ComiTrans 是一款漫画自动汉化桌面客户端。本地执行文本检测、日语/韩语/英语 OCR、背景修复和中文排版,通过配置的大模型 API 翻译。支持接入自定义 OCR,不依赖 Web 前端。
从 v2.2.1 开始,检测、OCR、修复全部切换为 ONNX Runtime 推理,彻底移除 PyTorch / torchvision / transformers 依赖;主程序和模型拆分发布,更新程序时不再需要重新下载模型。
Note
v2.5.2 更新:滚动上下文记忆与可选缓存保留、OCR 后“按序翻译 ∥ 后台修补”Fork-Join 并行流水线、实时工作流拓扑可视化,以及精修画框、取色与自定义 RGB 填色、9 槽收藏字体、文字拉伸/旋转/描边和 PDF 边缘修复。已有 v2.5.1 模型可复用。v2.5.2 发布说明 · 更新日志。
- 上下文记忆与 Fork-Join 并行流水线:单批按阅读顺序延续跨页上下文(最多 12 页 / 24,000 字符),原子持久化在
.cache/translation-context.json;偏好新增「保留上下文缓存」(联动锁定断点续传)。OCR 完成后按序 API 翻译与后台repair_comic_page擦字并发执行,汇合时自动按译文结果对账掩码。上下文与并行说明。 - 工作流拓扑实时可视化:自动处理页取消旧版线性 7 步条,改为对应真实管道的有向工作流图(
读取 → 检测 → OCR → [翻译 ∥ 修补] → 排版 → 保存 / PDF),直观呈现并发在途页角标、待汇合状态、上下文计数、续传复用与底部逐页矩阵。 - 嵌字精修增强:新增画布手工添加气泡框、图片取色(避开辅助线并支持长条)、自定义 RGB/Hex 填色、9 槽常用字体快捷栏(数字键
1–9)、文字颜色持久化、横向/纵向拉伸(10%–400%)、旋转(±180°)、描边(0–30 px)与「白字黑边竖排」预设,补充页面移除/清空、气泡1 / N计数及单页滚动隔离。 - 冷启动与导出修复:ONNX 模型预热延后至首帧绘制后触发;修复小数尺寸 PDF 页面边缘背景铺底覆盖不完整的问题。
- 长篇 PDF 工作流:页图按需生成;精修保存和切页不合成整本 PDF,完成后显式后台导出。连续长条按可见范围加载,支持打开
project.json。PDF 使用说明。 - 翻译速度与续传:当前页修补时,后续页继续检测、OCR 和 API 翻译;默认最多 4 页在途。GPU 日志报告实际设备。失败、停止或重启后跳过完成页,复用合法译文。续传 · 性能实测。
- 保留清晰度的擦字:LaMa 按原尺寸分块,内存不足时缩小块而非缩图。改善黑底白字、头发交叠、白描边、网点和渐变背景;掩膜可独立测试或替换。掩膜组件。
- 更完整的精修:自选区域后台修补、按块文字颜色与描边、中文按词换行;“还原此气泡”同时撤销该块修补和嵌字,保存重开后仍可切回处理结果。气泡还原。
- 大项目操作:后台索引、切页和保存;只保留最新加载请求,保存时继续编辑不丢草稿。折叠栏、侧栏和专注模式保留手动偏好。精修性能与边界。
- API 与架构:严格 JSON Schema 优先,降级后仍校验译文类型和数量;页面文件事务、模型共享、掩膜和调度拆成独立组件。接口约定 · 架构图。
三页离线调度对照为 42.43 → 37.85 秒,输出像素一致;其中 API 等待模拟为 2 秒,不代表整本 PDF 或实时服务的速度保证。复杂背景仍可能需要人工修图。独立修图插件目前只有接口设计,宿主加载尚未实现。
黑白漫画工作台:开放式分区标题、局部网点、Skribble 字标和柔和控件,工作页直接进入操作区。翻译页可直接导入字体、固定 9 个常用字体快捷槽并查看实际字形;底部并行工作流拓扑图按真实后台流水线实时显示并发在途页、AI 翻译 ∥ 背景修复分叉并行、上下文累计与逐页状态矩阵。精修画布保留作品原色。
自动处理工作台 · Fork-Join 并行工作流
嵌字精修工作区 · 常用字体 / 填色与排版
夜间模式(夜墨)
设置 → 运行与输出 → 外观 可切换「跟随系统 / 纸白 / 夜墨」,切换即时生效,Windows 标题栏同步换色;夜墨只改变界面与画布周围,漫画像素与导出结果保持不变。
| 自动处理与并行工作流 | 嵌字精修 |
|---|---|
![]() |
![]() |
展开更多 v2.5.2 界面截图(上下文缓存偏好、画布取色、拉伸描边、字体库与设置)
| 翻译偏好与上下文缓存保留 | 批处理完成与工作流状态 |
|---|---|
![]() |
![]() |
| 画布图片取色 | 文字拉伸 / 旋转 / 描边预设 |
|---|---|
![]() |
![]() |
| 离线字体库检索 | 设置与翻译服务配置 |
|---|---|
