夜雨聆风学习资料网

ARTICLE · 1395288

国产开源翻译工具大升级:网页、PDF、图片、电子书,甚至视频字幕都能翻

国产开源翻译工具大升级:网页、PDF、图片、电子书,甚至视频字幕都能翻
英文资料常被拆在网页、PDF、截图、电子书和视频字幕几个地方,来回切工具是常态。KISS Translator 这个国产开源扩展把双语对照、文件翻译、术语表和本地 AI 收进同一个入口。11 月两次更新后,PDF 的表格与公式、图片选区直译、EPUB 导出和字幕断句都有了更细的处理方式。本文按场景拆开讲,也会说明哪些情况仍要单独测试。
麻烦的不是单词,是格式之间的来回切换

看英文资料最费事的,往往不是某个词不认识,而是同一份内容散在不同载体里:网页是一层 DOM,PDF 是一页版式,截图是像素,电子书是章节,视频字幕又是一条独立的时间轴。想逐段对照,就得在几个工具之间复制、粘贴、再对齐。KISS Translator 做的事,是把这些入口放进同一个浏览器扩展里,用同一套服务和术语库处理。

多个新闻卡片同时显示英文原文与中文译文
网页双语对照:翻译发生在原来的页面上

网页场景是最常用的入口。点击页面上的浮动图标,或者按 Alt+Q,整页开始翻译;原文和译文并排留在原来的位置,不需要跳到一个新页面。除了整页,划词翻译、鼠标悬停翻译、输入框即时翻译是三个独立开关,各自可以绑定不同的服务。想彻底读译文,可以切到「仅显示译文(隐藏原文)」,鼠标悬停时再看回原文。

富文本结构是这里的关键。段落里的链接、加粗、代码块、行内图片会被尽量保留,自定义译文样式可以单独设定。段落识别会避开 MathJax 公式、隐藏节点和辅助元素,避免它们把一句话切成几段。延迟加载的内嵌页面、Shadow DOM 内部、Canvas 绘制的文字仍是弱项,可视化元素选取器目前只覆盖桌面端标准 DOM 页面。

需要横向比较译文质量时,按 Alt+D 打开独立窗口,多个服务的结果可以并排看。浮窗和独立窗口都支持柯林斯或内置英文词典查词,查过的词可以收进生词本。规则层面,个人规则、订阅规则、全局规则按这个顺序覆盖生效;可视化选取器支持草稿编辑、撤销重做和翻译范围高亮预览,未保存的修改不会写入配置。

英文文档页面与中文译文同屏显示,右侧为翻译控制面板
PDF:不是换一种语言的 PDF,而是拆开页面再重组

文件翻译页是 v2.2.0 新增的模块。上传 PDF、选定源语言和目标语言之后,识别、版面分析、表格公式解析和文本翻译可以分别选服务——这一步决定了后面结果的形态。处理过程按阶段执行:先做版面结构检测,再识别普通文字区域,然后处理表格、公式和插图,每一阶段的结果都会缓存,改译文时不必从头跑一遍。

PDF 翻译导出的是 Markdown、单文件 HTML 或带资源的 ZIP 包,不还原 PDF 排版,也不导出 PDF。所以更准确的理解是「把一页 PDF 里的信息抽出来、翻好、按可读结构重新排」,而不是得到一份排版不变的中文版 PDF。表格会以 HTML 表格保留,公式以 LaTeX 保留,图片作为资源放进 ZIP 或以数据形式内嵌到 HTML。

PDF 页面中的标题、正文、表格、公式与插图分别解析,再导出为双语 Markdown、HTML 或 ZIP

版式复杂的文件要多一步。Smart 解析需要独立配置版面分析服务,整页融合布局不在这条路径里;文件图片的布局服务留空表示不调用独立界面分析服务,若整图识别服务声明了包含版面信息,会自动跳过独立分析。v2.2.6 把图片与 PDF 区域的视觉解析统一到同一套请求构造、结果校验和译文复用规则:某一区域已有有效译文时不再重复调用文本服务,只补译缺译的部分;空值、截断或格式错误的结构化结果会被丢弃,不会被当成成功结果缓存。

