LibreTranslate 离线部署指南5 步搭建你的免费开源翻译 API【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate上个月一位做外贸系统的朋友向我求助客户的服务器在隔离内网既不能访问云端翻译也调不了任何付费 API却要处理中英日三语的商品描述。我折腾两天后用LibreTranslate——一款免费开源、支持完全离线部署的机器翻译 API——帮他解决了问题。今天就把这条从零到可用的路径整理出来让你少踩我踩过的坑。LibreTranslate 的核心价值一句话就能说清把翻译模型放进本地目录它就能在断网环境下提供稳定翻译能力数据不出内网、没有按字数计费、也没有厂商锁定。先理解它的两层结构动手之前建议先弄清一件事LibreTranslate 的翻译能力由两个独立部分组成。模型层真正理解语言的神经网络模型由 Argos Translate 引擎管理。每个语言对一个独立文件例如en_zh.argosmodel表示英译中zh_en.argosmodel负责反向翻译。服务层基于 Flask 的 Web 接口把模型包装成 HTTP API 和网页界面并附带语言检测、限流、缓存等能力。这种分层设计带来的好处很直接你可以只下载需要的语言对不必为用不上的语言浪费硬盘。模型默认存放在Linux / macOS~/.local/share/argos-translate/packages/WindowsC:\Users\用户名\AppData\Roaming\argos-translate\packages\要点小结模型与 Web 服务分离是核心设计思路按需下载模型是控制磁盘与内存占用的关键。开工前的环境准备官方要求 Python 3.8 及以上版本建议用虚拟环境隔离依赖避免污染系统 Python# 1. 获取源码也可直接 pip install libretranslate git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate # 2. 创建并激活虚拟环境Windows 用 venv\Scripts\activate python -m venv venv source venv/bin/activate # 3. 安装依赖核心组件包括 Flask、argos-translate-lt、langdetect 等 pip install -r requirements.txt依赖较多安装过程可能需要几分钟属正常现象。5 步完成本地化部署第一步按需下载语言模型# 只下载中英互译模型约几百 MB python scripts/install_models.py --load_only_lang_codes en,zh # 或下载英、法、西、德、意五组语言 python scripts/install_models.py --load_only_lang_codes en,fr,es,de,it服务默认不会在启动时联网检查模型更新LT_UPDATE_MODELS默认关闭这正是离线运行的前提。第二步启动服务# 监听所有网卡使用 5000 端口 python main.py --host 0.0.0.0 --port 5000看到Running on ...的日志后浏览器访问http://服务器IP:5000即可看到翻译页面。第三步用 curl 验证接口# 测试翻译把 Hello world 翻成中文 curl -X POST http://localhost:5000/translate \ -H Content-Type: application/x-www-form-urlencoded \ -d qHello%20worldsourceentargetzh # 测试语言检测返回法语识别结果 curl -X POST http://localhost:5000/detect \ -d qBonjour%20le%20monde第四步按内存裁剪加载如果机器内存有限可用LT_LOAD_ONLY限制启动时加载的语言LT_LOAD_ONLYen,zh python main.py第五步固化配置所有参数都支持环境变量统一前缀LT_适合写入.env或 systemd 服务文件避免每次手敲export LT_HOST0.0.0.0 export LT_PORT5000 export LT_THREADS4 # 工作线程数默认 4 export LT_SHARED_STORAGEmemory:// # 无 Redis 时用内存存储要点小结模型下载、服务启动、接口验证、内存裁剪、配置固化五步走完即拥有一个可用的翻译服务。高频报错与一分钟解法症状常见原因快速解法报Model not found模型未下载或路径错误重新运行 install_models.py检查模型目录的读取权限首次请求卡顿、超时模型正在加载到内存等启动完成后先发一次预热请求内存不足、进程被杀同时加载了过多语言对用LT_LOAD_ONLY裁剪或增大内存端口启动失败5000 被其他程序占用换端口例如--port 8080内网其他机器访问不了默认只监听 127.0.0.1必须加--host 0.0.0.0进阶玩法安全加固与性能调优离线不等于裸奔内网同样需要基础防护启用 API 密钥启动前设置LT_API_KEYSTrue然后用ltmanage keys add 100生成一个每分钟限 100 次请求的密钥调用时在请求头携带Authorization: Bearer 你的密钥。配置限流LT_REQ_LIMIT、LT_DAILY_REQ_LIMIT可分别限制每分钟与每天的请求总量防止被脚本刷爆。关闭网页界面纯 API 场景设置LT_DISABLE_WEB_UITrue减少暴露面。吞吐调优LT_THREADS默认 4可按 CPU 核数适当上调若前面挂了 Nginx 反代设LT_TRUST_FORWARDED_FORTrue才能拿到真实客户端 IP。Docker 一键迁移项目自带 Dockerfile构建时把模型目录挂载进容器即可在任意机器上快速复刻整套环境。要点小结API 密钥 限流是内网部署的最低安全配置线程数与模型数量则直接决定吞吐量和内存的取舍。写在最后离线翻译不是断网后的无奈之选而是数据可控、成本归零、延迟极低的主动选择。从个人脚本到团队内部服务LibreTranslate 的落地路径并不复杂下载模型、启动服务、按需加固。照着这 5 步走完你也能拥有完全属于自己的翻译 API——现在就去跑通第一句离线翻译吧剩下的交给你的想象力。【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考