PDFMathTranslate：开源的 PDF 文档翻译和双语对照工具

蚝油菜花
362 阅读3分钟

❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

  1. PDFMathTranslate 是一款开源的 PDF 文档翻译工具，支持科技论文等 PDF 文件的翻译，保留原文排版，包括公式和图表。
  2. 支持双语对照，保持原有目录结构，兼容多种翻译服务，如 Google、DeepL、Ollama 和 OpenAI 等。
  3. 可通过命令行工具进行操作，实现文档的快速翻译和双语对照查看。

正文（附运行示例）

PDFMathTranslate 是什么

PDFMathTranslate

PDFMathTranslate 是一款开源的 PDF 文档翻译工具，设计用于翻译科技论文等 PDF 文件。它能保留原文的排版，包括公式和图表，支持双语对照，保持原有目录结构，兼容多种翻译服务，如 Google、DeepL、Ollama 和 OpenAI 等。用户基于命令行工具操作，实现文档的快速翻译和双语对照查看。

PDFMathTranslate 的主要功能

  • 保留原排版：PDFMathTranslate 能完整保留 PDF 文档中的公式、图表和目录结构，确保翻译后的文档与原文版式一致。
  • 双语对照：支持生成双语对照文档，方便用户对照原文和译文。
  • 全文翻译：提供全文翻译功能，用户可以选择翻译整个文档。
  • 部分文档翻译：支持用户选择特定页面或章节进行翻译。
  • 多种翻译服务支持：兼容 Google、DeepL、Ollama、OpenAI 等多种翻译服务，用户可以根据需求选择。

PDFMathTranslate 的技术原理

  • 文档解析：使用 Pdfminer.six 等库解析 PDF 文档，提取文本、公式和图表。
  • 布局分析：基于 DocLayout-YOLO 等技术进行布局分析，识别文档中的不同元素（如文本块、公式、图表）及其位置。
  • 翻译服务接口：集成多种翻译服务 API，如 Google Cloud Translation、DeepL 等，实现文本的自动翻译。
  • 多线程翻译：使用 MathTranslate 等工具进行多线程翻译，提高翻译效率。

如何运行 PDFMathTranslate

安装

要求 Python 版本 >=3.8, <=3.12

pip install pdf2zh

使用

命令行中执行翻译指令，在工作目录下生成翻译文档 example-zh.pdf 和双语对照文档 example-dual.pdf，默认使用 Google 作为翻译服务。

翻译完整文档
pdf2zh example.pdf
翻译部分文档
pdf2zh example.pdf -p 1-3,5
使用指定语言翻译

参考 Google Languages Codes 和 DeepL Languages Codes

pdf2zh example.pdf -li en -lo ja
使用 DeepL/DeepLX 翻译

参考 DeepLX

设置环境变量构建接入点：{DEEPL_SERVER_URL}/{DEEPL_AUTH_KEY}/translate

  • DEEPL_SERVER_URL（可选），例如：export DEEPL_SERVER_URL=https://api.deepl.com
  • DEEPL_AUTH_KEY，例如：export DEEPL_AUTH_KEY=xxx
pdf2zh example.pdf -s deepl
使用 Ollama 翻译

参考 Ollama

设置环境变量构建接入点：{OLLAMA_HOST}/api/chat

  • OLLAMA_HOST（可选），例如：export OLLAMA_HOST=https://localhost:11434
pdf2zh example.pdf -s ollama:gemma2
使用 OpenAI/SiliconCloud 翻译

参考 OpenAI

设置环境变量构建接入点：{OPENAI_BASE_URL}/chat/completions

  • OPENAI_BASE_URL（可选），例如：export OPENAI_BASE_URL=https://api.openai.com/v1
  • OPENAI_API_KEY，例如：export OPENAI_API_KEY=xxx
pdf2zh example.pdf -s openai:gpt-4o
使用正则表达式指定需要保留样式的字体和字符
pdf2zh example.pdf -f "(CM[^RT].*|MS.*|.*Ital)" -c "(\(|\||\)|\+|=|\d|[\u0080-\ufaff])"

资源

  1. 项目官网：github.com/Byaidu/PDFM…

❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

avatar
文章
阅读
粉丝