![]() |
![]() |
快速逐字日志(实际 Qt 录屏,v2.5.2 界面测试文本)
日志正文使用 Aa今日花晴 春懒猫困,以约每秒 250 字快速展开,积压时自动加速;复制、导出与任务结束时补齐全文。支持级别筛选、搜索、字号调整、暂停跟随和选区保留,显示最近 5,000 条记录,完整日志保存在磁盘。
Note
以下为用户提供的第 6、7 页对比:左列为日文原图,右列为对应的简体中文译图。
| 翻译前 | 翻译后 |
|---|---|
![]() |
![]() |
![]() |
![]() |
漫画工作台与日志动画 · OCR 接口 · 精修工具插件接口设计 · 完整更新日志
- 多语言源文与自定义 OCR:选择日语、韩语、英语或“自定义 OCR”,可翻译成简体或繁体中文;支持独立 HTTP OCR 与兼容视觉模型接口。接入说明与混合语言策略。
- 纯本地桌面客户端:PySide6 桌面应用,抛弃 Web 页面,启动后即可使用。
- 全 ONNX 推理:漫画文本检测、日/韩/英本地 OCR、LaMa 修复全部为 ONNX 模型,不再依赖 PyTorch。
- 模型拆包发布:模型单独一个下载包,更新程序无需重新下载模型。
- 延迟后台预热:打开客户端先显示界面,模型在低优先级后台准备,开始翻译时直接复用。
- GPU 推理:新安装默认优先 NVIDIA CUDA;软件内提供 CUDA/cuDNN 官方安装链接,需兼容的 NVIDIA 驱动,日志明确实际设备。保留旧配置中的 CPU 选择。
- 多模态翻译开关:勾选后发送整页图片给 AI,结合画面翻译;不勾选则发送 OCR 文本。字体、字号与横竖方向默认由本地算法决定,实验性字体比对需单独启用。
- PDF 整本翻译:可与图片混合导入 PDF,逐页翻译后按原页序和原页面尺寸生成一个
*_translated.pdf。 - 15 类字体风格:提供对白、强调、手写、内心、旁白、拟声、标题等风格,本地自动分类并支持编辑器手动选择,对缺字逐字回退。
- 自选译文字体与开源字体库:翻译页和精修页均可检索字体;Google Fonts 快照收录 2,056 个字体族,目录约 1 MB,字体按需下载并离线使用。也可导入 TTF / OTF / TTC / OTC。翻译默认字体自动保存,精修手动字体只作用于当前块并优先生效,缺字逐字回退。字体库说明。
- 掩膜擦除与掩膜嵌字:擦除只按检测文字掩膜执行;嵌字可用面积与排版中心按掩膜计算。
- 嵌字人工编辑与热预览:翻译后可微调字体风格、实际字号、横竖方向、X/Y 偏移与排版蒙版宽高;画布可直接拖拽蒙版边角缩放、框内拖动位置,修改自动预览,保存直接输出当前结果。
- 报错日志与 AI 诊断:日志写入
Log/app.log,自动生成诊断提示词,支持 AI 多轮诊断。 - 文件夹批量选择:支持选择整个文件夹并递归添加图片和 PDF。
- 安全停止:点击停止后显示“正在停止”,等待当前推理或请求收尾后确认终态,不继续调度剩余页面。
- Issue 反馈:右上角可跳转到自填的 GitHub Issue 链接。
- 可调整布局:左右主区域、预览与日志区域均可拖拽调整大小。
界面支持 中文 / English / 日本語,默认中文。首次启动时选择界面语言;之后可在“设置 → 翻译服务 → 界面语言”修改并保存,下次启动生效。此选项不改变漫画译文语言。界面语言说明。
翻译批次全部成功后,有 15% 概率在右下角显示仓库 Star 提示,8 秒无操作自动关闭,也可点 X 关闭。点击按钮才打开 GitHub 仓库。
- 在发布页下载
ComiTrans-v2.5.2-app.zip(程序包);首次安装或从 v2.5.0 及更早版本升级请同时下载ComiTrans-v2.5.2-models.zip(模型包,与 v2.5.1 一致,已有 v2.5.1 模型可直接复用)。 - 所需压缩包解压到同一个父目录,合并顶层同名
ComiTrans文件夹,保留子目录结构。最终模型路径为ComiTrans\comic-translate-ai\models\。 - 双击合并后的
ComiTrans.exe,在“设置”页填写翻译 API Key 和模型。
从 v2.5.1 升级可直接复用已有模型;从 v2.3.0 / v2.5.0 升级若仍使用旧模型包,建议合并 v2.5.1+ 模型包以使用更轻量的 CharSpot Small 日语 OCR 和双检测器切换。保留原有 config.yaml、整个 user_fonts 文件夹与输出文件。
Release 用户不需要安装 Python、PyTorch 或 pip。GPU 加速需要兼容的 NVIDIA 驱动、CUDA 12 和 cuDNN 9;软件“设置 → 运行与输出 → GPU 安装说明与下载”提供官方链接。已有兼容环境可复用,CPU 用户无需安装这些 GPU 库。GPU 安装指南。
