manga-image-translator

一键翻译漫画图片文字，自动抹除替换，阅读无国界

开源 🏷️定价信息待确认 ✅ 目前可打开计算机视觉 🍴 复刻 1086 🐛 待处理 148 👀 关注 65

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 10581

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

manga-image-translator 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类计算机视觉

开发团队zyddnys

官网地址https://cotrans.touhou.ai

GitHubhttps://github.com/zyddnys/manga-image-translator

定价模式🏷️定价信息待确认

价格说明官网已失效，定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型anime,auto-translation,chinese-translation,deep-learning,image-processing,inpainting,japanese-translations,machine-translation,manga,neural-network,ocr,pytorch-implementation,text-detection,text-detection-recognition,transformer

GitHub 星标★ 10581

上线时间2021-02-18 00:00:00

代码更新2026-10-11

仓库体积87.4 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-10

浏览次数8

项目介绍

manga-image-translator 是一个基于深度学习的漫画/图片文字翻译工具，能够自动检测图片中的文字区域，识别原文（主要支持日文、英文等），并翻译成目标语言（如中文、英文等），最后通过图像修复技术将原文字区域抹除并替换为翻译后的文字，实现一键式图片翻译。该项目解决了漫画、插画、扫描件等场景下人工翻译效率低、难以批量处理的问题。其核心能力包括：基于检测模型和OCR的文字识别、多种翻译引擎接入（如Google、DeepL等）、图像修复与文字渲染，以及支持命令行和Web界面操作。项目在GitHub上拥有超过一万星标，社区活跃，持续更新，适用于个人阅读、汉化组预处理、跨语言内容本地化等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 10581

技术标签

anime deep-learning image-processing inpainting machine-translation

使用教程

难度：入门约 15 分钟部署方式：Docker 7 步

环境要求

Docker 19.03 及以上（GPU 加速需要）
Docker Compose（可选，用于 demo/doc 下的 compose 文件）
Nvidia Container Runtime（可选，仅使用 CUDA/GPU 时需要）
Python 3.10 或更高版本（本地安装方式需要）
约 15GB 以上磁盘空间（Docker 镜像体积较大）

安装与启动步骤

1获取项目代码

从 GitHub 克隆仓库并进入项目目录，本地安装方式需要这份代码。
```
git clone https://github.com/zyddnys/manga-image-translator.git
cd manga-image-translator
```
2安装 Python 依赖

确认已安装 Python 3.10+，推荐用 venv 建虚拟环境后安装依赖，模型会在运行时自动下载到 ./models。
```
pip install -r requirements.txt
```
3安装 GPU 版 PyTorch

仅在使用 --use-gpu 时需要，请到 pytorch.org 按自己的 CUDA 版本选择安装命令；若未用 venv，pip 命令需加 --upgrade --force-reinstall 覆盖已有 PyTorch。

4Docker 启动 Web（CPU）

拉取并运行 zyddnys/manga-image-translator:main 镜像，映射 5003 端口，需用 -e 补上环境变量。

docker run --name manga_image_translator_cpu -p 5003:5003 --ipc=host --entrypoint python --rm -v /demo/doc/../../result:/app/result -v /demo/doc/../../server/main.py:/app/server/main.py -v /demo/doc/../../server/instance.py:/app/server/instance.py -e OPENAI_API_KEY='' -e OPENAI_API_BASE='' -e OPENAI_MODEL='' zyddnys/manga-image-translator:main server/main.py --verbose --start-instance --host=0.0.0.0 --port=5003

5Docker 启动 Web（GPU）

在上面命令基础上加 --gpus all 并在启动参数末尾加 --use-gpu，需先装好 Nvidia Container Runtime 与专用依赖。

docker run --name manga_image_translator_gpu -p 5003:5003 --ipc=host --gpus all --entrypoint python --rm -v /demo/doc/../../result:/app/result -v /demo/doc/../../server/main.py:/app/server/main.py -v /demo/doc/../../server/instance.py:/app/server/instance.py -e OPENAI_API_KEY='' -e OPENAI_API_BASE='' -e OPENAI_MODEL='' -e OPENAI_HTTP_PROXY='' zyddnys/manga-image-translator:main server/main.py --verbose --start-instance --host=0.0.0.0 --port=5003 --use-gpu

