wenyi

关于

开源协议：MIT 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 bash uv sync export DEEPSEEKAPIKEY=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： bash uv run trans-novel resume book.epub 查看进度： bash uv run trans-novel status book.epub 仅重新导出 EPUB： bash 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： bash 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 bash 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.autofixsevere: 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.backtranslatesample: 回译抽检比例，0 为关闭。 pipeline.consistencyqa: 全书跨章一致性扫描。 pipeline.bookunderstanding: 翻译前预扫整本书，生成全书概览和逐章梗概。 pipeline.rollingcontextsegments: 每批翻译时带入的前文译文段数。 segment.maxcharsperbatch: 每个翻译批次的大小。 segment.maxcharspersegment: 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： text 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 autofixsevere 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 bash 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 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 text transnovel/ 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 bash UVCACHEDIR=/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： bash 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。👏 本项目得到了一些专业译者的认可，获得许多读者朋友（主要是村上春树读者）的好评。

收录记录

1. 阮一峰周刊·用户投稿

   2026年7月7日 · 1 次收录

2. HelloGitHub·月刊推荐

   2026年7月28日 · 1 次收录