a4489f4945
- Introduced `compose.ocr-languages.yml` for installing additional Tesseract OCR language packs during container startup. - Updated documentation to include new OCR language extension options and usage scenarios. - Enhanced existing documentation with references to the new OCR language extension guide. - Improved test coverage for the deark converter and formats, ensuring accurate format handling and error management. - Refactored code to streamline file system operations and improve readability.
198 lines
5 KiB
Markdown
198 lines
5 KiB
Markdown
# 翻譯功能
|
||
|
||
ConvertX-CN 內建兩個 PDF 翻譯引擎：
|
||
|
||
| 引擎 | 命令 | 輸出格式 | 特色 |
|
||
| -------------------- | ---------- | --------------------- | -------------------- |
|
||
| **PDFMathTranslate** | `pdf2zh` | PDF | 保留數學公式與排版 |
|
||
| **BabelDOC** | `babeldoc` | PDF / Markdown / HTML | 多格式輸出、快速翻譯 |
|
||
|
||
---
|
||
|
||
## PDFMathTranslate
|
||
|
||
適合學術論文、數學/物理教科書等需要保留公式的文件。
|
||
|
||
### 功能特色
|
||
|
||
- 📊 **保留數學公式**：LaTeX 公式完整保留
|
||
- 📈 **保留圖表**：圖片、表格位置不變
|
||
- 📑 **保留目錄**：連結與結構完整
|
||
- 🌐 **多語言支援**：15+ 種目標語言
|
||
|
||
### 使用方式
|
||
|
||
1. 上傳 PDF 檔案
|
||
2. 在目標格式選擇 `pdf-zh-TW`（或其他語言代碼）
|
||
3. 點擊轉換
|
||
4. 下載翻譯後的 PDF（.tar 檔案）
|
||
|
||
---
|
||
|
||
## BabelDOC
|
||
|
||
適合一般文件翻譯，支援多種輸出格式。
|
||
|
||
### 功能特色
|
||
|
||
- 📄 **多格式輸出**：PDF、Markdown、HTML
|
||
- ⚡ **快速翻譯**：針對一般文件優化
|
||
- 🔄 **格式轉換**：可同時翻譯並轉換格式
|
||
|
||
### 使用方式
|
||
|
||
1. 上傳 PDF 檔案
|
||
2. 在目標格式選擇：
|
||
- `pdf-zh-TW`：翻譯後輸出 PDF
|
||
- `md-zh-TW`：翻譯後輸出 Markdown
|
||
- `html-zh-TW`：翻譯後輸出 HTML
|
||
3. 點擊轉換
|
||
4. 下載結果（.tar 檔案）
|
||
|
||
---
|
||
|
||
## 支援的目標語言
|
||
|
||
兩個引擎都支援以下語言：
|
||
|
||
| 格式代碼 | 目標語言 |
|
||
| ----------- | -------- |
|
||
| `pdf-en` | 英文 |
|
||
| `pdf-zh` | 簡體中文 |
|
||
| `pdf-zh-TW` | 繁體中文 |
|
||
| `pdf-ja` | 日文 |
|
||
| `pdf-ko` | 韓文 |
|
||
| `pdf-de` | 德文 |
|
||
| `pdf-fr` | 法文 |
|
||
| `pdf-es` | 西班牙文 |
|
||
| `pdf-it` | 義大利文 |
|
||
| `pdf-pt` | 葡萄牙文 |
|
||
| `pdf-ru` | 俄文 |
|
||
| `pdf-ar` | 阿拉伯文 |
|
||
| `pdf-hi` | 印地文 |
|
||
| `pdf-vi` | 越南文 |
|
||
| `pdf-th` | 泰文 |
|
||
|
||
> 💡 BabelDOC 額外支援 `md-<lang>` 和 `html-<lang>` 格式
|
||
|
||
### 與 OCRmyPDF 語言差異
|
||
|
||
| 功能 | 翻譯引擎 | OCRmyPDF |
|
||
| -------- | ------------ | -------------- |
|
||
| 支援語言 | 15 種 | 8 種（可擴展） |
|
||
| 用途 | 翻譯目標語言 | OCR 文字辨識 |
