以前的漫画看完了,急着看最新一期。想想以后也有可能会用到,于是决定折腾一下本地部署一个。

manga-image-translator简介

官方地址:manga image translator
官方给出的效果图如下:
Pasted image 20251122195443.png
Pasted image 20251122195506.png
可以看到,翻译的效果还是很不错的。尤其是对于文本框的识别,感觉格外牛逼。

部署

部署有两种方式,DockerPip/venv。这里我使用Pip/venv,因为官网说推荐使用这个。

Windows用户请注意:

首先克隆仓库。在命令行中输入如下命令:

git clone https://github.com/zyddnys/manga-image-translator.git

随后创建并激活venv。(可选,但建议)

python -m venv venv
source venv/bin/activate 
项目说明文档是使用 $ source venv/bin/activate 命令,但在我的电脑(Windows11)上运行失败。搜索后发现使用.\venv\Scripts\Activate.ps1才可以。

接下来,安装依赖

pip install -r requirements.txt
模型将在运行时自动下载到 ./models 目录。

如何使用

网页UI

这部分可以直接看文档。这边以旧版UI为例。

cd server
python main.py --use-gpu

随后访问http://127.0.0.1:8000/就可以看到这如下界面:
Pasted image 20251122222537.png

配置文件

可以正常访问后,我们需要修改配置文件,配置成我们自己的api。项目的环境变量配置文件位于examples/Example.env。我们把它复制到主目录下,并重命名为.env。随后填写自己的api-key等信息即可。
最后重新运行程序,就可以愉快的啃生肉啦!

配合SakuraLLM食用 - 可选

以前没试过,但听说这个模型专门用于翻译轻小说等,感觉词库什么的比较丰富,于是尝试一下,顺便水一点字数。
SakuraLLM项目地址:GitHub - SakuraLLM/SakuraLLM: 适配轻小说/Galgame的日中翻译大模型

下载启动器和模型

本来想使用ollama的,但是为了偷懒偷到极致,就下了一个Sakura启动器。
启动器自行去项目地址下载。
Sakura_Launcher_GUI项目地址:GitHub - PiDanShouRouZhouXD/Sakura_Launcher_GUI: Sakura模型启动器
下下来以后放在一个文件夹里。注意,这个文件夹最好是空的,因为还要放模型。然后打开启动器,下载环境。点击下载-llama.cpp下载,选择对应版本即可。
Pasted image 20251128112127.png
Sakura模型可以从启动器里下载,也可以去HuggingFace下载。SakuraLLM (SakuraLLM)根据电脑性能,自行选择对应的版本下载。
下载完之后将模型放在启动器的同文件夹下,启动器就能识别到了。回到启动,点击模型下拉框,可以看到刚刚下载下来的模型。这时只需要点击启动就可以运行模型了。
Pasted image 20251128112424.png
随后回到刚刚的配置文件,填写对应接口:

SAKURA_API_BASE = 'http://127.0.0.1:8080/v1' #SAKURA API地址
SAKURA_VERSION = '1.0' #SAKURA API版本,可选值:0.9、0.10,选择0.10则会加载术语表。
SAKURA_DICT_PATH = './sakura_dict.txt' #SAKURA 术语表路径
SAKURA_API_BASE可以再启动后弹出的黑框命令行中看到
SAKURA_VERSION是你下载的模型版本。例如我下载的sakura-14b-qwen2.5-v1.0-iq4xs,名字中带有v1.0,就填写1.0。

现在再重新启动manga-image-translator,就可以享用SakuraLLM了。

局域网内的设备访问翻译器

这个是折腾我最久的。manga-image-translator自带host模式。但是开了host模式死活读不了配置文件。不知道为什么,希望官方可以修复,也有可能是我的打开方式不对,研究出来的大佬可以讲一讲。
于是我们只能曲线救国——反向代理。
这边为了偷懒我使用了caddy。就把caddy放在manga-image-translator同目录下,然后再写个Caddyfile就可以了。Caddyfile也很简单:

:5000 {
    reverse_proxy 127.0.0.1:8000
}

然后命令行启动caddy start即可。

还有偷懒环节 - bat启动

为了方便启动,不用记忆和输入启动命令,我让豆包帮我写了一个bat如下:

:: 设置命令行窗口标题,方便识别
title Manga Image Translator
.\venv\Scripts\Activate.ps1
caddy start

:: 执行指定的启动命令
cd server
python main.py --use-gpu

将这个保存再manga-image-translator,文件名后缀改成bat,以后就可以双击启动了。