news 2026/10/1 8:41:03

如何快速上手 Manga Translator UI:9种工作流模式终极指南

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
如何快速上手 Manga Translator UI:9种工作流模式终极指南

如何快速上手 Manga Translator UI:9种工作流模式终极指南

【免费下载链接】manga-translator-ui基于manga-image-translator 实现的开源漫画AI翻译桌面工具。支持日、韩、英文漫画自动处理,集成OpenAl、Gemini等多翻译引擎;实现OCR文字检测、原文擦除、AI翻译、图像修复、译文排版完整链路,自带可视化编辑器,支持自定义文本样式,一键部署开箱即用。项目地址: https://gitcode.com/gh_mirrors/man/manga-translator-ui

Manga Translator UI 是一款基于 manga-image-translator 的开源漫画AI翻译桌面工具,支持日、韩、英文漫画的自动处理,集成 OpenAI、Gemini 等翻译引擎,实现 OCR 文字检测、原文擦除、AI 翻译、图像修复、译文排版的完整链路。它的核心亮点之一是内置9 种工作流模式——从"正常翻译"到"仅超分"、"替换翻译",你可以按需选择只跑完整流程中的某一段,既省时又省 API 费用。本文带你逐一搞懂这 9 种模式的适用场景和操作方法。

30秒认识工作流模式:一张总表帮你选对模式

在翻译页的"翻译流程模式"下拉框中,共有 9 个选项。切换模式时界面标题、副标题和"开始"按钮文案都会同步变化,方便你确认当前模式:

#模式名称会执行会跳过典型用途
1正常翻译流程上色→超分→检测→OCR→翻译→修复→渲染无完整翻译生肉漫画
2导出翻译完整翻译 + 导出译文副文件—翻译后导出_translated文本
3导出原文检测 + OCR翻译与渲染生成待人工翻译的原文文本
4导入翻译并渲染蒙版细化→修复→渲染检测、OCR、翻译改完译文后重新出图
5仅翻译(JSON)读取工程 JSON→翻译→回写检测、OCR、渲染只对已有 JSON 重跑翻译
6仅上色上色检测、OCR、翻译、渲染给黑白漫画批量上色
7仅超分(上色)→超分检测、OCR、翻译、渲染批量放大/降噪漫画图
8仅修复检测→蒙版→图像修复OCR、翻译、渲染擦除文字得到干净底图
9替换翻译双图检测+OCR→区域配对→修复+渲染翻译服务把已有译图的译文迁到生肉图

💡选型口诀:要完整出图选「1 正常翻译」;只想要某个环节就选对应的「仅XX」模式;译文已经有了就用「4 导入渲染」或「9 替换翻译」,不用再花 API 钱。

模式一:正常翻译流程(默认,最常用)

这是唯一执行完整翻译链路的模式,处理顺序为:条件上色 → 条件超分 → 文字检测 → OCR 识别 → 文本行合并 → AI 翻译 → 蒙版细化 → 原文擦除修复 → 译文渲染 → 保存主输出图。

操作步骤:

  1. 打开「翻译」页签,通过"添加文件/添加文件夹"或拖拽放入漫画图片
  2. 确认下拉框选中「正常翻译流程」,选择翻译器和目标语言
  3. 填写输出目录,点击"开始翻译"

📌小建议:勾选"图片可编辑"会额外生成工程 JSON(manga_translator_work/json/图片名_translations.json),后续可用编辑器二次修改或走「导入翻译并渲染」重新出图。

模式二:导出翻译 —— 翻译并留存译文文本

执行完整翻译的同时,按 translation_template.json 配置的模板把译文导出为副文件(默认_translated.json,可改为 txt/md/yaml/csv 等)。适合需要批量提取译文、建立对照表或交给其他工具处理的场景。

开启「设置 → 模式相关 → 仅从本地 JSON 导出文本」后,该模式还会退化为纯只读导出:直接从已有工程 JSON 读取译文,不再检测图片、不调用 API,避免覆盖你已改好的译文。

模式三:导出原文 —— 只识别不翻译

只执行检测和 OCR,把原文导出到manga_translator_work/originals/图片名_original.<格式>,然后直接停止,不花一分钱翻译费。