图片翻译:先认字,再决定要不要保留原图

图片有两条路。网页上遇到图片或截图,可以用选区翻译框出要翻的区域,触屏也能操作;文件翻译页则支持 PNG、JPEG、WebP,做文字识别、选区翻译,并下载译文图片。v2.2.5 修过图片文件翻译里文字区域换行和悬停原文消失的问题,v2.2.6 加入了图片直译。这里有个前提值得留意:只有文本输出能力的服务无法原位合成译图,能不能得到一张「换了语言的原图」,取决于所选服务是否返回了真实的文字坐标和结构化结果。

原图保留做得比较克制。仅译文模式不会凭空造出原文;PDF 场景里,纯译文可以保留所属的原图区域,译文回填也要求真实文字坐标,而不是拿版面框的近似位置去覆盖。区域双语按 ID 对应,不会因为拆行而错位。实际效果仍取决于原图清晰度和版面复杂程度,扫描件、密集表格和成片公式建议先拿一小块试。

EPUB:按章试译,再决定要不要翻整本

电子书走的是另一套阅读器。EPUB 可以逐章阅读和单章翻译,也可以整本批量处理;排版样式能自定义,内置多套阅读主题和字体预设,长文阅读时才不会和网页翻译的样式混在一起。切换语言会中止正在运行的任务,并清掉旧译文和导出缓存,避免把上一门语言的残留带进新结果。

导出给了三种选择:双语 EPUB、纯译文 EPUB、当前章节 HTML。全书已翻、只翻了部分章节、甚至只想调整原书样式,都能导出——未翻译的章节会保留原样。这个设计对长书很实用:先用单章确认术语和译文风格,满意了再批量跑全书,不必一上来就等整本处理完。导出前可以检查章节状态快照,缓存会按实际导出内容比对,内容没变就不重复生成。

YouTube 字幕:难点在断句,不只是翻译

字幕翻译看着简单,真正影响阅读的是断句。KISS Translator 在基础智能合并之外提供 AI 语义断句:先把字幕按语义切成合适的段落,再送翻译,避免出现「一句被劈成两行、两句话挤在一行」的情况。对照列表、自定义字幕样式、字幕悬停查词和生词收藏都在这个模块里,还可以基于字幕做 AI 视频总结。

字幕源不止一种。v2.2.0 改进了转写流程并支持本地语音识别,v2.2.2 修过油猴脚本取字幕一直超时的问题,v2.2.6 处理了字幕消息和 LINE 流式译文的换行。断句效果不好时,设置里有专门的调试工具和 Playground,用自带样本对照调整提示词,比在视频里反复试更快。

本地 AI 与云端服务:成本、速度和隐私怎么权衡

两条路径的差别不在功能清单,而在执行位置。云端服务包括 Google、微软、百度、腾讯、火山、DeepL/DeepLX,以及 OpenAI、Gemini、Claude、Ollama、DeepSeek、OpenRouter 等;文本会发到服务方,按各自的计费方式结算,速度取决于网络和服务端响应。好处是模型能力上限高,注册即用,不必先下载几个 GB 的文件。

上排为云端服务的数据流向与计费方式,下排为本地 AI 的模型下载、设备运行与缓存策略

本地 AI 走的是边缘端计算。模型中心负责下载、删除模型,并选择 GPU 或 CPU 运行环境(WebGPU/WASM);下载完成后推理在本机进行,原文不需要出设备。独立的任务测试页覆盖 LLM 文本生成、VLM 图像理解、OCR、ASR 语音识别、TTS 语音合成、JEV 判定和版面分析,配好之后在服务配置里作为本地服务加入,再按场景选用。目录里既有 qwen2.5 系列和 hy-mt2、index-translate 这类翻译模型,也有 PaddleOCR-VL 与 Whisper 时间戳模型。

代价也要算清楚:模型下载占磁盘和初次等待,推理速度、内存占用取决于硬件与模型大小,设备缺 WebGPU 或模型没下完时相关按钮会是禁用状态。文本和结构化推理结果可以缓存,二进制音频和图片暂不缓存;跑完可以手动卸载内存或显存中的模型,也能看状态日志、中途停止推理。按能力分别配置是这里的实用做法:文本翻译用一个服务,OCR 和版面分析用另一组,字幕断句再单独选,不必让一个模型包办所有环节。

上手:先装扩展,再配一个服务

优先装浏览器扩展,Chrome、Edge、Firefox 都有对应版本,扩展才有文件翻译、本地 AI、接口插件和右键菜单这些入口。油猴脚本受沙箱限制,缺扩展专有 API,可能遇到跨域或脚本管理器兼容问题;Safari 目前未支持。商店版本可能因审核周期落后于代码分支,某个入口找不到时先对照这一点。

