BabelDOC把PDF论文翻译成中文还能保留公式、表格与排版从安装到出双语文档只要几步【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC当你要把一份英文PDF论文翻成中文并且要求译文里的公式、表格和版式不塌、不错位、不缺行时可以直接用 BabelDOC它先把PDF解析成中间表示再对中间层文本做翻译最后重新排版渲染成新文档。跑完一次翻译你会得到一份单语PDF和一份原文/译文并排的双语对照PDF可以直接打开核对哪一段的排版出了问题。项目定位翻译中间表示而不是在原PDF上贴字BabelDOC 的产出是翻译后仍然能排版的PDF这是它与常见的原页面上叠一层译文做法的关键差异格式保留靠中间层布局、字体、字号、颜色、公式占位都在中间表示里记录翻译只替换文本重新排版时按原样式落位docs/ImplementationDetails/ 里有各阶段的实现说明。双语文档默认输出每次翻译同时产出双语对照PDF和单语PDF核对与交付两用。翻译走 OpenAI 兼容 LLM只支持 OpenAI 兼容接口含本地模型带翻译缓存和 QPS 限速语言覆盖见 docs/supported_languages.md项目当前主要面向英译中场景。五分钟跑通第一个任务安装、翻译、拿到双语PDF先装好命令行然后用一个 OpenAI 兼容的接口翻译一个PDF最小命令如下uv tool install --python 3.12 BabelDOC export OPENAI_API_KEY你的key babeldoc --openai --openai-api-key $OPENAI_API_KEY \ --files paper.pdf--openai-model默认 gpt-4o-mini、--openai-base-url用来切换模型与端点本地 Ollama 之类的服务 API key 随便填一个非空值即可--lang-in/--lang-out默认就是 en → zh。跑完会在当前目录或--output指定的目录得到带水印的单语PDF和双语对照PDF终端会打印两条输出路径token 用量也会一并给出。典型问题怎么解按一次翻译任务的实际推进顺序看四个场景。第一次翻译从文件到输出路径跑通的关键只有三点给对文件、给对接口、找对输出。文件路径建议用绝对路径多文件用多个--files传入会依次处理。输出目录默认与输入同目录想集中管理就加--output。第一次运行时它还会下载并校验模型与字体等资产想提前拉好可以单独执行babeldoc --warmup只做资产预热。术语一致性从自动提取到术语库接管专业词汇的译法由两层机制控制。第一层是自动术语提取翻译前先从文档里抽取术语喂给提示词可以用--save-auto-extracted-glossary把结果存成CSV也可以--no-auto-extract-glossary关掉。第二层是你自己的术语库CSV 三列source、target、可选tgt_lng用--glossary-files指定source,target,tgt_lng AutoML,自动机器学习,zh-CN命中术语时对应词表会被注入该段文本的提示词并要求模型遵循同一术语在全文档内因此保持一致。扫描版和超长大文档先分段再决定要不要OCR已知不是扫描件时加--skip-scanned-detection省掉检测耗时。确认是扫描件就用--ocr-workaround前提假设是白底黑字——它会在译文下方垫白色块盖住原文、并强制文字为黑色不想自己判断就改用--auto-enable-ocr-workaround检测到高比例扫描页时自动启用。超过百页的文档用--max-pages-per-part指定每段页数它会自动分段翻译、再合并回一份完整PDF。想先试水几页用--pages 1,2,1-这类页码语法即可。集成进流程TOML配置与兼容性开关批量跑或嵌进流水线时把参数写进 TOML 配置文件用--config指过去README 里有一份可直接抄的示例配置。如果某些PDF阅读器打开输出有问题加--enhance-compatibility它等价于--skip-clean、--dual-translate-first、--disable-rich-text-translate三个开关的组合代价是文件体积更大。提效技巧吞吐调节用--qps和--pool-max-workers组合--qps限制请求速率默认4--pool-max-workers直接设定内部工作线程数默认等于QPS接口限流严就降、机器富余就升。重复试错不花钱翻译结果有缓存改模型提示词之外的参数重跑时相同文本直接命中缓存确需全部重翻才加--ignore-cache。离线或多机部署在有网机器上babeldoc --generate-offline-assets /path/to/dir打一个资产包目标机上--restore-offline-assets恢复包含全部字体和模型结果一致。项目内部结构目录职责babeldoc/format/pdf/CLI入口、高层翻译流程以及内嵌的PDF解析器babeldoc/format/pdf/document_il/中间表示的前端解析、中端处理、后端PDF生成babeldoc/docvision/文档布局视觉模型本地ONNX或RPC服务babeldoc/translator/LLM翻译调用与缓存docs/ImplementationDetails/解析、段落、排版、PDF生成各阶段实现文档处理顺序固定为解析PDF建中间层 → 布局分析 → 段落识别 → 样式与公式 → 术语提取 → 翻译 → 排版 → 字体映射 → 生成PDF每个阶段的权重占比在 babeldoc/format/pdf/high_level.py 的TRANSLATE_STAGES里能直接看到。常见疑问--pages的取值语法有哪些边界支持逗号分隔的单页、区间与开边界如1,2,1-,3-5-表示到末页3-5表示3到5页不设置则翻译全部页码。术语库CSV里的tgt_lng不填会怎样可选项。填了的话该条目只在归一化后与--lang-out匹配时才生效大小写折叠、连字符转下划线不填则对所有目标语言生效。文件不存在或没有有效列时会在日志里报错并跳过该文件不会中断翻译。输出PDF的水印怎么关默认输出带水印版本。用--watermark-output-mode控制no_watermark只出不带水印的both同时出两种旧的--no-watermark已标记弃用不建议再用。BabelDOC 的定位是把PDF翻译做稳中间表示负责格式保真LLM负责译文双语文档负责核对。项目以 AGPL-3.0 发布当前主要打磨英译中方向其他语言组合建议先跑小样本验证。遇到可复现的解析或排版问题把PDF样本直接提到仓库的 issue 里最有价值涉及解析、翻译行为改动的贡献按仓库要求先开 issue 讨论再提PR。【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