升级到 v2.5.2:关闭程序,将 ComiTrans-v2.5.2-app.zip 解压到新目录,把旧目录的 config.yaml、user_fonts/ 和 comic-translate-ai/models/ 复制到对应位置。漫画输出及其 _cleaned、_layout 目录保持相对位置;确认新程序正常后再整理旧目录。GPU 用户可从软件设置打开官方运行库安装链接;本项目不打包上传 CUDA/cuDNN。本版使用完整程序包,详见v2.5.2 更新说明。
推荐 Python 3.12+,支持 CUDA 的 NVIDIA GPU 可选。
cd D:\ComiTrans
python -m venv .venv
.\.venv\Scripts\python -m pip install -r comic-translate-ai/requirements.txt复制示例配置:
Copy-Item comic-translate-ai/main/config.example.yaml comic-translate-ai/main/config.yaml启动客户端:
.\.venv\Scripts\python run.py也可以直接双击 start.bat。客户端启动后会立即显示界面,模型随后在低优先级后台准备。
- 点击“添加文件”或“添加文件夹”,也可以直接拖拽图片、PDF 或文件夹到窗口。
- 在“设置”页填写翻译 API,并在工作台选择“原文语言”。日语自动使用 CharSpot Small,旧包可沿用 Baberu / manga-ocr,韩语、英语使用 PP-OCRv5;其它语言配置“自定义 OCR”。缺少韩英模型时运行
.\.venv\Scripts\python scripts/download_ocr_models.py,详见接入文档。 - 勾选“多模态翻译”后,翻译会发送整页图片给 AI;不勾选则使用纯文本翻译。两种模式默认都由本地算法选择字体和排版。
- 在翻译页顶部展开“翻译偏好”,设置背景提示词、中文人名对照,以及可选的「保留上下文缓存」(跨任务复用并自动保持「断点续传」)。
- 点击“开始翻译”,在底部并行工作流拓扑图中实时查看各页所处的检测、并发翻译/修补、汇合排版与逐页状态。
- 翻译失败时可在“诊断”页查看诊断提示词,或点击顶部“反馈”按钮提交反馈。
- 需要微调时,切换到“嵌字精修”页,选择已翻译图片和文本块;直接拖动蒙版四角或边缘调整大小,框内拖动位置。右侧可输入字号、X/Y 偏移和蒙版宽高,画布自动更新。点击“保存图片”或 Ctrl+S 直接输出当前结果。精修热预览说明。
竖排各列可在精修页“排版与位置 → 竖排列对齐”选择上对齐、居中对齐或下对齐,按最长列统一起点/终点,整组文字保持居中。设置按文本块保存,实时预览并随布局恢复。
精修译文可按 Enter 或点击“插入换行”手动分行,横排换行、竖排向左换列,连续回车保留空行/空列。修改立即预览,保存图片与布局后可继续恢复编辑。“排版与位置 → 文字效果”可选黑字白边或白字黑边(空心)。操作说明。
竖排连续省略号、破折号整体换列,兼容常见标点变体;省略号点间距一致,破折号连成竖线,保留手动指定的换列位置。
内置“狮尾B2黑体”和“狮尾牙膏圆体”的独立简体/繁体特黑版本,共 4 个字体、约 58.6 MiB,可离线检索使用;用于粗重强调字和圆润空心字的风格替代。字体、搭配与授权。
翻译页顶部的“译文”可切换 简体中文/繁體中文,选择后自动保存,重启后恢复。翻译请求、续传和本地输出规范化均使用所选字形,适用于图片和 PDF;当前字体选择、已有结果和精修草稿保持原样。简繁切换说明。
展开翻译页的“翻译偏好”,即可选择“译文字体”和默认“竖排列对齐”,无需进入设置;默认折叠,自动保存选择。选中具体字体后,全部译文使用该字体;选择“自动匹配漫画风格”恢复各类原有风格字体。“+ 导入字体”支持多选 TTF、OTF、TTC、OTC,导入完成后自动选中最后一款,字体集合使用第一个款式。默认对齐写入新译文的精修布局,已有草稿保留各自选择。
两个页面的字体选择框均可输入名称检索;点击“字体库”还可按名称、语言和风格筛选 Google Fonts,选择款式后点击“下载并使用”。完整目录可离线检索,下载一次后可断网使用。当前快照中 10 个缺少许可证附件的字体族仅展示,暂不提供下载。详见字体库说明。
另随应用内置 10 个繁体漫画字体系列、12 个字重,含源泉圆体、粉圆、芫荽、霞鹜文楷 TC、内海、清松手写体,以及思源黑体/宋体 TC、狮尾加糖宋体和大波浪圆体,首次使用即可离线选择。原始字体约 183.4 MiB,授权与来源一并分发。完整清单。字体选择优先显示中文名和粗细,保留英文名检索;精修页字体框独占一行,下方完整名称可换行,下拉列表自动加宽。