典型工作流:导出原文 → 人工(或借助外部工具)翻译文本文件 → 切到「导入翻译并渲染」重新出图。这条路线特别适合对译文质量要求高、或想用自己的术语表统一译名的团队。

模式四:导入翻译并渲染 —— 改完译文快速重出图

当译文已存在(工程 JSON、导出的原文/译文副文件)时,该模式跳过检测、OCR 和翻译,直接从 JSON 载入区域与蒙版,执行修复和渲染并输出主图。文本文件导入优先级为:_original文件(最高)→_translated文件 → JSON 内译文。

适用场景:修改了译文、调整了字体/颜色/排版参数后,一键重新出图,无需重跑整个流水线。

模式五:仅翻译(JSON)—— 对已有工程重跑翻译

每张图已有工程 JSON 时,该模式只读 JSON 里的原文 → 执行预词典替换和翻译 → 回写 JSON,全程不碰图片检测、OCR、修复和渲染。适合换翻译器/换 Prompt 后对比译文效果的场景。

模式六:仅上色 —— 黑白漫画批量上色

跳过翻译链路的全部阶段,只执行上色,输出上色后的主图。参数在「设置 → 模式相关」中配置:上色模型、上色大小、降噪强度。注意:上色器未启用时输出即为原图,本模式本身不会强制开启上色。

模式七:仅超分 —— 快速放大与降噪

只执行(条件上色→)超分,直接输出放大后的图片,不产生任何翻译文本。推荐配置:

  • 高质量:realcugan+3x-denoise3x或3x-denoise3x-pro
  • 最佳效果:mangajanai(自动选模型)
  • 快速放大:waifu2x+ 2x/3x/4x
  • 显存不足:调小"分块大小"(如 400)

📌 超分倍率保持"不使用"时,本模式不会改变图像——它只决定跳过哪些阶段,实际是否放大由upscale_ratio参数决定。

模式八:仅修复 —— 一键擦除文字得干净底图

执行检测和蒙版生成,然后用修复模型(推荐lama_large,可选lama_mpe)把文字区域抹平,跳过 OCR、翻译和渲染,输出无字干净图(图片名_inpainted.png)。常用于获取无文字素材、二次创作或去除水印。

模式九:替换翻译 —— 已有译图时省钱利器

这是最"进阶"的模式:当你有一张生肉图和一张已翻译好的同作品图片(汉化版、修复版、不同分辨率版本均可),又缺少可复用的工程 JSON 时,它就派上用场了。

前提条件:

  1. 生肉图与翻译图文件名对应(扩展名可不同,同名优先匹配)
  2. 翻译图放在原图目录/manga_translator_work/translated_images/目录下

工作流程:对生肉图和翻译图分别做检测+OCR → 按缩放后区域重叠率(阈值 30%,以小框为基准,支持多对一)自动配对 → 擦除生肉图原文 → 把译文重新渲染(或直接按坐标裁剪粘贴,保留原字体样式)→ 保存结果。全程不调用翻译服务。

优势与注意事项:

  • ✅ 节省 API 费用,保留原有翻译质量
  • ⚠️ 生肉图与翻译图分辨率应相同或相近
  • ⚠️ 配对失败时对应图片会被跳过,可在日志中查看匹配详情
  • ⚠️ 该模式不走并发流水线,改按标准批处理执行

9 种模式对照速查:常见需求该怎么选?

你的需求推荐模式
拿到生肉漫画,要成品正常翻译流程
想让 AI 帮我翻译后再导出文本导出翻译
想自己翻译,AI 只负责识别导出原文 → 导入翻译并渲染
改了几句译文,想快速重新出图导入翻译并渲染
换个翻译器比比效果仅翻译(JSON)
黑白漫画上色仅上色
漫画模糊,放大/降噪仅超分
只要无字底图仅修复
已有汉化图,想重做到另一版生肉上替换翻译