6用 compose 一键启动

先把所需环境变量填进 demo/doc 下对应的 yml 文件，再执行；GPU 版换成 docker-compose-web-with-gpu.yml。
```
docker-compose -f demo/doc/docker-compose-web-with-cpu.yml up
```
7查看配置说明

导出配置项 JSON Schema，并参考 example/config-example.json 编写自己的配置文件。
```
python -m manga_translator config-help >> config-info.json
```

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	否	接入 OpenAI 系翻译引擎所需的密钥，通过 -e 传入容器。	`sk-xxxxxxxx`
`OPENAI_API_BASE`	否	OpenAI 接口的请求地址，可指向自建或第三方兼容服务。	`https://api.openai.com/v1`
`OPENAI_MODEL`	否	指定使用的模型名称，按所接服务支持的模型填写。	`gpt-4o-mini`
`OPENAI_HTTP_PROXY`	否	GPU 版 Docker 命令中提供的 HTTP 代理变量，用于网络受限环境。	`http://127.0.0.1:7890`
`detector`	否	文字检测模型，可选 default、dbconvnext、ctd、craft、paddle、none。	`default`
`inpainter`	否	图像修复模型，默认 lama_large，可选 sd、none、original 等。	`lama_large`

如何确认成功

容器日志无报错后，浏览器访问 http://localhost:5003（README 亦提到默认 8000），翻译结果保存在 /result 目录。

常见问题

Q：没有显卡能跑吗？

A：可以。CPU 版 Docker 命令和本地 pip 安装都能运行，只是检测、OCR 与修复速度会明显变慢，追求速度再配置 Nvidia GPU。

Q：模型需要预先下载吗？

A：不需要。README 说明模型会在运行时自动下载到 ./models 目录；Docker 镜像里已包含项目所需的全部依赖和模型。

Q：镜像拉取很慢或占满磁盘怎么办？

A：README 明确该镜像相当大（约 15GB），需预留足够磁盘空间并耐心等待拉取，网络受限时可配置代理。

Q：启动后页面打不开怎么办？

A：注意 docker run 命令映射的是 5003 端口，而 README 又提到 Web 服务默认端口为 8000，请以启动日志中的实际端口为准，并检查是否加了 -e 环境变量。

Q：本地装了 GPU 版却仍用 CPU？

A：若没有使用 venv 创建虚拟环境，需要在 pip 安装命令中加入 --upgrade --force-reinstall，覆盖掉当前已安装的 PyTorch 版本。

注意事项

Docker 镜像 tag 为 zyddnys/manga-image-translator:main，体积约 15GB，建议提前规划磁盘与拉取时间。
通过 -e 或 --env 传入必需的环境变量，否则相关翻译引擎不可用；compose 方式需先编辑 yml 文件中的环境变量。
README 中 docker run 的 -v 挂载路径写作 /demo/doc/../../result 等形式，实际使用时请按自身项目位置调整。
项目仍处于早期开发阶段，功能存在不足且迭代较快，建议关注仓库更新与 Changelog。

核心亮点

自动检测并翻译图片内文字，支持日译中、英译中等多语言方向
集成图像修复技术，翻译后文字自然融入原图，观感较好
提供命令行和Web界面，支持批量处理，可嵌入自动化工作流

不足之处

对复杂背景或艺术字体的识别准确率有限，可能需人工校对
翻译质量依赖所选引擎，部分语言对效果一般
文档/社区待观察

适用场景

汉化组批量翻译漫画页面，提高预处理效率
个人阅读外文漫画或图片，快速获取内容大意
跨语言内容本地化，如游戏截图、插画等文字替换

替代项目

PaddleOCR、Tesseract OCR、EasyOCR

上一篇：liteparse

下一篇：STranslate