选择自动保存,下次翻译生效;精修中的页面会更新预览并保留草稿,手动指定字体的文本块保持原选择,点击“保存图片”才写入输出。精修选择“跟随翻译默认字体”可恢复默认。导入和下载的字体保存在应用目录的 user_fonts,不安装到系统;重复文件复用已有字体,缺字逐字回退。搬迁或更新应用时保留整个 user_fonts 文件夹。详见字体使用说明。
默认在输出页右下角添加小号半透明 Skribble @ComiTrans 字标,可在“设置 → 第一页(翻译服务)→ 添加 @ComiTrans 水印”取消勾选并保存以关闭。已保存的关闭选择会保留。后续翻译图片和 PDF 每页按开关添加水印;精修中的页面也会更新预览,点击“保存图片”写入。重复保存不会叠加水印,清理底图保持无水印。
默认启用按页断点续传。网络失败或停止后,使用相同原文件、输出目录和翻译设置再次开始,即可跳过已完成页面并复用已保存译文;重启程序后同样有效。需要全部重译时,取消“翻译偏好 → 断点续传”勾选。断点续传说明。
PDF 会以一个文件任务显示,内部按在途页数上限连续处理,成功后输出 <原文件名>_translated.pdf,并保留同名 .comitrans.json 索引和独立精修资料目录。点击结果页的精修入口,或在“嵌字精修”导入译文 PDF,即可逐页改字、排版与修补背景;开启“连续长条”可纵向滚动浏览并点击页面原位编辑。精修始终操作逐页图片,“保存图片”和切页不会合成 PDF;需要成书时点击“导出 PDF”,选择文件名后在后台无损合成,支持进度与取消。也可直接导入资料目录中的 project.json,不依赖 PDF 本身。输出保留页数、顺序和页面尺寸,页面内容会栅格化;加密或需要密码的 PDF 暂不支持。移动项目时请一起保留 PDF、索引和资料目录。详见 PDF 精修说明。
在“设置”中选择源语言和 OCR 引擎;OCR 与翻译服务分别配置地址、密钥和模型。
| 引擎 | 使用方式 |
|---|---|
| 日语本地 OCR | 自动模式优先 CharSpot Small;使用旧模型包时兼容 Baberu 和 manga-ocr |
| 韩语 / 英语本地 OCR | PP-OCRv5 ONNX,模型随 v2.3.0 模型包提供 |
| 标准 HTTP OCR | 对完整 POST 地址发送文本区域 PNG 的 Base64,返回原文字符串 |
| 兼容视觉模型接口 | 填写兼容 OpenAI 的 Base URL、独立 Key 和支持图片输入的模型,调用 chat.completions 识别原文 |
标准 HTTP 请求体(model 选填):
{"image_base64": "<PNG Base64,不含 data: 前缀>", "mime_type": "image/png", "language": "fr", "model": "my-ocr"}响应体(confidence 可省略;有值时为 0–1):
{"text": "Bonjour le monde !", "confidence": 0.96}配置密钥时附带 Authorization: Bearer <key>。无文字返回 {"text":""};接口失败时该页停止,不继续擦除原文。默认超时 60 秒,可设 1–300 秒。自定义 OCR 会把文本区域图片发送到填写的服务;多模态翻译还会发送整页图片到翻译服务。
Python 扩展通过 OcrEngine.recognize(image, language) -> OcrResult 接入。一次任务使用一种源语言,自动混合语言路由尚未启用。完整协议、配置字段、模型下载和 Python 示例见 多语言 OCR 接入文档。
| 风格 | 用途 | 默认字体 |
|---|---|---|
dialogue / bold_dialogue |
普通 / 粗体对话 | 霞鹜文楷 / 思源黑体 Heavy |
radiating / sfx |
强调放射 / 拟声词 | 得意黑 Smiley Sans 斜体 |
handwriting |
手写注记 | setofont |
seto |
濑户手写(可选手动指定) | SetoFont 濑户字体 |
tegaki_851 |
851 随性手写(可选手动指定) | 851tegakizatsu 851手写杂书体(缺字回退手写/正文) |
thought / serious |
内心 / 严肃正式 | 思源宋体 |
whisper / cute |
低语 / 可爱活泼 | Klee One(缺字自动回退思源字体) |
narration |
