manga-image-translator
zyddnys/manga-image-translator加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
zyddnys/manga-image-translator — 9960+ Stars | Python | GPL-3.0
图1：翻译效果示意
你是否有过这样的经历：在二次元群里看到一张日语漫画截图，周围人聊得热火朝天，自己却只能看着满屏"天书"干瞪眼？或者追了一部冷门漫画生肉，翻译组的更新日遥遥无期，只能靠机翻勉强猜剧情？
对于日语初学者、日本文化爱好者乃至专业汉化组而言，图片内文字翻译一直是道难以跨越的坎。传统做法是手动截图→粘贴到翻译软件→对照原图修改，效率极低，且容易出现文字错位。
manga-image-translator 正是为解决这一痛点而生：它能一键识别并翻译图片中的日文（及中文、英文等）文字，输出保留原始排版的干净译文，让你从繁琐的手动翻译中彻底解放出来。
该项目由 GitHub 用户 zyddnys 开发维护，最初的出发点非常朴素：作者本人是日语初学者，在各种群聊和图片网站看到大量日文漫画内容，却无法理解其中意思，于是产生了"不如自己动手做一个"的念头。
随着项目逐渐完善，它吸引了全球范围内漫画爱好者、汉化组、机器翻译研究者的大量关注。仓库长期活跃，2025 年 5 月仍有重大更新，并拥有独立的 Discord 社区（700+ 成员）。项目还支持 Kaggle 在线运行和 Google Colab 云端试用，降低了普通用户的上手门槛。
项目采用模块化的五阶段翻译流水线，每一环节均可独立替换，体现了良好的架构设计思想：
第一步：文字检测（Detection）
采用 CRAFT + DBNet + CTD（Convolutional Characters Transformer Detector）等多种检测模型，精确定位图片中的文字区域。即使是变形、弯曲、密集排列的漫画气泡文字也能准确框选。
第二步：文字识别（OCR）
集成 manga-ocr 专门针对漫画文字优化，结合传统 CV 方法（OpenCV 图像处理、轮廓分析）应对各种复杂背景。能够识别坚体文字、变体假名等日语特有字符。
第三步：机器翻译（Translation）
支持十余种翻译引擎接入：DeepL（高质量商用翻译）、Google Translate（即插即用）、ChatGPT/GPT-4（上下文理解能力强）、Gemini / DeepSeek（新兴大模型翻译）、百度翻译 / 彩云小译（中文生态友好）、Sakura（本地部署无 API 费用）。
用户可自由选择翻译后端，甚至可以组合使用两阶段翻译（先用大模型理解语义，再用 DeepL 优化译文质量）。
翻译完成后，最关键的一步是去除原文字并填入新文字，同时保持画面干净自然，不破坏原始漫画风格。
Inpainting（图像修复） 模块提供了多种算法：LAMA MPE（速度快，效果稳定）、Guided LDM（基于 Stable Diffusion，质量高）、AOT（Aggregated Object Transformation，专门针对漫画风格优化）。
Upscaling（超分辨率） 模块支持 Waifu2x 和 ESRGAN，在文字替换后对图片进行高清放大，适用于保存高清版本。
Rendering（渲染） 模块处理文字排版，支持多语言（Bidi 阿拉伯文、阿拉伯文重塑等），确保译文在气泡内正确排列。
图2：GPU 加速 Web 部署架构（docker-compose）
项目提供了完整的前后端分离 Web 界面：
Web UI 的出现极大降低了使用门槛——用户无需懂命令行，上传图片即可获得翻译结果。
对于高级用户，项目也提供了完整的命令行接口，支持配置文件（JSON/TOML）、翻译链组合、自定义模型路径等高级特性。汉化组可以直接将工具集成到流水线中，实现批量自动化翻译。
需要正视的问题：
manga-image-translator 代表了 AI 图像理解与机器翻译在垂直领域的一个成功落地。2023-2025 年间，随着大型多模态模型的成熟，图片内文字翻译（Image-to-Text Translation）成为 AIGC 的热门方向之一。该项目将复杂的深度学习模型工程化、产品化，让普通用户也能享受技术红利。
从 GitHub 数据看，项目 Star 数已突破 9900，Fork 数超过 1100，持续活跃的 Issue 区和 Pull Request 体现了良好的开源生态。
图3：完整翻译流程示例