.update(translated_batch) print(f批次 {i//batch_size 1} 翻译完成。) except json.JSONDecodeError as e: print(f批次 {i//batch_size 1} 翻译结果不是有效 JSON: {e}) print(f翻译结果片段: {translated_batch_str[:200]}) # 失败时保留原文 translated_data.update(batch_dict) else: print(f批次 {i//batch_size 1} 翻译失败保留原文。) translated_data.update(batch_dict) time.sleep(1) # 避免 API 速率限制 else: # 整个文件一起处理 print(JSON 结构较小整体翻译...) full_json_str json.dumps(original_data, ensure_asciiFalse, indentNone) translated_full_str translate_with_ai(full_json_str, context_hint) if translated_full_str: try: translated_data json.loads(translated_full_str) except json.JSONDecodeError as e: print(f翻译结果不是有效 JSON: {e}) print(将使用原始数据。) translated_data original_data else: print(翻译失败将使用原始数据。) translated_data original_data # 保存翻译结果 save_json_file(translated_data, output_path) print(f翻译完成结果已保存至: {output_path}) if __name__ __main__: # 设置路径 input_file Path(src/en.json) output_file Path(src/zh-CN.json) # 提供上下文提示这能显著提升翻译质量 context 这是一个名为‘龙之遗产’的西方奇幻角色扮演游戏的用户界面和物品文本。 # 开始翻译 translate_json_file(input_file, output_file, context_hintcontext, batch_size2)4.3 运行与验证获取并配置 API 密钥访问 DeepSeek 平台注册并获取 API Key。将 Key 填入config.py文件的DEEPSEEK_API_KEY变量中。安装依赖并运行pip install requests python translator.py查看输出程序运行后会在src/目录下生成zh-CN.json文件。预期生成的zh-CN.json文件内容{ app: { title: 龙之遗产, version: 1.0.0 }, ui: { main_menu: { new_game: 新游戏, load_game: 加载游戏, options: 设置, exit: 退出 }, battle: { attack: 攻击, defend: 防御, use_skill: 使用技能, flee: 逃跑, turn_info: 现在是{actor}的回合。 } }, items: { potion_heal: 治疗药水恢复{hp}点生命值, scroll_fireball: 火球术卷轴 }, errors: { save_failed: 保存游戏失败。请检查磁盘空间。, invalid_input: 提供的输入无效。 } }4.4 结果分析对比原始机翻和 AI 翻译“Dragon‘s Legacy”AI 可能译为“龙之遗产”比直译“龙的遗产”更符合游戏名称习惯。“Use Skill”在游戏上下文中AI 能准确译为“使用技能”而非“利用技巧”。“Healing Potion (Restores {hp} HP)”AI 能正确处理占位符{hp}并生成符合中文括号习惯的表述。“It‘s {actor}’s turn.”AI 能生成“现在是{actor}的回合。”这样流畅的句子并保留占位符。5. 常见问题与排查思路在实际操作中你可能会遇到以下问题。这里提供详细的排查指南。问题现象可能原因解决思路API 返回 401 或 403 错误API 密钥无效、过期或未正确设置。1. 检查config.py中的密钥是否正确前后有无多余空格。2. 登录 API 提供商后台确认密钥状态和剩余额度。3. 确认 API 终结点URL是否正确。