BabelDOC 实操笔记3 条命令搞定带公式论文的 PDF 翻译【免费下载链接】BabelDOCYet Another Document Translator项目地址: https://gitcode.com/GitHub_Trending/ba/BabelDOC翻一篇带公式的英文论文最怕的不是文字翻得糙而是公式跟着一起被翻成乱码。BabelDOC 是一个开源的 PDF 文档翻译工具先把文档拆成结构化的中间表示只把自然语言段落送进模型公式和版式按原样保留最后重排成中英双语对照的 PDF。⚙️ 装好环境一条命令跑通命令行入口叫babeldoc用 uv 装最省事uv tool install --python 3.12 BabelDOC babeldoc --help装完就能跑。翻译服务只接 OpenAI 兼容接口模型名和 base URL 换成你手头的即可本地 Ollama 的 key 随便填一个值babeldoc --files example.pdf --openai \ --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key your-api-key-here跑完输出目录会多出两份 PDF原文与译文并排的双语版、纯译文版--no-dual或--no-mono可各去一份。语言对默认英译中其他方向用--lang-in/--lang-out指定官方口径是当前主要保证英中方向。想从源码跑clone 仓库https://gitcode.com/GitHub_Trending/ba/BabelDOC进去执行uv run babeldoc即可。图文档翻译的核心诉求——文字换语言公式和版式不动。 公式为什么不会被翻成乱码它不是把整页截图丢给大模型而是一条流水线解析 PDF 得到文本块、图片、表格等结构归并进中间表示按版面把文本划成段落逐段送模型翻译最后重新排版落回新 PDF。公式区域在入模前就被标出来、换成占位符模型只见到自然语言翻完按原位置放回公式本身不走翻译这一步。图实际产出——一篇英文论文的并排译文公式、图表和分栏都保持原状。遇到公式被误判成普通文字时把识别规则补上--formular-font-pattern按字体名匹配--formular-char-pattern按字符特征匹配段落区里混进来的装饰性直线用--remove-non-formula-lines清掉图表区域内的线默认受保护。想看管线代码段落定位、翻译、排版在 babeldoc/format/pdf/document_il/ 的 midend 目录版面检测在 babeldoc/docvision/。边界也说清楚跨页、跨栏段落还在 Roadmap 上这类文档预期会断段。 扫描版 PDF 能不能直接翻能前提是白底黑字。--ocr-workaround会在译文下方垫白色色块盖住原文并把全部文字强制成黑色避免译文和扫描底图叠在一起babeldoc --files scan.pdf --ocr-workaround --openai \ --openai-model gpt-4o-mini \ --openai-base-url https://api.openai.com/v1 \ --openai-api-key your-api-key-here配套开关按情况选确定不是扫描件加--skip-scanned-detection跳过检测提速拿不准就上--auto-enable-ocr-workaround它检测到超过八成页面是扫描件时再自动切入 OCR 流程——注意开启后前两个手动开关的初始值会归它接管最终以检测结果为准。 多份文档、上百页怎么批--files可以重复出现一条命令带多个文件参数固定的一套建议落进 TOML 配置文件用--config my.toml加载批量跑时不用记命令行。高频开关场景参数作用只翻部分页--pages 1,3-5页码列表完整格式如1,2,1-,-3,3-5超长文档--max-pages-per-part 50按页分块翻译跑完自动合并回一份接口限速--qps 10每秒请求上限默认 4工作线程--pool-max-workers 8内部任务线程数不填默认等于 QPS输出位置--output ./out译文统一写到指定目录强制重翻--ignore-cache换模型或提示词后忽略缓存离线环境先在联网机执行babeldoc --generate-offline-assets ./pkg打包模型与字体目标机用babeldoc --restore-offline-assets ./pkg恢复包名内嵌文件哈希不能改名。术语总漂移怎么锁住术语表是 CSV三列source原文、target译文、tgt_lng目标语言可省略如zh-CN填了则只在--lang-out匹配时生效。--glossary-files a.csv,b.csv一次挂多份文件名会作为术语表名写进提示词当前文本段命中表内词条时这份表才会随提示词一起发给模型。样例可以直接抄格式docs/example/demo_glossary.csv。自动术语提取默认开启--save-auto-extracted-glossary能把抽取结果存成 CSV 留作手动表--no-auto-extract-glossary则整步跳过。输出打不开或版式错了先查什么按命中率排--enhance-compatibility先试它一次打开--skip-clean、--dual-translate-first、--disable-rich-text-translate部分阅读器打不开时多数靠它代价是文件体积变大。公式被当正文翻了补--formular-font-pattern或--formular-char-pattern。装饰线搅乱文字流--remove-non-formula-lines。表单干扰渲染--skip-form-render。对齐已知边界作者与参考文献区翻译后会并进一个段落线条和首字下沉不支持特别大的页面会被跳过。还不够就加--debug各阶段中间结果会导出到~/.cache/babeldoc/working能直接看到解析、分段、排版各步的产物。下一步全量参数以 README 的 Advanced Options 一节为准想追进度看 Roadmap表格支持和跨页段落是接下来要补的洞。要读管线源码从 docs/ImplementationDetails/ 入手每份文档对应 midend 的一个阶段。【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