comic-translate

多语言漫画自动翻译开源项目

Comic Translate是一个开源的多语言漫画翻译项目，支持英语、韩语、日语、法语、中文等语言之间的互译。该项目利用GPT-4等大型语言模型进行翻译，并整合了文本检测、OCR识别和图像修复等技术。Comic Translate适用于全球各类漫画的翻译，不局限于日本漫画。项目特点包括高质量翻译输出、多语言支持和全面的技术集成。

Comic TranslateOCR翻译语言模型人工智能Github开源项目

访问官网

GitHub

论文

漫画翻译

简介

目前存在许多自动漫画翻译工具。但很少有工具能够适当支持其他语言的各种类型漫画。本项目旨在利用最先进的大型语言模型（如GPT-4）的能力，翻译来自世界各地的漫画。目前，它支持英语、韩语、日语、法语、简体中文、繁体中文、俄语、德语、荷兰语、西班牙语和意大利语之间的互译。它还可以将这些语言翻译成（但不能从这些语言翻译）土耳其语、波兰语、葡萄牙语和巴西葡萄牙语。

机器翻译的现状
预览
入门指南
工作原理
- 文本检测
- OCR
- 图像修复
- 翻译
- 文本渲染
致谢

机器翻译的现状

对于几十种语言来说，最好的机器翻译器并不是谷歌翻译、Papago甚至DeepL，而是像GPT-4这样的最先进的大型语言模型，而且优势显著。这一点在远距离语言对（如韩语<->英语、日语<->英语等）的翻译中尤为明显，其他翻译器在这些情况下仍然经常会出现乱码。摘自闵石基（돌기민）的《步行练习》（보행 연습）

漫画样例

使用GPT-4作为翻译器。注意：其中一些漫画也有官方英文翻译版本

<img src="https://i.imgur.com/m7PDiXN.jpg" width="49%"> <img src="https://i.imgur.com/eUwTGnn.jpg" width="49%"> 玩家(吴贤俊)

碳与硅

安装

Python

安装Python（<=3.10）。在安装过程中勾选"添加python.exe到PATH"。

https://www.python.org/downloads/

克隆仓库（或下载文件夹），进入文件夹

git clone https://github.com/ogkalu2/comic-translate
cd comic-translate

然后安装依赖

pip install -r requirements.txt

如果遇到任何问题，可以尝试在虚拟环境中运行。在终端/命令提示符中打开你想安装虚拟环境的目录（或cd '虚拟环境文件夹的路径'）。使用以下命令创建虚拟环境：

python -m venv comic-translate-venv

现在激活虚拟环境。在Windows上：

comic-translate-venv\Scripts\activate

在Mac和Linux上：

source comic-translate-venv/bin/activate

现在你可以再次运行安装命令。使用完应用后，可以使用以下命令停用虚拟环境：

deactivate

要重新激活，在虚拟环境文件夹所在目录的终端中使用相同的命令。

如果你有NVIDIA GPU，建议运行

pip uninstall torch torchvision
pip install torch==2.1.0+cu121 -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision==0.16.0+cu121 -f https://download.pytorch.org/whl/torch_stable.html

注意：+cu121中的121表示CUDA版本 - 12.1。用你的CUDA版本替换121。例如，如果你运行CUDA 11.8，则用118替换。

使用方法

在comic-translate目录中，运行

python comic.py

这将启动图形界面

提示

如果你有CBR文件，需要安装Winrar或7-Zip，然后将安装文件夹（例如Windows上的"C:\Program Files\WinRAR"）添加到Path。如果已安装但未添加到Path，可能会出现以下错误，

raise RarCannotExec("Cannot find working tool")

在这种情况下，Windows、Linux、Mac的操作说明

确保选择的字体支持目标语言的字符
v2.0引入了手动模式。当自动模式遇到问题时（未检测到文本、OCR不正确、清理不充分等），你现在可以进行修正。只需撤销图像并切换到手动模式。
在自动模式下，一旦图像被处理，它会在查看器中加载或存储以便切换时加载，这样你可以在应用中继续阅读，而其他图像正在被翻译。
Ctrl + 鼠标滚轮进行缩放，否则垂直滚动
常用的触控板手势可用于查看图像
右键、左键用于在图像之间导航

API密钥

以下选项需要访问封闭资源，因此需要API密钥：

GPT-4o或4o-mini用于翻译（付费，4o约0.01美元/页）
DeepL翻译器（免费，每月50万字符）
GPT-4o用于OCR（法语、俄语、德语、荷兰语、西班牙语、意大利语的默认选项）（付费，约0.02美元/页）
Microsoft Azure Vision用于OCR（免费，每月5000张图像）
Google Cloud Vision用于OCR（免费，每月1000张图像）你可以通过进入设置 > 凭证来设置API密钥