API 返回 429 错误频率限制请求过于频繁触发了速率限制。1. 在代码中增加time.sleep(1)或更长的间隔。2. 减少batch_size分批发送更小的数据块。3. 检查免费 tier 的每分钟/每日请求限制。翻译结果丢失了 JSON 结构或格式错误AI 的回复可能包含了非 JSON 的说明文字或者 Prompt 不够严格。1. 强化 Prompt 中的指令“直接返回翻译后的完整 JSON不要添加任何解释”。2. 在代码中添加后处理使用json.loads()前先尝试剥离 Markdown 代码块标记 (json)。3. 在 Prompt 中提供一个输出格式的示例。翻译不一致同一个词有多种译法AI 每次调用是独立的缺乏全局记忆。1.推荐在 Prompt 中提供术语表。2. 将整个 JSON 文件一次性发送如果大小允许让模型看到全局上下文。3. 先翻译一个包含关键术语的小样本固定译法然后在后续翻译的 Prompt 中引用这个样本。占位符{var}或 HTML 标签被翻译或破坏Prompt 未明确强调保留这些特殊格式。在 Prompt 中用醒目的方式强调“必须原样保留所有像{variable}、%s、b这样的占位符和标签不得翻译或修改其结构。”翻译结果过于生硬或不符合语境缺乏上下文提示。在context_hint参数中提供更详细的背景信息例如“这是科幻游戏的物品描述风格偏向冷酷和技术感”。处理超大 JSON 文件时超时或 token 超限单次请求的文本长度超过了模型的上文窗口Context Window。1.分而治之按逻辑模块如ui,items,dialogue拆分 JSON 文件分别翻译。2. 实现更细粒度的分批逻辑不是按顶级键而是按嵌套层级和大小进行切割。3. 考虑使用支持更长上下文的模型如 DeepSeek 支持 128K。本地模型Ollama响应慢或翻译质量差模型太小或 Prompt 未优化。1. 尝试更大的模型如qwen2.5:14b。2. 为本地模型设计更详细、更清晰的 Prompt因为小模型的理解能力相对较弱。3. 检查系统资源CPU/GPU/内存是否充足。6. 最佳实践与工程建议将 AI 汉化集成到实际项目中时遵循以下最佳实践可以大幅提升效率和质量。6.1 项目管理与工作流版本控制将原始的en.json和翻译后的zh-CN.json都纳入 Git 管理。AI 翻译可以作为初次生成的工具后续的人工校对和优化则通过提交记录来追踪。增量更新当源文件en.json更新时新增或修改了条目不要全量重新翻译。可以编写脚本比较新旧版本只将新增或修改的条目发送给 AI 翻译然后合并到现有的zh-CN.json中。这能节省成本并保持已有翻译的稳定性。人工校对环节必不可少AI 翻译是强大的助手但并非完美。务必安排母语者或资深用户进行最终校对特别是对于核心剧情、品牌标语等关键文本。6.2 提升翻译质量的工程技巧构建术语库Glossary创建一个glossary.json文件存储项目专有名词的标准译法。在每次翻译前将这个术语库作为上下文注入到 Prompt 中。// glossary.json { Skill: 技能, Mana: 法力值, Buff: 增益效果, Nerf: 削弱效果, DPS: 每秒伤害 }分场景定制 Prompt不要对所有文本使用同一个 Prompt。可以为“UI界面”、“物品描述”、“角色对话”、“系统错误”等不同场景准备不同的 Prompt 模板以获取更贴切的译文。保留翻译记忆对于已经人工校对确认的优质翻译可以将其作为“翻译记忆”保存下来。在未来翻译相似句子时可以先在记忆库中搜索直接复用或作为参考提供给 AI。6.3 成本控制与性能优化缓存机制对于已经翻译过的、内容不变的键值对可以将结果缓存到本地数据库或文件中。下次运行时直接读取缓存避免重复调用 API 产生费用。选择合适的模型对于简单的 UI 文本较小的模型如 7B 参数可能就足够了且响应更快、成本更低。对于复杂的文学性描述再使用更大、更强的模型。监控与日志记录每一次 API 调用的输入、输出、token 用量和成本。这有助于分析费用构成和优化翻译策略。6.4 安全与合规敏感信息确保待翻译的 JSON 中不包含任何真实的用户数据、密码、密钥等敏感信息。遵守服务条款在使用任何 AI API 前仔细阅读其使用条款确保你的翻译用途是允许的。免费额度通常足够用于个人或中小型项目的本地化。数据备份在运行批量翻译脚本前务必备份原始的en.json和已有的zh-CN.json文件以防脚本错误导致数据损坏。通过结合 AI 的强大能力和人类的最终审核你可以建立起一个高效、低成本、高质量的本地化工作流彻底告别过去依赖粗糙机翻的时代。这套方法不仅适用于游戏也适用于任何使用 JSON 作为多语言存储格式的 Web 应用、移动应用和桌面软件。