横向长条旁白 | 霞鹜文楷 LXGW WenKai |
sfx |
拟声词 | 得意黑 Smiley Sans 斜体 |
lxgw_marker |
漫黑/马克笔强调(可选手动指定) | 霞鹜漫黑 LXGW Marker Gothic |
next_preview |
下回预告 | Klee One |
title |
章节标题 | 思源黑体 Heavy |
普通气泡默认 dialogue,再根据 OCR 内容、检测类别、原字笔画强度和文本框比例选择其它风格。方向以检测器结果为主,仅在长宽比明显矛盾时纠偏;编辑器提供自动、明确竖排和明确横排三种选择。
seto、tegaki_851、lxgw_marker 可在嵌字精修页的「字体风格」中手动指定,本地自动判断暂不主动选择这三种风格。实验性字体比对仅在同时启用 multimodal 与 multimodal_font_probe 时运行,后者默认关闭:AI 从本地生成的黑体、宋体、手写三组候选中判断字体族,再经过本地门控和许可表应用;正文的黑体结果可映射到 lxgw_marker。策略与实测数据见 docs/FONT_STYLE_STRATEGY.md。
嵌字使用局部 3 倍超采样后以 Lanczos 缩回原尺寸,小字号对白不再直接落在低分辨率画布上;普通气泡同时取消强制白描边,使笔画边缘更自然,复杂背景上的非气泡文字仍会保留描边以保证可读性。
- 所有运行日志写入
Log/app.log。 - “诊断”页自动整理环境信息、模型路径、最近日志和报错堆栈。
- 支持复制诊断提示词、复制原始日志、打开日志文件。
- AI 诊断会携带当前日志上下文,并保留多轮对话记忆,只有点击“清空上下文”才会重置。
每张图片或 PDF 页面按以下 Fork-Join 流水线处理:不同页面的准备与检测按并发上限重叠推进,OCR 完成后分叉并发执行“按阅读顺序带上下文翻译”与“后台线程背景修复”,汇合对账后按输入顺序排版并保存结果:
- 气泡与文本检测:ONNX 文本检测器输出气泡、文字掩膜和文本行。
- 源语言 OCR:日语使用 CharSpot Small(兼容旧包 Baberu / manga-ocr),韩语和英语按文本行使用 PP-OCRv5,也可使用自定义 OCR。仅日语本地模式保留原有英文跳过规则;其它模式可正常识别、翻译英文。无原文或无译文的区域保留原图。
- 分叉分支 A · 顺序上下文翻译:纯文本模式发送 OCR 结果,多模态模式发送整页图片,并自动拼接近期上下文(最多 12 页 / 24,000 字符);字体默认由本地按角色、字形和文本框选择,字号与排版方向由本地决定。
- 分叉分支 B · 并行背景修复:与翻译 API 等待并发在独立后台线程执行整页擦字(纯色回填、规则网点/渐变重建或原尺寸分块 LaMa 修复);译文返回后汇合对账,自动移除空译文气泡的掩膜。
- 中文排版:按掩膜有效面积估算字号、按掩膜质心定位,横竖方向自适应,长文本自动收紧字号。
- 保存与编辑:输出翻译图,清理底图单独保存到
<输出目录>_cleaned/,布局 JSON 保存到<输出目录>_layout/,可在嵌字精修页继续人工微调(含手动添加气泡、取色填色、收藏字体与拉伸旋转描边)。 - PDF 重组:PDF 的全部页面成功后,按原页面尺寸重组并重新打开校验(覆盖小数尺寸边界);任一页失败时不生成半成品 PDF。
翻译服务返回 401/403(鉴权)、402(余额不足)或 404(接口/模型不存在)时,客户端会显示实际原因并停止请求剩余页面。HTTP 402 需要为对应 API 账户充值,或更换有额度的 API Key,代码本身无法绕过服务商额度限制。
| 用途 | 模型 | 来源 |
|---|---|---|
| 漫画文字块与文字行 | ogkalu Small INT8 + PP-OCRv6 manga | 固定来源、许可证与 SHA256 |
| 日文 OCR | CharSpot Small | 模型卡、词表及许可证 |
| 韩语 / 英语 OCR | korean_PP-OCRv5_rec_mobile.onnx / en_PP-OCRv5_rec_mobile.onnx |
固定模型来源与校验值 |
| LaMa 背景修复 | lama-manga-dynamic.onnx |
固定来源与许可证核验 |
v2.5.1 本地预览只随包提供 CharSpot Small 日语 OCR,默认使用 Small+文字行半幅修框,全套模型 284.712 MB(v2.5.0 的 48.71%)。旧日语模型包仍可使用。3 页漫画的 22 框测试中,字符错误从 12 减至 5。评测 · 安装与回退
模型来源、可替换的其它 ONNX 版本以及效果更好的漫画文本检测模型候选见 docs/ONNX_MODELS.md。
