一键翻译各类图片内文字
English | 更新日志
欢迎加入我们的 Discord https://discord.gg/Ak8APNy4vb

针对群内、各个图站上大量不太可能会有人去翻译的图片设计，让我这种日语小白能够勉强看懂图片
主要支持日语，汉语、英文和韩语
支持图片修补和嵌字
该项目是求闻转译志的 v2 版本

只是初步版本，我们需要您的帮助完善
这个项目目前只完成了简单的 demo，依旧存在大量不完善的地方，我们需要您的帮助完善这个项目！

请支持我们使用 GPU 服务器，谢谢！

• Ko-fi: https://ko-fi.com/voilelabs
• Patreon: https://www.patreon.com/voilelabs
• 爱发电: https://afdian.net/@voilelabs

官方演示站 (由 zyddnys 维护)： https://cotrans.touhou.ai/
镜像站 (由 Eidenz 维护): https://manga.eidenz.com/
浏览器脚本 (由 QiroNT 维护): https://greasyfork.org/scripts/437569

• 注意如果在线版无法访问说明 Google GCP 又在重启我的服务器，此时请等待我重新开启服务。
• 在线版使用的是目前 main 分支最新版本。

# 首先，确信你的机器安装了 Python 3.8 及以上版本，和相应的编译工具
$ python --version
Python 3.8.13

# 拉取仓库
$ git clone https://github.com/zyddnys/manga-image-translator.git

# 安装依赖
$ pip install -r requirements.txt

注意：pydensecrf 和其他pip包可能需要操作系统的相应编译工具（如Debian的build-essential）。

[使用谷歌翻译时可选]
申请有道翻译或者 DeepL 的 API，把你的 APP_KEY 和 APP_SECRET 或 AUTH_KEY 写入 translators/key.py 中。

名称	是否需要 API Key	是否离线可用	其他说明
google
youdao	✔️		需要 YOUDAO_APP_KEY 和 YOUDAO_SECRET_KEY
baidu	✔️		需要 BAIDU_APP_ID 和 BAIDU_SECRET_KEY
deepl	✔️		需要 DEEPL_AUTH_KEY
caiyun	✔️		需要 CAIYUN_TOKEN
gpt3	✔️		Implements text-davinci-003. Requires OPENAI_API_KEY
gpt3.5	✔️		Implements gpt-3.5-turbo. Requires OPENAI_API_KEY
gpt4	✔️		Implements gpt-4. Requires OPENAI_API_KEY
deepseek	✔️		需要 DEEPSEEK_API_KEY
papago
sakura			需要SAKURA_API_BASE
ollama			需要 OLLAMA_API_BASE OLLAMA_MODEL
offline		✔️	自动选择可用的离线模型，只是选择器
sugoi		✔️	只能翻译英文
m2m100		✔️	可以翻译所有语言
m2m100_big		✔️	带big的是完整尺寸，不带是精简版
none		✔️	翻译成空白文本
mbart50		✔️
original		✔️	翻译成源文本

可以填入 --target-lang 参数

CHS: Chinese (Simplified)
CHT: Chinese (Traditional)
CSY: Czech
NLD: Dutch
ENG: English
FRA: French
DEU: German
HUN: Hungarian
ITA: Italian
JPN: Japanese
KOR: Korean
PLK: Polish
PTB: Portuguese (Brazil)
ROM: Romanian
RUS: Russian
ESP: Spanish
TRK: Turkish
VIN: Vietnames
ARA: Arabic
SRP: Serbian
HRV: Croatian
THA: Thai
IND: Indonesian
FIL: Filipino (Tagalog)

-h, --help                     show this help message and exit
-v, --verbose                  Print debug info and save intermediate images in result folder
--attempts ATTEMPTS            Retry attempts on encountered error. -1 means infinite times.
--ignore-errors                Skip image on encountered error.
--model-dir MODEL_DIR          Model directory (by default ./models in project root)
--use-gpu                      Turn on/off gpu (auto switch between mps and cuda)
--use-gpu-limited              Turn on/off gpu (excluding offline translator)
--font-path FONT_PATH          Path to font file
--pre-dict PRE_DICT            Path to the pre-translation dictionary file
--post-dict POST_DICT          Path to the post-translation dictionary file
--kernel-size KERNEL_SIZE      Set the convolution kernel size of the text erasure area to
                               completely clean up text residues
--config-file CONFIG_FILE      path to the config file

