BabelDOC一条命令保留公式和表格的PDF翻译【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC手上有份 40 页的英文论文明早九点前要有中文版本。你跑一行babeldoc出来的 PDF 里公式、表格、双栏排版都还在原位。BabelDOC 是一个开源的 PDF 翻译工具先把页面拆成中间表示只替换文本剩下的交给排版引擎。下面走一遍安装、首次运行和两个最常用的场景。传统做法为什么总翻翻乱乱用机翻加文本框的方式处理论文结果通常一致公式变乱码、表格串行、整版排版塌掉。BabelDOC 的输出不一样——公式与图表区域原样透传只替换文本块再按原段落框重新装回版面。第二个常见痛点是术语。同一个词在三处被翻成三种说法审稿人要逐个核对。BabelDOC 允许你用 CSV 术语表提前锁定译法翻译时模型必须照表执行。用 BabelDOC 翻译PDF版面为什么不塌3个概念中间表示把 PDF 拆成结构化文档记录每个字符属于哪个段落、哪部分是公式、带什么样式。实现在 document_il 模块。版面识别一个本地 onnx 模型判断页面上哪块是标题、正文、图表决定翻译顺序和排版规则。见 docvision 模块。排版回填翻译后把文字装回原段落框装不下就扩框、调行距和字号。算法在 typesetting.py。说白了公式和图表是透传文本是翻译最后按原位置重排。版面不塌是这套流程的副产品不是翻译完再补救。从安装到拿到第一次翻译结果两步第一步装好uv tool install --python 3.12 BabelDOC # 源码替代git clone https://gitcode.com/GitHub_Trending/ba/BabelDOC 后 cd 进去 uv run babeldoc --help装完你会得到babeldoc命令首次运行时自动下载版面模型等资产。第二步翻译第一个文件babeldoc --openai -k your-api-key --openai-base-url https://api.openai.com/v1 --files paper.pdf你会在输出目录拿到两份 PDF中英对照版dual和纯中文版mono。深扒学术论文公式和图表编号怎么保住babeldoc --openai -k $KEY --files paper.pdf --formular-font-pattern CMMI|CMSY关键参数--formular-font-pattern声明公式用的字体名避免正文字体被误判成公式。页面多的时候加--pages 1-5先翻摘要和引言验证效果再放开全文。技术文档术语一致性术语表CSV怎么写术语表就是一个三列 CSV仓库里有个 示例文件 可参照source,target,tgt_lng load balancing,负载均衡,zh-CN consistency,一致性,zh-CN翻译时挂上它babeldoc --openai -k $KEY --files design_doc.pdf --glossary-files terms.csv注意tgt_lng列要和--lang-out对得上默认 zh表里写 zh-CN对不上的词条不会生效。进阶工具箱常用参数一列--pages— 只翻指定页支持 1-5,10,20- 这类写法--max-pages-per-part— 大文档按页切块防内存爆掉--qps 10— 翻译接口限速默认 4--pool-max-workers 8— 内部并发线程数默认等于 QPS--ignore-cache— 跳过本地翻译缓存强制重翻--ocr-workaround— 扫描件加白色底盖住原文--skip-scanned-detection— 确认非扫描版时跳过检测提速--no-dual/--no-mono— 只出对照版或只出纯中文版--generate-offline-assets ./pkg— 离线环境打包资产用--restore-offline-assets恢复--watermark-output-mode no_watermark— 去掉译文水印踩坑速查PDF翻译的三个高频症状格式错乱、字体怪先确认原文能复制选中纯扫描图无法直翻疑难件加--enhance-compatibility再试。公式被当正文翻了用--formular-font-pattern指定公式字体配--remove-non-formula-lines清装饰线。处理太慢把--qps和--pool-max-workers提到 10 QPS、8 线程大文档再切--max-pages-per-part。想再深挖去哪里看中间表示与排版实现版面识别与 RPC 部署各阶段实现原理文档中英项目接受 Issue 和 PR如果你手里有垂直领域的术语表也可以直接贡献成 CSV。在这个流程里版面不是翻译完再补救的东西而是解析—换文本—重排的必然产物。仓库的克隆地址见上文安装一节版本更新频繁升级前建议先看一眼最新 release。找一份几页的小 PDF把第二步的命令跑通格式保留的效果你自己就能验证。【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