先安装固定版本的构建依赖;构建脚本不再自动升级工具:
.\.venv\Scripts\python -m pip install -r requirements-build.txt
.\build_app.ps1默认只打包主程序,不复制模型;本地联调模型时使用:
.\build_app.ps1 -IncludeModelspython package_release.py --output release/v2.5.2本地构建生成两个 v2.5.2 压缩包。
ComiTrans-v2.5.2-app.zip:主程序,不含模型ComiTrans-v2.5.2-models.zip:与 v2.5.1 一致的 ONNX 模型包(含日语 CharSpot Small、双检测器、韩语、英语 OCR 与 LaMa);v2.5.1 已有模型可直接复用
不发布 CUDA/cuDNN 运行库包;v2.5.0 修补版与 v2.5.1+ 用户可在设置中点击「下载安装便携 GPU 运行库」,重启后从程序目录加载。发布页同时提供 SHA256SUMS.txt 和 baseline.json。
版本元数据保存在源码仓库,随发布提交:
- docs/releases/v2.5.2/baseline.json:2.5.2 目标构建基线
- docs/releases/v2.5.2/SHA256SUMS.txt:2.5.2 程序包、模型包及目标基线的 SHA256
- docs/releases/v2.5.1/baseline.json:2.5.1 构建基线
- docs/releases/v2.5.1/SHA256SUMS.txt:2.5.1 校验清单
- docs/releases/v2.4.0/baseline.json:程序文件 SHA256 清单与构建指纹,供后续生成补丁
- docs/releases/v2.4.0/SHA256SUMS.txt:程序包、模型包和基线清单的 SHA256
模型包解压到 ComiTrans\comic-translate-ai\models\。
ComiTrans
├── run.py # 桌面客户端入口
├── comic-translate-ai/ # AI 核心
│ ├── main/
│ │ ├── comic_translator_pipeline.py
│ │ ├── onnx_text_detector.py # ONNX 文本检测
│ │ ├── onnx_manga_ocr.py # ONNX 日文 OCR
│ │ ├── onnx_baberu_ocr.py # Baberu ONNX OCR(旧模型包)
│ │ ├── manga_lama.py # ONNX 背景修复
│ │ └── vertical_typesetter.py # 中文排版
│ ├── models/ # 模型权重(Release 中位于 exe 旁)
│ └── font_file/ # 中文字体
├── comic_translate_core/ # 源语言、OCR 协议及 PP-OCR 适配
├── comic_translate_desktop/ # PySide6 桌面客户端
├── assets/ui/ # SVG、界面字体与空状态插画
├── assets/font_catalog.json # Google Fonts 目录快照,字体按需下载
├── user_fonts/ # 用户导入/下载字体与许可证(本地,不提交)
├── scripts/update_font_catalog.py # 维护字体目录快照
├── scripts/download_ocr_models.py # 韩英模型下载
├── docs/ui-review/ # 新 UI 截图与逐字日志录屏
├── docs/ONNX_MODELS.md # 模型来源与可选模型
├── requirements-build.txt # 固定版本的构建依赖
├── build_app.ps1 # 打包脚本
└── package_release.py # Release 拆包脚本
- 新增滚动上下文记忆与
.cache/translation-context.json原子缓存;偏好新增「保留上下文缓存」(联动锁定断点续传)。 - OCR 后分叉并发执行按序翻译与后台
repair_comic_page擦字修补,汇合对账空译文掩码;重绘翻译页工作流拓扑可视化面板与逐页状态矩阵。 - 精修编辑器支持手工添加气泡框、图片取色与自定义 RGB 填色、9 槽收藏字体快捷切换(
1–9)、拉伸(10%–400%)、旋转(±180°)、描边(0–30 px)与白字黑边竖排预设、列表清理控制及单页滚动隔离。 - 推迟模型预热至首帧绘制后执行,修复小数尺寸 PDF 页面边缘覆盖问题。