获取API密钥

Open AI (GPT)

前往OpenAI平台网站platform.openai.com，使用（或创建）OpenAI账户登录。
将鼠标悬停在页面右侧任务栏上，选择"API密钥"。
点击"创建新的密钥"生成新的API密钥。复制并保存它。

Google Cloud Vision

登录/创建Google Cloud账户。进入云资源管理器，点击"创建项目"。设置您的项目名称。
在此选择您的项目，然后选择"账单"，再点击"创建账户"。在弹出窗口中，"启用账单账户"，并接受免费试用账户的优惠。您的"账户类型"应为个人。填写有效的信用卡信息。
在此为您的项目启用Google Cloud Vision。
在Google Cloud凭证页面，点击"创建凭证"，然后选择API密钥。复制并保存它。

工作原理

对话气泡检测和文本分割

speech-bubble-detector，text-segmenter。两个yolov8m模型分别在8000和3000张漫画图像（漫画、网络漫画、西方漫画）上进行训练。

OCR

默认情况下：

英语使用EasyOCR
日语使用manga-ocr
韩语使用Pororo
中文使用PaddleOCR
法语、俄语、德语、荷兰语、西班牙语和意大利语使用GPT-4o。付费服务，需要API密钥。

可选项：

这些可用于任何支持的语言。需要API密钥。

图像修复

使用Manga/Anime微调的lama检查点来移除由分割器检测到的文本。实现参考lama-cleaner

翻译

目前支持使用GPT-4o、GPT-4o mini、DeepL、Claude-3-Opus、Claude-3.5-Sonnet、Claude-3-Haiku、Gemini-1.5-Flash、Gemini-1.5-Pro、Yandex、Google Translate和Microsoft Translator。

所有大语言模型都会获取整个页面的文本以辅助翻译。还可以选择提供图像本身以获取更多上下文信息。

文本渲染

使用PIL在从气泡和文本获得的边界框中渲染换行文本。

致谢

编辑推荐精选

Manus

全面超越基准的 AI Agent助手

Manus 是一款通用人工智能代理平台，能够将您的创意和想法迅速转化为实际成果。无论是定制旅行规划、深入的数据分析，还是教育支持与商业决策，Manus 都能高效整合信息，提供精准解决方案。它以直观的交互体验和领先的技术，为用户开启了一个智慧驱动、轻松高效的新时代，让每个灵感都能得到完美落地。

飞书知识问答

飞书官方推出的AI知识库上传word pdf即可部署AI私有知识库

基于DeepSeek R1大模型构建的知识管理系统，支持PDF、Word、PPT等常见文档格式解析，实现云端与本地数据的双向同步。系统具备实时网络检索能力，可自动关联外部信息源，通过语义理解技术处理结构化与非结构化数据。免费版本提供基础知识库搭建功能，适用于企业文档管理和个人学习资料整理场景。

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

TraeAI IDE协作生产力转型热门AI工具

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

使用教程AI工具酷表ChatExcelAI智能客服AI营销产品

DeepEP

DeepSeek开源的专家并行通信优化框架

DeepEP是一个专为大规模分布式计算设计的通信库，重点解决专家并行模式中的通信瓶颈问题。其核心架构采用分层拓扑感知技术，能够自动识别节点间物理连接关系，优化数据传输路径。通过实现动态路由选择与负载均衡机制，系统在千卡级计算集群中维持稳定的低延迟特性，同时兼容主流深度学习框架的通信接口。

DeepSeek

全球领先开源大模型，高效智能助手

DeepSeek是一家幻方量化创办的专注于通用人工智能的中国科技公司，主攻大模型研发与应用。DeepSeek-R1是开源的推理模型，擅长处理复杂任务且可免费商用。

KnowS

AI医学搜索引擎整合4000万+实时更新的全球医学文献

医学领域专用搜索引擎整合4000万+实时更新的全球医学文献，通过自主研发AI模型实现精准知识检索。系统每日更新指南、中英文文献及会议资料，搜索准确率较传统工具提升80%，同时将大模型幻觉率控制在8%以下。支持临床建议生成、文献深度解析、学术报告制作等全流程科研辅助，典型用户反馈显示每周可节省医疗工作者70%时间。

Windsurf Wave 3

Windsurf Editor推出第三次重大更新Wave 3

新增模型上下文协议支持与智能编辑功能。本次更新包含五项核心改进：支持接入MCP协议扩展工具生态，Tab键智能跳转提升编码效率，Turbo模式实现自动化终端操作，图片拖拽功能优化多模态交互，以及面向付费用户的个性化图标定制。系统同步集成DeepSeek、Gemini等新模型，并通过信用点数机制实现差异化的资源调配。

AI IDE