当前位置：首页 > news >正文

PDFMathTranslate：基于LLM的PDF文档翻译及双语对照的工具【使用教程】

news 来源：原创 2025/4/26 4:53:49

1.简介

PDFMathTranslate 是一个用于科学 PDF 文档翻译及双语对照的工具，是一个功能强大且灵活的科学文档翻译工具，适合科研人员、学生和专业人士使用，能够有效提高文档翻译的效率和质量。其具有以下特点和功能：

核心功能

保留格式：在翻译过程中，能够保留原文档中的公式、图表、目录和注释，确保翻译后的文档与原文在结构和内容上保持一致。
多语言支持：支持多种语言的翻译，满足不同用户的需求。
多种部署方式：提供命令行工具、图形交互界面以及容器化部署等多种使用方式，方便用户根据自身需求选择。

github地址：https://github.com/Byaidu/PDFMathTranslate/tree/main

案例

以下案例使用免费方法，如果追求更高质量，可以使用付费API：

可以看到，这一框架在翻译文献时，只会对文档的正文部分进行提取并翻译，会自动保留算法、公式、注解、表格部分。文档会自动保存双语对照版和单语版，供用户选择。

以下案例使用DeepSeek API翻译

翻译效果对比

从左到右分别是：原文、谷歌翻译、Deepseek v3翻译，qwen-turbo翻译

2.使用教程

下载源码：https://github.com/Byaidu/PDFMathTranslate/tree/main

安装

使用pip或conda安装

确保Python (3.10 <= 版本 <= 3.12)，然后安装uv，然后使用uv安装pdf2zh

pip install uv
uv tool install --python 3.12 pdf2zh

Windows exe

下载 pdf2zh-version-win64.zip

解压缩并双击 pdf2zh.exe 运行

dockers

拉取并运行：

docker pull byaidu/pdf2zh
docker run -d -p 7860:7860 byaidu/pdf2zh

在浏览器中打开：

http://localhost:7860/

报错解决

warning: `/home/good/.local/bin` is not on your PATH. To use installed tools, run `export PATH="/home/good/.local/bin:$PATH"` or `uv tool update-shell`.

export PATH="/home/good/.local/bin:$PATH"

当前程序在工作前需要一个 AI 模型 (wybxc/DocLayout-YOLO-DocStructBench-onnx)，一些用户由于网络问题无法下载。如果你在下载此模型时遇到问题，可以改变以下环境变量的解决方法：

set HF_ENDPOINT=https://hf-mirror.com

对于 PowerShell 用户：

$env:HF_ENDPOINT = https://hf-mirror.com

如果此解决方案对您无效或您遇到其他问题，请参阅常见问题解答。

使用方法

在线页面

huggingface：https://huggingface.co/spaces/reycn/PDFMathTranslate-Docker

登录作者在huggingface托管的项目，可直接使用，无需安装和下载。

命令行

使用如下命令，执行翻译，文件生成在当前工作目录：

pdf2zh document.pdf

执行翻译命令后在当前工作目录下生成译文文档 example-mono.pdf 和双语对照文档 example-dual.pdf，默认使用 Google 翻译服务。

命令行格式如下：

-p指定页码

pdf2zh example.pdf -p 1-3,5

-li和-lo指定语言

pdf2zh example.pdf -li en -lo ja

-s表示翻译服务提供商，默认使用Google进行翻译，我们也可以使用如DeepSeek、deepl等服务。

pdf2zh example.pdf -s openai:gpt-4o-mini或
set OPENAI_MODEL=gpt-4o-mini
pdf2zh example.pdf -s openai在powershell上使用：
$env:OPENAI_MODEL = gpt-4o-mini
pdf2zh example.pdf -s openai

支持的服务商包括：

Translator	Service	Environment Variables	Default Values	Notes
Google (Default)	`google`	None	N/A	None
Bing	`bing`	None	N/A	None
DeepL	`deepl`	`DEEPL_AUTH_KEY`	`[Your Key]`	See DeepL
DeepLX	`deeplx`	`DEEPLX_ENDPOINT`	`https://api.deepl.com/translate`	See DeepLX
Ollama	`ollama`	`OLLAMA_HOST`, `OLLAMA_MODEL`	`http://127.0.0.1:11434`, `gemma2`	See Ollama
Xinference	`xinference`	`XINFERENCE_HOST`, `XINFERENCE_MODEL`	`http://127.0.0.1:9997`, `gemma-2-it`	See Xinference
OpenAI	`openai`	`OPENAI_BASE_URL`, `OPENAI_API_KEY`, `OPENAI_MODEL`	`https://api.openai.com/v1`, `[Your Key]`, `gpt-4o-mini`	See OpenAI
AzureOpenAI	`azure-openai`	`AZURE_OPENAI_BASE_URL`, `AZURE_OPENAI_API_KEY`, `AZURE_OPENAI_MODEL`	`[Your Endpoint]`, `[Your Key]`, `gpt-4o-mini`	See Azure OpenAI
Zhipu	`zhipu`	`ZHIPU_API_KEY`, `ZHIPU_MODEL`	`[Your Key]`, `glm-4-flash`	See Zhipu
ModelScope	`ModelScope`	`MODELSCOPE_API_KEY`, `MODELSCOPE_MODEL`	`[Your Key]`, `Qwen/Qwen2.5-Coder-32B-Instruct`	See ModelScope
Silicon	`silicon`	`SILICON_API_KEY`, `SILICON_MODEL`	`[Your Key]`, `Qwen/Qwen2.5-7B-Instruct`	See SiliconCloud
Gemini	`gemini`	`GEMINI_API_KEY`, `GEMINI_MODEL`	`[Your Key]`, `gemini-1.5-flash`	See Gemini
Azure	`azure`	`AZURE_ENDPOINT`, `AZURE_API_KEY`	`https://api.translator.azure.cn`, `[Your Key]`	See Azure
Tencent	`tencent`	`TENCENTCLOUD_SECRET_ID`, `TENCENTCLOUD_SECRET_KEY`	`[Your ID]`, `[Your Key]`	See Tencent
Dify	`dify`	`DIFY_API_URL`, `DIFY_API_KEY`	`[Your DIFY URL]`, `[Your Key]`	See Dify,Three variables, lang_out, lang_in, and text, need to be defined in Dify's workflow input.
AnythingLLM	`anythingllm`	`AnythingLLM_URL`, `AnythingLLM_APIKEY`	`[Your AnythingLLM URL]`, `[Your Key]`	See anything-llm
Argos Translate	`argos`			See argos-translate
Grok	`grok`	`GORK_API_KEY`, `GORK_MODEL`	`[Your GORK_API_KEY]`, `grok-2-1212`	See Grok
Groq	`groq`	`GROQ_API_KEY`, `GROQ_MODEL`	`[Your GROQ_API_KEY]`, `llama-3-3-70b-versatile`	See Groq
DeepSeek	`deepseek`	`DEEPSEEK_API_KEY`, `DEEPSEEK_MODEL`	`[Your DEEPSEEK_API_KEY]`, `deepseek-chat`	See DeepSeek
OpenAI-Liked	`openailiked`	`OPENAILIKED_BASE_URL`, `OPENAILIKED_API_KEY`, `OPENAILIKED_MODEL`	`url`, `[Your Key]`, `model name`	None
Ali Qwen Translation	`qwen-mt`	`ALI_MODEL`, `ALI_API_KEY`, `ALI_DOMAINS`	`qwen-mt-turbo`, `[Your Key]`, `scientific paper`	Tranditional Chinese are not yet supported, it will be translated into Simplified Chinese. More see Qwen MT