# 如果机器有支持 CUDA 的 NVIDIA GPU，可以添加 `--use-gpu` 参数
# 使用 `--use-gpu-limited` 将需要使用大量显存的翻译交由CPU执行，这样可以减少显存占用
# 使用 `--translator=<翻译器名称>` 来指定翻译器
# 使用 `--target-lang=<语言代码>` 来指定目标语言
# 将 <图片文件路径> 替换为图片的路径
# 如果你要翻译的图片比较小或者模糊，可以使用upscaler提升图像大小与质量，从而提升检测翻译效果
$ python -m manga_translator --verbose --use-gpu --translator=google --target-lang=CHS -i <path_to_image_file>
# 结果会存放到 result 文件夹里

# 其它参数如上
# 使用 `--mode batch` 开启批量翻译模式
# 将 <图片文件夹路径> 替换为图片文件夹的路径
$ python -m manga_translator --verbose --mode batch --use-gpu --translator=google --target-lang=CHS -i <图片文件夹路径>
# 结果会存放到 `<图片文件夹路径>-translated` 文件夹里

# 其它参数如上
# 使用 `--mode web` 开启 Web 服务器模式
$ python -m manga_translator --verbose --mode web --use-gpu
# 程序服务会开启在 http://127.0.0.1:5003

程序提供两个请求模式：同步模式和异步模式。
同步模式下你的 HTTP POST 请求会一直等待直到翻译完成。
异步模式下你的 HTTP POST 会立刻返回一个 task_id，你可以使用这个 task_id 去定期轮询得到翻译的状态。

1. POST 提交一个带图片，名字是 file 的 form 到 http://127.0.0.1:5003/run
2. 等待返回
3. 从得到的 task_id 去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容

1. POST 提交一个带图片，名字是 file 的 form 到http://127.0.0.1:5003/submit
2. 你会得到一个 task_id
3. 通过这个 task_id 你可以定期发送 POST 轮询请求 JSON {"taskid": <task_id>} 到 http://127.0.0.1:5003/task-state
4. 当返回的状态是 finished、error 或 error-lang 时代表翻译完成
5. 去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容

人工翻译允许代替机翻手动填入翻译后文本

POST 提交一个带图片，名字是 file 的 form 到 http://127.0.0.1:5003/manual-translate，并等待返回

你会得到一个 JSON 数组，例如：

{
  "task_id": "12c779c9431f954971cae720eb104499",
  "status": "pending",
  "trans_result": [
    {
      "s": "☆上司来ちゃった……",
      "t": ""
    }
  ]
}

将翻译后内容填入 t 字符串：

{
  "task_id": "12c779c9431f954971cae720eb104499",
  "status": "pending",
  "trans_result": [
    {
      "s": "☆上司来ちゃった……",
      "t": "☆上司来了..."
    }
  ]
}

将该 JSON 发送到 http://127.0.0.1:5003/post-manual-result，并等待返回
之后就可以从得到的 task_id 去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容

列一下以后完善这个项目需要做的事，欢迎贡献！

1. 使用基于扩散模型的图像修补算法，不过这样图像修补会慢很多
2. 【重要，请求帮助】目前的文字渲染引擎只能勉强看，和 Adobe 的渲染引擎差距明显，我们需要您的帮助完善文本渲染！
3. 我尝试了在 OCR 模型里提取文字颜色，均以失败告终，现在只能用 DPGMM 凑活提取文字颜色，但是效果欠佳，我会尽量完善文字颜色提取，如果您有好的建议请尽管提 issue
4. 文本检测目前不能很好处理英语和韩语，等图片修补模型训练好了我就会训练新版的文字检测模型。 韩语支持在做了
5. 文本渲染区域是根据检测到的文本，而不是汽包决定的，这样可以处理没有汽包的图片但是不能很好进行英语嵌字，目前没有想到好的解决方案。
6. Ryota et al. 提出了获取配对漫画作为训练数据，训练可以结合图片内容进行翻译的模型，未来可以考虑把大量图片 VQVAE 化，输入 nmt 的 encoder 辅助翻译，而不是分框提取 tag 辅助翻译，这样可以处理范围更广的图片。这需要我们也获取大量配对翻译漫画/图片数据，以及训练 VQVAE 模型。
7. 求闻转译志针对视频设计，未来这个项目要能优化到可以处理视频，提取文本颜色用于生成 ass 字幕，进一步辅助东方视频字幕组工作。甚至可以涂改视频内容，去掉视频内字幕。
8. 结合传统算法的 mask 生成优化，目前在测试 CRF 相关算法。
9. 尚不支持倾斜文本区域合并

以下样例可能并未经常更新，可能不能代表当前主分支版本的效果。

原始图片	翻译后图片
(Source @09ra_19ra)	(Mask)
(Source @VERTIGRIS_ART)	--detector ctd (Mask)
(Source @hiduki_yayoi)	--translator none (Mask)
(Source @rikak)	(Mask)