comic-translate

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

漫画翻译

English | 한국어 | Français | 简体中文 | 日本語 | Português Brasileiro

<img src="https://i.imgur.com/aNuwiJb.png">

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

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) 模型

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

《公海的可怜人》

<img src="https://i.imgur.com/75HwK4r.jpg" width="49%"> <img src="https://i.imgur.com/3oRt5fX.jpg" width="49%">

《西游记》

<img src="https://i.imgur.com/zk7yiKe.jpg" width="49%"> <img src="https://i.imgur.com/4ycSi8j.jpg" width="49%">

《虫世界传奇》

<img src="https://i.imgur.com/cVVGVXp.jpg" width="49%"> <img src="https://i.imgur.com/SSl81sb.jpg" width="49%">

《葬送的芙莉莲》

<img src="https://i.imgur.com/ANGHVhG.png" width="49%"> <img src="https://i.imgur.com/r5YOE26.png" width="49%">

《沙之日》

<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)

<img src="https://i.imgur.com/KGwiHJh.jpg" width="49%"> <img src="https://i.imgur.com/B8RMbRQ.jpg" width="49%">

碳与硅

<img src="https://i.imgur.com/h51XJx4.jpg" width="49%"> <img src="https://i.imgur.com/sLitjUY.jpg" width="49%">

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,WindowsLinuxMac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。
  • 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-detectortext-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。

<img src="https://i.imgur.com/TlzVH3j.jpg" width="49%"> <img src="https://i.imgur.com/h18XrYT.jpg" width="49%">

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lama检查点来移除由分割器检测到的文本。实现参考lama-cleaner

<img src="https://i.imgur.com/cVVGVXp.jpg" width="49%"> <img src="https://i.imgur.com/bLkPyqG.jpg" width="49%">

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

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

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。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多