110 lines
4.0 KiB
Markdown
110 lines
4.0 KiB
Markdown
# 简介
|
||
## DocuTranslate
|
||
一个使用大语言模型(llm)翻译pdf和markdown的包
|
||
|
||
[github主页](https://github.com/xunbu/docutranslate)
|
||
|
||
# 安装
|
||
使用pip
|
||
`pip install docutranslate`
|
||
|
||
使用uv
|
||
`uv init`
|
||
`uv add docutranslate`
|
||
|
||
# 前置条件（获取大模型平台的baseurl、key、model-id）
|
||
由于需要使用大语言模型进行markdown调整与翻译，所以需要预先获取模型的baseurl、key、model-id
|
||
常见的大模型平台baseurl可见[常用baseurl](#常用baseurl)
|
||
|
||
# 使用方式
|
||
## 翻译文件
|
||
|
||
```python
|
||
from docutranslate.translater import FileTranslater
|
||
|
||
|
||
translater=FileTranslater(base_url="<baseurl>",
|
||
key="<key>",
|
||
model_id="<model-id>")
|
||
# 不开启公式、代码识别
|
||
translater.translate_pdf_file("<pdf路径>", to_lang="中文")
|
||
|
||
# 开启公式、代码识别（需要下载更多模型）
|
||
translater.translate_pdf_file("<pdf路径>", to_lang="中文",formula=True, code=True)
|
||
|
||
#翻译markdown文件
|
||
translater.translate_markdown_file("<markdown路径>",to_lang="中文")
|
||
```
|
||
> 第一次使用时需要下载模型（约1G、使用公式、代码识别需要多约0.5G），请稍作等待
|
||
> 输出文件默认放在`./output`中
|
||
|
||
## 使用不同的agent分别进行文本修正和翻译
|
||
|
||
```python
|
||
from docutranslate import FileTranslater
|
||
|
||
translater = FileTranslater()
|
||
|
||
refine_agent = translater.create_refine_agent(baseurl="<baseurl-1>", key="<key-1>", model_id="<model-id-1>")
|
||
translate_agent = translater.create_translate_agent(baseurl="<baseurl-2>", key="<key-2>", model_id="<model-id-2>")
|
||
|
||
translater.translate_pdf_file(pdf_path="<pdf路径>", to_lang="中文", refine_agent=refine_agent,
|
||
translate_agent=translate_agent)
|
||
```
|
||
## 文件转换(pdf/markdown->markdown/html)
|
||
```python
|
||
from docutranslate import FileTranslater
|
||
translater=FileTranslater(base_url="<baseurl>",
|
||
key="<key>",
|
||
model_id="<model-id>")
|
||
#markdown转html
|
||
translater.read_markdown("<markdown路径>").save_as_html()
|
||
#pdf转markdown
|
||
translater.read_pdf_as_markdown("<pdf路径>").save_as_markdown()
|
||
```
|
||
|
||
## 参数说明
|
||
### 创建FileTranslate
|
||
|
||
```python
|
||
from docutranslate import FileTranslater
|
||
|
||
translater = FileTranslater(base_url="<baseurl>",
|
||
key="<key>",
|
||
model_id="<model-id>", # 使用的模型id
|
||
chunksize=4000, # 【可选】markdown分块长度，分块越大效果越好，不建议超过4096
|
||
max_concurrent=6 # 【可选】并发数，受到ai平台并发量限制
|
||
)
|
||
```
|
||
### 翻译pdf文件
|
||
```python
|
||
translater.translate_pdf_file(r"<要翻译的pdf路径>",
|
||
to_lang="中文",
|
||
formula=False,#是否启用公式识别
|
||
code=False,#是否启用代码识别
|
||
refine=True,#是否在翻译前先修正markdown文本
|
||
output_format="markdown",#"markdown"与"html"两种输出格式
|
||
output_dir="./output"#默认输出文件夹
|
||
)
|
||
```
|
||
|
||
### 翻译markdown文件
|
||
```python
|
||
translater.translate_markdown_file(r"<要翻译的markdown路径>",
|
||
to_lang="中文",
|
||
refine=False,#【可选】是否在翻译前先修正markdown文本
|
||
output_format="markdown",#"markdown"与"html"两种输出格式
|
||
output_dir="./output"#默认输出文件夹
|
||
)
|
||
```
|
||
|
||
|
||
|
||
# 常用baseurl
|
||
| 平台名称 | baseurl |
|
||
|----------|--------------------------------------|
|
||
| ollama | http://127.0.0.1:11434/v1 |
|
||
| lm studio | http://127.0.0.1:1234/v1 |
|
||
| openai | https://api.openai.com/v1/ |
|
||
| deepseek | https://api.deepseek.com/v1 |
|
||
| 智谱ai | https://open.bigmodel.cn/api/paas/v4 | |