- v2.5.2 发布说明 · 完整开发日志。
- 新增「夜墨」深色主题、画布点击选区、右栏可拖拽分隔线、
F2全屏编辑、缩放 HUD 与Z缩放工具、详细配置页、一键精修与框选填白/填黑。 - 新增 CUDA 加速开关及检测器说明,日语自动切换为 CharSpot Small,v2.5.1 模型包可由 v2.5.2 直接复用。v2.5.1 说明。
- PDF 图片项目与显式无损导出;原尺寸分块修补、改进文字掩膜、网点/渐变重建和白描边处理。
- 有上限的连续翻译流水线、GPU 实际设备检测、背景估计滤波加速、按页断点续传和付费译文缓存。
- 连续长条、后台索引/切页/保存、局部合成;折叠栏与专注模式记住手动偏好。
- 自选区域修补、逐气泡原图还原、默认和块级文字颜色、中文按词换行。
- 独立翻译与文件服务,严格 JSON 输出及本地校验;诊断报告移除 PyTorch/CUDA 探测。
- 新增 GPU 官方安装入口及已安装运行库目录识别;新安装默认优先 GPU,运行库不随发布包上传,旧模型可复用。
- 详细更新、安装与已知边界 · 完整开发日志。
- 新增逐文件 SHA256 补丁基线、构建指纹和 Windows 更新入口;后续小版本可按文件生成补丁,校验原构建、备份修改文件并在失败时恢复。补丁说明。
- 基线和 SHA256 校验信息保存在源码仓库;发布页提供程序包与模型包,程序内自带更新校验基线。
- 漫画风界面改为开放式分区,移除大号章节横幅,柔化按钮与边框;增加局部网点和空状态漫画插画,补齐右上角日文字形。
- 翻译页直接导入字体、设置默认译文字体;加入约 1 MB 的完整 Google Fonts 目录快照,支持名称检索、语言/风格筛选、后台下载、许可证保留及离线使用。
- 精修支持八个拖拽点自由调整蒙版、拖动位置和 Esc 撤销本次拖动;字号、X/Y、文本与字体自动预览,保存直接输出当前结果并持久化布局。
- 修复精修字体被全局默认字体覆盖、缺字时整段换字体的问题;手动字体只作用于当前块,逐字回退,保存和重新打开后保留。
- 删除已确认的 82 个旧 Web、失效 CLI 和训练文件,简化 ONNX 后处理导入、预热与构建依赖,修复诊断 HTTP 客户端释放。
- 多模态翻译与实验性字体比对使用独立开关,字体比对默认关闭;完善本地字体候选、投票和 API 思考开关,并记录后续翻译约束计划。
- 验证:176 项自动化测试通过;正常与 200% 缩放各 33 张真实 Qt 截图检查通过;实际字体下载与断网选用、补丁校验及失败回滚验证通过。
主程序与模型继续拆包,v2.3.0 用户可复用已有模型。更多细节见v2.4.0 发布说明、完整更新日志、项目瘦身记录和精修说明。
- 重构为黑白漫画杂志风 UI:通栏章节标题、边缘网点、Skribble 字标;自动处理与嵌字精修采用统一视觉。
- 流程改为单行直线节点,紧凑显示原文语言和输出目录;按真实页面事件推进,保留并行页、跳过、失败与取消状态。
- 日志使用 Aa 手写字体快速逐字展开,积压自动加速;支持回看、选区、搜索、筛选、复制与完整导出。
- 新增韩语、英语 PP-OCRv5 ONNX,以及独立 HTTP OCR / 兼容视觉模型 OCR 接口;OCR 原文、语言和后端信息写入布局 JSON。
- 统一源语言翻译路由:韩英与自定义模式不再套用日语模式的英文跳过规则;空原文、空译文和 OCR 失败时保护原图。
- 发布资源包含两款 UI 字体、SVG 图标和韩英模型;README 更新真实 UI 截图、日志动画及 A/B 两组对比图。
新增与优化
- 全面美化桌面端 UI 与操作反馈,加入克制的过渡动画、递归目录导入和拖放操作。
- 支持整本 PDF 漫画导入、逐页翻译与重新导出。
- 默认使用 Baberu ONNX OCR,并保留 manga-ocr-onnx 回退路径。
- 优化漫画嵌字:采用更圆润的字体风格与 3 倍超采样渲染,降低文字像素感。
- 竖排文本中的双破折号
——改为连续长竖线,并扩展字体样式与标点布局规则。
修复
- 修复 Issue #19:翻译 API 请求日志引用未定义变量
zhengzai,导致请求发出前直接报错。 - 改进 API 错误分类与提示,遇到鉴权、余额、模型、限流和服务端错误时给出明确原因;致命错误会停止剩余任务。
新功能
- 翻译工作台新增“输出目录”设置,默认输出路径不变,与 API 配置页双向同步。
- 主窗口与按钮补齐应用图标,统一 UI 样式与交互观感。
- 多图翻译优化:检测/OCR 与修复/嵌字串行,各页翻译 API 请求并行发起(默认 4 并发),整体处理时间显著压缩。