配置只要三步。第一步,在「服务配置」里添加内置服务,填接口地址、API Key 和模型名,点「测试」确认能用再保存;第二步,在「场景设置」里为网页翻译、划词、输入框或字幕勾选服务,只有具备对应能力的服务会出现在列表里;第三步,用 Alt+Q 启动网页翻译,或 Alt+D 打开独立窗口对比多个服务。测试失败时,先核对接口协议、地址、Key 和模型名是否匹配;服务不支持批量聚合或流式传输时,把对应开关关掉。Ollama 内置适配走 OpenAI 兼容协议,不是原生路径,本机调用还要留意跨域设置。

git clone git@github.com:fishjar/kiss-translator.git
cd kiss-translator
git checkout dev
pnpm install
pnpm build:chrome # 输出 build/chrome
pnpm build:firefox # 输出 build/firefox

自己构建需要 Node.js 20 以上(推荐 22/24)和 pnpm 9 以上。构建后在浏览器扩展页开启开发者模式,加载 build/chrome 目录即可;改完代码重新构建,再点扩展卡片的刷新。快捷键在浏览器内置的快捷键管理页调整,不在扩展里改。

Alt+Q 开启/切换网页翻译
Alt+D 打开独立翻译窗口
Alt+K 打开设置浮窗
Alt+S 翻译弹窗 / 翻译选中文字
Alt+O 打开完整设置页
Alt+I 翻译当前光标所在输入框
术语表、接口插件与规则,决定长期好不好用

真正影响长期体验的是术语。可复用术语表配合术语 Playground,可以先验证替换效果再放进正式流程;专业词汇固定下来之后,网页、文件和字幕用的是同一份表。系统提示词模板单独管理,服务连通性测试和字幕断句调试也在设置里,出问题能定位到是服务、提示词还是规则。

接口插件解决非标准 API 的对接。插件可以从官方目录联网安装,也可以用 ZIP、本地文件夹、GitHub 项目根地址或加密链接导入;每个插件声明了允许访问的网络范围,导入时要完成权限检查,后续支持手动更新和配置实例升级。v2.2.6 的插件 API 2 让目录里能显示 Logo 和介绍文字,服务配置页能直接看到插件能力和免费类型。授权是本机状态,同步到新设备后要重新授权一次。

配置跨设备同步有两条路:KISS-Worker 可以基于 Cloudflare Workers 或 Docker 自建,也可以走标准 WebDAV。同步把整套配置带过去,但插件授权例外。网页上想临时控制翻译,页面脚本可以触发自定义事件,例如派发一个带 toggle_translate 动作的 kiss_translator 事件来切换整页翻译。

window.dispatchEvent(
  new CustomEvent("kiss_translator", { detail: { action: "toggle_translate" } })
);
边界与代价

几件事要先说清。PDF 不还原原排版、不导出 PDF;扫描件要先做识别,公式和复杂表格走各自的解析任务,效果取决于文件清晰度和所选服务,建议先用小样本验证。Smart 解析依赖独立版面服务,整页融合布局不在当前能力里。图片场景里,没有真实文字坐标就无法原位合成译图,仅文本输出的服务只能给译文文本。

平台差异也实际存在:本地 AI、文件翻译和接口插件目前只在 Chrome/Edge、Firefox 桌面扩展提供,油猴脚本不含这些入口;视觉选取不支持 iframe 内部、Shadow DOM 内部和 Canvas 文本,触屏手势支持有限;Firefox 的地址匹配曾出过兼容问题。项目创建于 2023 年,最近一次代码更新在 2026 年 11 月,采用 GPL-3.0 许可证。

怎么开始

仓库fishjar/kiss-translator,官方插件生态、网站规则订阅和同步服务的入口都能从那里找到。建议的顺序是:先装扩展、配一个顺手的翻译服务,用 Alt+Q 翻一页常读的网页;确认术语表和译文样式后,再进文件翻译页挑一份页数不多的 PDF,分别试表格、公式和插图;最后决定要不要下载本地模型,把隐私要求高的那部分任务迁到本机。

#翻译工具# #浏览器扩展# #PDF翻译# #开源项目# #AI翻译#

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料