wenyi文译PDF翻译指南MinerU与BabelDOC双后端对比含中文输出字体配置【免费下载链接】wenyi将被语言阻隔的作品带到读者的语言中。Bringing literature into your language.项目地址: https://gitcode.com/gh_mirrors/we/wenyiwenyi文译是一款面向长文献作品的开源 AI 翻译工具支持一键把PDF 电子书翻译成中文 EPUB、HTML 或 PDF。它内置MinerU云端解析与BabelDOC本地版式回填两套 PDF 后端并针对中文输出提供了完整的字体配置方案本指南带你从零跑通整个流程。为什么选 wenyi 做 PDF 翻译相比常见的OCR 逐段翻译脚本wenyi 把 PDF 当作一本完整的书来处理能力说明全书理解翻译前先预扫全书生成章节梗概译名更统一实时术语库自动提取人名、术语冲突译名会被标出待确认断点续跑中断后执行同一命令即可续翻已完成批次不重复多格式输出PDF 状态可导出 EPUB / HTML / PDF支持双语对照版PDF 输入与 PDF 导出目前均为实验性支持详见 docs/zh/usage.md。双后端怎么选MinerU vs BabelDOC 对比wenyi 通过配置项pdf_backend选择解析后端完整配置说明见 docs/zh/configuration.md。对比项MinerU默认BabelDOC bridge部署方式云端 API设MINERU_API_KEY即可外部 HTTP 服务本地默认127.0.0.1:8765版式保留转为 HTML版式不保留尽量保留原版式译后回填 PDF扫描件支持✅ 支持自带 OCR 能力❌ 仅支持带文本层的 PDF默认导出格式EPUBPDF回填原书版式适用场景大多数 PDF、快速上手排版精美的书籍、杂志类文档一句话选择追求省事和兼容性选 MinerU追求翻完还是原来那本书的样子选 BabelDOC。一键安装与 MinerU 快速开始安装只需三步要求 Python 3.10 与 uvgit clone https://gitcode.com/gh_mirrors/we/wenyi cd wenyi uv sync然后设置 API 密钥并发起翻译export DEEPSEEK_API_KEYsk-... export MINERU_API_KEY... uv run wenyi translate book.pdfMinerU 后端的工作流程首次读取 PDF 时调用 MinerU 把整本书转成 HTMLHTML 按源文件 SHA-256 缓存到state/书名/targets/zh/source/哈希/converted.html同一本书续跑、换目标格式都会直接复用不再重复付费转换后续按 EPUB 管线走全书翻译默认输出output/book.zh.epub。 小技巧转换后的 HTML 可以直接手工修正再续跑适合 MinerU 对某些复杂表格解析不理想的情况。PDF 解析逻辑见 pdf_reader.py 与 pdf_to_html.py。BabelDOC 版式保留后端配置三步走如果你希望译文回填到原 PDF 版式中按下面三步配置安装并启动 bridge 服务在独立仓库安装wenyi-babeldoc-bridgeAGPL 协议、独立进程、仅 HTTP 通信默认监听http://127.0.0.1:8765修改config.yamlpipeline: pdf_backend: babeldoc babeldoc_bridge_url: http://127.0.0.1:8765 # babeldoc_pages: 6-8 # 可选只处理第 6–8 页执行翻译uv run wenyi translate book.pdf会自动经 bridge 的/fillback接口导出 PDF译后文件默认命名为book.zh.pdf无需再指定--format pdf。BabelDOC 后端的关键特性按 PDF 内置书签TOC断章没有书签时退回单章处理bridge 会把版面识别结果冻结为持久 session服务重启后可恢复不会重跑版面识别长时间翻译建议用WENYI_BABELDOC_STATE_DIR指定持久目录⚠️ 若所选页面只有扫描图片而没有文本层wenyi 会提前停止并提示改用 MinerU 或先 OCR。bridge 客户端实现位于 pdf_bridge/client.pyPDF 状态解析逻辑见 pdf_babeldoc.py。PDF 导出与中文字体配置详解翻译完成后若想把译本导出为 PDFwenyi 提供两个排版引擎引擎一WeasyPrint默认推荐uv sync --extra pdf-output uv run wenyi assemble book.html --format pdf基于系统排版库渲染支持Noto CJK等 OpenType/CFF 中文字体中文显示效果最好。引擎二fpdf2轻量跨平台不想依赖 Pango 等系统库时可换用轻量引擎uv sync --extra pdf-output-lite uv run wenyi assemble book.html --format pdf --pdf-engine fpdf2⚠️重点来了fpdf2 只认带 TrueType 轮廓glyf表的字体Noto CJK 的 OpenType/CFF 版本会被跳过。它会按顺序自动查找系统中的中文字体macOS 的苹方/黑体、Linux 的文泉驿正黑、Windows 的微软雅黑msyh.ttc/ 宋体simsun.ttc。找不到合适字体时用环境变量显式指定export TRANS_NOVEL_PDF_FONT/path/to/字体.ttc字体配置要求文件必须是TTF / OTF / TTC格式必须是 TrueType 轮廓文泉驿正黑、微软雅黑均可Noto CJK OpenType 版不行显式指定了不兼容字体时会直接报错而不是产出损坏的 PDF。字体探测逻辑可以查看 pdf_writer.py。常见问题速查现象原因与解决提示需要MINERU_API_KEYMinerU 首次转换必须配置密钥已有converted.html缓存则无需密钥BabelDOC 提示页面无文本层该 PDF 是纯扫描件改用pdf_backend: mineru或先 OCR换格式续跑时后端变了默认格式以已保存的后端为准BabelDOC 状态默认出 PDFMinerU 状态默认出 EPUB显式--format始终优先fpdf2 导出的中文是方块未找到 TrueType 中文字体设置TRANS_NOVEL_PDF_FONT或安装fonts-wqy-zenhei想检查翻译进度uv run wenyi status book.pdf或在 Web 界面查看实时进度总结大多数用户设置好两个 API 密钥一条wenyi translate book.pdf走 MinerU 后端稳定省事版式控部署 BabelDOC bridge把pdf_backend改为babeldoc获得原版式 PDF 回填导出中文 PDF优先 WeasyPrint轻量场景用 fpdf2并记得用TRANS_NOVEL_PDF_FONT指定 TrueType 中文字体。更多用法SRT 字幕、DOCX、双语版请阅读 docs/zh/usage.md项目架构与状态目录说明见 docs/zh/architecture.md。【免费下载链接】wenyi将被语言阻隔的作品带到读者的语言中。Bringing literature into your language.项目地址: https://gitcode.com/gh_mirrors/we/wenyi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考