- 翻译 API 请求日志:记录请求模型、文本条数、返回条数、耗时、数量不匹配与失败原因;未嵌字时输出明确警告。
- 翻译系统提示词严谨化:统一 JSON 对象输出格式,严格约束数量一致,拟声词强制翻译,减少空译文导致的漏嵌字。
- 下回预告与画外音字号分档:章节预告识别扩展(第 N 话、后篇、预告、最终话等),两档字号独立调优。
调整
- 输出目录系列改为
output_page_*;测试素材统一放在page/test,测试输出写入page/test_output。 - 测试与输出目录不再上传、不再打包。
架构重构
- 抛弃 Web 架构(Spring Boot / FastAPI / PostgreSQL / Redis / Nginx),重构为纯本地 PySide6 桌面客户端。
- 检测、OCR、修复全部切换为 ONNX Runtime 推理,彻底移除 PyTorch / torchvision / transformers 依赖。
- 主程序与模型拆分发布:模型单独一个下载包,更新程序无需重新下载模型。
新增功能
- 延迟后台预热:打开客户端先显示界面,模型随后低优先级加载,翻译时直接复用。
- 多模态翻译开关:勾选后发送整页图片,翻译后让 AI 配置字体、字号和横竖方向。
- 嵌字人工编辑:调整字体风格、字号、横竖方向和位置,保存覆盖输出。
- 报错日志与 AI 诊断:自动生成诊断提示词,支持多轮对话上下文。
- 文件夹批量选择、即时停止任务、Issue 反馈、可拖拽调整布局。
- 特殊字体分类:画外音、拟声词、下回预告、大标题使用不同开源字体。
优化与修复
- 修复打包版 exe 预热停滞问题(unittest 误排除、检测器动态导入、pyclipper / unidic / manga_ocr assets 缺失)。
- 横竖方向判断与嵌字方向阈值调整,减少横排误判竖排。
- 字号算法平衡:竖排放大、横排收紧,长文本自动收紧,按掩膜面积估算字号、按掩膜质心排版。
- 擦除只按检测文字掩膜执行,不再擦除整个气泡。
- 英文文本块完整跳过:不 OCR、不擦除、不嵌字;OCR 结果中拉丁/全角拉丁占比高时自动判定为英文并保留原文。
- 清理底图移入独立的
<输出目录>_cleaned/目录。 - 移除训练/可视化依赖(matplotlib、wandb、pandas、torchsummary)。
- 基于 Web 的漫画翻译平台:Spring Boot 后端、Vue 前端、PostgreSQL / Redis / Nginx,图像处理由 Python worker 完成。
- 支持批量图片翻译、文字擦除、字体分类、横向排版、模型托管。
- 旧 Web 源码和对应文档已从当前工作树移除,历史实现保留于 Git 历史;本轮清理见 项目瘦身记录。
Release 需要安装 Python 或 GPU 运行库吗?
不需要 Python。CPU 模式解压程序与模型即可运行;GPU 模式需要兼容的 NVIDIA 驱动、CUDA 12 和 cuDNN 9,软件内提供官方安装链接,已有环境可复用。实际设备可在日志中确认。
模型放哪里?
模型位于 exe 旁的 comic-translate-ai/models/。两个压缩包解压到同一个父目录并合并顶层 ComiTrans 文件夹,避免出现 ComiTrans/ComiTrans 的嵌套目录。
为什么英文文本没有被翻译?
日语本地模式会保留检测器标记的英文块,以及拉丁字符占比较高的 OCR 结果。处理英文页面时请选择“原文语言:英语”;韩语、英语和自定义 OCR 模式会正常识别并翻译这些区域。自动混合语言路由尚未启用。
为什么主程序包这么小?
v2.2.1 已全面 ONNX 化并移除 PyTorch。检测、OCR、修复均使用 ONNX Runtime;GPU 推理还需兼容的 CUDA/cuDNN,通过软件中的官方安装链接获取。
使用中遇到问题,可以在 GitHub Issues 提交,或使用客户端顶部的“反馈”按钮。建议附上“诊断”页生成的诊断提示词,方便快速定位。
- 项目代码遵循相应开源协议发布(详见仓库 LICENSE 文件)。
- 字体:得意黑 Smiley Sans、霞鹜文楷 LXGW WenKai、霞鹜漫黑 LXGW Marker Gothic(SIL OFL 1.1)、Klee One、思源黑体/宋体、setofont(濑户字体)、851手写杂书体 均为可免费商用的开源/免费字体,各自的授权见字体项目说明。
- UI 字体 Skribble 与 Aa今日花晴 春懒猫困使用各自的内嵌版权信息,来源与用途见 字体说明。
- 模型:CharSpot Small 权重为 CC BY-NC-SA 4.0,各模型的来源、署名与许可见 docs/ONNX_MODELS.md。