对于与 OpenAI API 兼容但未列在上表中的大型语言模型，可以使用表中针对 OpenAI 概述的相同方法设置环境变量。

--dir 批量翻译

pdf2zh --dir /path/to/translate/

PDFMathTranslate 会缓存已翻译的文本，以提高速度并避免对相同内容进行不必要的 API 调用。您可以使用 --ignore-cache 选项忽略翻译缓存并强制重新翻译。

pdf2zh example.pdf --ignore-cache

使用 --config 指定配置 PDFMathTranslate 的文件：

pdf2zh example.pdf --config config.json
或
pdf2zh -i --config config.json

json配置文件示例

{"USE_MODELSCOPE": "0","PDF2ZH_LANG_FROM": "English","PDF2ZH_LANG_TO": "Simplified Chinese","NOTO_FONT_PATH": "/app/SourceHanSerifCN-Regular.ttf","translators": [{"name": "deeplx","envs": {"DEEPLX_ENDPOINT": "http://localhost:1188/translate/","DEEPLX_ACCESS_TOKEN": null}},{"name": "ollama","envs": {"OLLAMA_HOST": "http://127.0.0.1:11434","OLLAMA_MODEL": "gemma2"}}]
}

默认情况下，配置文件保存在 ~/.config/PDFMathTranslate/config.json 中。程序将首先读取 config.json 的内容，然后读取环境变量的内容。当环境变量可用时，首先使用环境变量的内容，然后更新文件。

图形用户界面（推荐）

pdf2zh -i

浏览器访问：

http://localhost:7860/

界面如下：

在这里也更方便去使用和调控。

本地模型+PDFMathTranslate

本地启用vllm，参考教程如下：

LightRAG：基于LightRAG进行本地RAG部署
qwen2-VL部署：Vllm进行Qwen2-vl部署（包含单卡多卡部署及爬虫请求）

部署好后启用模型

本地启动pdf2zh

pdf2zh -i

浏览器访问：

http://localhost:7860/

option设定如下：

service选择OpenAI-liked
Base_url选择自己设定的，如：http://0.0.0.0:8000/v1
OPENAILIKED_API_KEY如果没有设定，可以随便填一个
OPENAILIKED_MODEL选择你启动的模型，如Qwen2.5-7B-Instruct-GPTQ-Int4

如下：

API申请流程

DeepSeek

登录以下页面：DeepSeek

注册账号，并充值

费用参考：一个4页的文档，大约花费4分钱

点击左侧的API_keys，创建API Key，并复制API Key，

注意：API key只展示一次，如果没有保存，需要重新生成一个

使用方法：

阿里云

申请API Key教程：百炼控制台

申请API Key：百炼控制台

使用方法：

总结

PDFMathTranslate 是一个专注于科学 PDF 文档翻译的工具，能够保留原文档中的公式、图表、目录和注释，支持多种语言和翻译服务。它提供了多种使用方式，包括命令行工具、图形交互界面、容器化部署以及 Windows 可执行文件等，方便用户根据自身需求选择。此外，该工具还支持多线程翻译、部分文档翻译、自定义模型和端口等高级功能，进一步提升了翻译的效率和灵活性。尽管当前的 API 已暂时弃用，但项目团队仍在积极开发，计划在 pdf2zh 2.0 发布后重新提供更强大的 API 支持。未来，PDFMathTranslate 还将引入基于 DocLayNet 的布局解析技术，优化页面旋转、目录和列表格式等问题，并开发 Zotero 和 Obsidian 的插件，以进一步拓展其功能和应用场景。

如果你觉得这个工具对你的学习、工作或研究有帮助，不妨点个赞👍，收藏一下🌟，或者关注我们的项目👀。你的支持是我们不断改进和更新的动力！感谢你的关注与支持！