更多细节可查阅官方工作流文档 doc/WORKFLOWS.md 与各模式专页(如 正常翻译流程、替换翻译)。

常见问题 FAQ

Q1:9 种模式可以同时启用吗?不能。它们是互斥的——切换下拉框时,程序会把其余 8 个工作流标志全部清零,只保留当前选中项。

Q2:为什么选了"仅超分"图片却没变大?因为超分倍率还是"不使用"。本模式只负责跳过其他阶段,实际放大幅度由「设置 → 模式相关 → 超分」中的倍率决定。

Q3:替换翻译提示配对失败怎么办?检查翻译图是否在manga_translator_work/translated_images/下且文件名与生肉图一致(扩展名可不同),并确认两张图分辨率接近。未匹配的区域会在日志中给出警告。

Q4:如何修改已翻译的图片?翻译时勾选"图片可编辑"生成工程 JSON,之后在可视化编辑器中调整文字样式,再用「导入翻译并渲染」重新出图即可,无需重跑翻译。

写在最后

掌握这 9 种工作流模式,你就掌握了 Manga Translator UI 的效率开关:完整链路用「正常翻译」,单点处理用「仅XX」,译文复用用「导入渲染」和「替换翻译」。从添加图片到输出成品,整个流程开箱即用——现在就打开翻译页,从下拉框开始你的第一次漫画翻译吧。

【免费下载链接】manga-translator-ui基于manga-image-translator 实现的开源漫画AI翻译桌面工具。支持日、韩、英文漫画自动处理,集成OpenAl、Gemini等多翻译引擎;实现OCR文字检测、原文擦除、AI翻译、图像修复、译文排版完整链路,自带可视化编辑器,支持自定义文本样式,一键部署开箱即用。项目地址: https://gitcode.com/gh_mirrors/man/manga-translator-ui

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/1 8:40:24

Hugging Face LeRobot与OpenVLA机械臂抓取实操教程

一、事实澄清与具身智能基础概念 首先需要澄清一个技术事实&#xff0c;Hugging Face并未推出物理意义上的鸭形机器人。这一说法多源于网络对低成本桌面级机械臂的戏称。Hugging Face在机器人领域的核心动作&#xff0c;是于2024年4月正式开源了LeRobot框架&#xff0c;并后续推…

作者头像 李华
网站建设 2026/10/1 8:40:09

发现自己写代码的内心思路

1. 主循环主循环是整个贪吃蛇游戏的核心驱动&#xff0c;负责处理事件、更新状态和绘制画面。下面用伪代码描述主循环的完整流程&#xff1a;导入 pygame 函数 主程序()pygame.init()变量 屏幕 pygame.display.set_mode([400, 400])变量 蛇 [{"x": 5, "y"…

作者头像 李华
网站建设 2026/10/1 8:39:32

AI搜索优化与GEO区别解读:制造业企业内容资产化实战路径参考

当采购决策的第一站搬进AI对话框&#xff0c;制造业企业的内容正在从宣传物料变成可被AI读取、引用、推荐的资产。GEO(Generative Engine Optimization&#xff0c;生成式引擎优化)&#xff0c;正是把企业信息系统性投喂给豆包、DeepSeek、文心一言、Kimi、ChatGPT等主流AI平台…

作者头像 李华
网站建设 2026/10/1 8:39:15

基于深度学习cnn的扑克牌检测 扑克牌识别 YOLO11的扑克牌检测-数据集+模型-目标检测图像数据集

这个项目是个用YOLO11模型搞扑克牌检测和分析的玩意儿&#xff0c;简单说就是让电脑能认出牌桌上的牌&#xff0c;还能帮玩家算各种牌型的概率&#xff0c;挺实用的。首先说核心的牌检测部分。作者用了扑克牌数据集来训练YOLO11模型——这个数据集里应该都是各种角度、场景下的…

作者头像 李华
网站建设 2026/10/1 8:38:19

不想搭集群,有没有单机就能跑分析的国产数据库?

云策数据&#xff08;YoungsData&#xff09;&#xff0c;专注高性能数据基础设施与企业级数据分析平台的国产自研软件厂商&#xff0c;以自研数据库 Youngs DB 为核心&#xff0c;提供 Youngs DB YoungsData Fabric YoungsData Analytics 三位一体&#xff08;DFA&#xff0…

作者头像 李华