BabelDOC：一条命令保留公式和表格的PDF翻译
BabelDOC一条命令保留公式和表格的PDF翻译【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC手上有份 40 页的英文论文明早九点前要有中文版本。你跑一行babeldoc出来的 PDF 里公式、表格、双栏排版都还在原位。BabelDOC 是一个开源的 PDF 翻译工具先把页面拆成中间表示只替换文本剩下的交给排版引擎。下面走一遍安装、首次运行和两个最常用的场景。传统做法为什么总翻翻乱乱用机翻加文本框的方式处理论文结果通常一致公式变乱码、表格串行、整版排版塌掉。BabelDOC 的输出不一样——公式与图表区域原样透传只替换文本块再按原段落框重新装回版面。第二个常见痛点是术语。同一个词在三处被翻成三种说法审稿人要逐个核对。BabelDOC 允许你用 CSV 术语表提前锁定译法翻译时模型必须照表执行。用 BabelDOC 翻译PDF版面为什么不塌3个概念中间表示把 PDF 拆成结构化文档记录每个字符属于哪个段落、哪部分是公式、带什么样式。实现在 document_il 模块。版面识别一个本地 onnx 模型判断页面上哪块是标题、正文、图表决定翻译顺序和排版规则。见 docvision 模块。排版回填翻译后把文字装回原段落框装不下就扩框、调行距和字号。算法在 typesetting.py。说白了公式和图表是透传文本是翻译最后按原位置重排。版面不塌是这套流程的副产品不是翻译完再补救。从安装到拿到第一次翻译结果两步第一步装好uv tool install --python 3.12 BabelDOC # 源码替代git clone https://gitcode.com/GitHub_Trending/ba/BabelDOC 后 cd 进去 uv run babeldoc --help装完你会得到babeldoc命令首次运行时自动下载版面模型等资产。第二步翻译第一个文件babeldoc --openai -k your-api-key --openai-base-url https://api.openai.com/v1 --files paper.pdf你会在输出目录拿到两份 PDF中英对照版dual和纯中文版mono。深扒学术论文公式和图表编号怎么保住babeldoc --openai -k $KEY --files paper.pdf --formular-font-pattern CMMI|CMSY关键参数--formular-font-pattern声明公式用的字体名避免正文字体被误判成公式。页面多的时候加--pages 1-5先翻摘要和引言验证效果再放开全文。技术文档术语一致性术语表CSV怎么写术语表就是一个三列 CSV仓库里有个 示例文件 可参照source,target,tgt_lng load balancing,负载均衡,zh-CN consistency,一致性,zh-CN翻译时挂上它babeldoc --openai -k $KEY --files design_doc.pdf --glossary-files terms.csv注意tgt_lng列要和--lang-out对得上默认 zh表里写 zh-CN对不上的词条不会生效。进阶工具箱常用参数一列--pages— 只翻指定页支持 1-5,10,20- 这类写法--max-pages-per-part— 大文档按页切块防内存爆掉--qps 10— 翻译接口限速默认 4--pool-max-workers 8— 内部并发线程数默认等于 QPS--ignore-cache— 跳过本地翻译缓存强制重翻--ocr-workaround— 扫描件加白色底盖住原文--skip-scanned-detection— 确认非扫描版时跳过检测提速--no-dual/--no-mono— 只出对照版或只出纯中文版--generate-offline-assets ./pkg— 离线环境打包资产用--restore-offline-assets恢复--watermark-output-mode no_watermark— 去掉译文水印踩坑速查PDF翻译的三个高频症状格式错乱、字体怪先确认原文能复制选中纯扫描图无法直翻疑难件加--enhance-compatibility再试。公式被当正文翻了用--formular-font-pattern指定公式字体配--remove-non-formula-lines清装饰线。处理太慢把--qps和--pool-max-workers提到 10 QPS、8 线程大文档再切--max-pages-per-part。想再深挖去哪里看中间表示与排版实现版面识别与 RPC 部署各阶段实现原理文档中英项目接受 Issue 和 PR如果你手里有垂直领域的术语表也可以直接贡献成 CSV。在这个流程里版面不是翻译完再补救的东西而是解析—换文本—重排的必然产物。仓库的克隆地址见上文安装一节版本更新频繁升级前建议先看一眼最新 release。找一份几页的小 PDF把第二步的命令跑通格式保留的效果你自己就能验证。【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