|
||
|
||
翻譯引擎支援 15 種目標語言，而 OCRmyPDF 預設只內建 8 種 OCR 語言。
|
||
|
||
如需擴展 OCRmyPDF 語言支援，請參考 [OCR 功能 - 新增語言](OCR.md#新增語言)。
|
||
|
||
---
|
||
|
||
## 輸出格式
|
||
|
||
所有輸出一律打包為 `.tar` 檔案：
|
||
|
||
### PDFMathTranslate 輸出
|
||
|
||
```
|
||
output.tar
|
||
├── original.pdf # 原始 PDF
|
||
└── translated-*.pdf # 翻譯後的 PDF
|
||
```
|
||
|
||
### BabelDOC 輸出
|
||
|
||
```
|
||
output.tar
|
||
├── translated-*.pdf # 翻譯後的 PDF（如果選擇 pdf-*）
|
||
├── translated-*.md # 翻譯後的 Markdown（如果選擇 md-*）
|
||
└── translated-*.html # 翻譯後的 HTML（如果選擇 html-*）
|
||
```
|
||
|
||
---
|
||
|
||
## 環境變數設定
|
||
|
||
### 翻譯服務（PDFMathTranslate）
|
||
|
||
> 💡 `PDFMATHTRANSLATE_SERVICE` 可選值：`google`（預設）、`bing`、`deepl`、`openai`、`azure`
|
||
|
||
```yaml
|
||
environment:
|
||
- PDFMATHTRANSLATE_SERVICE=google
|
||
```
|
||
|
||
| 服務 | 說明 | 需要 API Key |
|
||
| -------- | ---------------- | ------------ |
|
||
| `google` | Google 翻譯 | ❌ 免費 |
|
||
| `bing` | Bing 翻譯 | ❌ 免費 |
|
||
| `deepl` | DeepL 翻譯 | ✅ |
|
||
| `openai` | OpenAI API | ✅ |
|
||
| `azure` | Azure Translator | ✅ |
|
||
|
||
### 使用付費服務
|
||
|
||
如需使用付費服務，需設定對應的 API Key：
|
||
|
||
```yaml
|
||
environment:
|
||
- PDFMATHTRANSLATE_SERVICE=openai
|
||
- OPENAI_API_KEY=sk-xxxxx
|
||
# 或
|
||
- PDFMATHTRANSLATE_SERVICE=deepl
|
||
- DEEPL_API_KEY=xxxxx
|
||
```
|
||
|
||
---
|
||
|
||
## 適用場景
|
||
|
||
### PDFMathTranslate 適合
|
||
|
||
- ✅ 學術論文翻譯
|
||
- ✅ 數學/物理教科書
|
||
- ✅ 包含 LaTeX 公式的文件
|
||
- ✅ AI/ML 論文
|
||
|
||
### BabelDOC 適合
|
||
|
||
- ✅ 一般文件翻譯
|
||
- ✅ 需要 Markdown 輸出（方便後續編輯）
|
||
- ✅ 需要 HTML 輸出（網頁展示）
|
||
- ✅ 快速翻譯大量文件
|
||
|
||
### ⚠️ 共同限制
|
||
|
||
- 掃描版 PDF（系統會自動偵測並使用 OCR 處理）
|
||
- 複雜排版的雜誌
|
||
- 手寫文件
|
||
|
||
---
|
||
|
||
## 如何選擇引擎？
|
||
|
||
| 需求 | 推薦引擎 |
|
||
| ------------------ | ---------------- |
|
||
| 有數學公式 | PDFMathTranslate |
|
||
| 需要 Markdown 輸出 | BabelDOC |
|
||
| 需要 HTML 輸出 | BabelDOC |
|
||
| 一般商業文件 | 兩者皆可 |
|
||
| 追求翻譯品質 | PDFMathTranslate |
|
||
| 追求翻譯速度 | BabelDOC |
|
||
|
||
---
|
||
|
||
## 注意事項
|
||
|
||
1. **模型已預載**：所需模型已在 Docker build 階段下載
|
||
2. **不會隱式下載**：Runtime 不會下載額外模型
|
||
3. **預設免費服務**：使用 Google/Bing 翻譯（免費）
|
||
4. **離線模式**：可設定 `HF_HUB_OFFLINE=1` 確保完全離線
|
||
|
||
---
|
||
|
||
## 相關文件
|
||
|
||
- [支援的轉換器](轉換器.md)
|
||
- [OCR 功能](OCR.md)
|
||
- [環境變數設定](../配置設定/環境變數.md)
|