把整页日文漫画翻成中文的本地流水线（manga-image-translator）

群聊里转来的日文短篇、图站上没人做过汉化的漫画，往往就差一层语言门槛。这个项目的出发点很直接：让不懂日语的读者也能把这些图看明白。做法是把一整页图拆成文字检测、识别、擦除原文、机器翻译、重排译文几段，交给模型自动跑完。

manga-image-translator 把日语漫画整页的检测、擦字、翻译、重排串成一条 Python 流水线，输入图片目录或单张图，输出保留原版式的译文图。

它主要处理日语，也支持简体中文、繁体中文、英语以及其他二十多种小语种。项目是 Qiú wén zhuǎn yì zhì 的 v2 版本，仓库主语言为 Python（占比 89.4%），许可证是 GPL-3.0，目前 10499 个 Star、1071 个 Fork、68 个 Watcher，开放 Issue 138 个。仓库创建于 2021 年 2 月，最近一次提交在 2026 年 10 月。

主要功能

整条链路可以拆成若干可替换的阶段，每一段都有自己的模型和配置项。

• 文字检测：先在图里框出文字区域。README 的示例里出现过 --detector ctd，ctd 对应 comictextdetector，模型文件是 comictextdetector.pt 和 comictextdetector.pt.onnx，更早的版本用的是 detect.ckpt。
• OCR 识别：把框里的文字读成文本，模型是 ocr.ckpt 与 ocr-ctc.ckpt。从 alpha-v2.2 起，OCR 还会提取文字本身的颜色，供后面的排版使用。
• 图像修补（擦字）：把原文从画面上抹掉，模型是 inpainting_lama_mpe.ckpt。配合 --translator none，可以只擦字不翻译。
• 机器翻译：接多家翻译后端。仓库里有 Translator Reference、GPT Configuration Reference 和 Environment Variables Summary 三份参考，配置项收在 Translator Options 一节。有用户在 Issue 里尝试接入 LM Studio。
• 排版渲染：把译文按原位置画回图里，参数在 Render Options 一节，字体文件放在仓库的 fonts/ 目录。用户提过字体包边和字号偏移的问题。
• 术语表与替换词典：对应 Glossary 与 Replacement Dictionary 两节，仓库根目录有 dict/ 目录和 sakura_dict.txt，用来固定人名和专有名词的译法。
• 放大与上色：Upscale Options 负责放大，Colorizer Options 负责给黑白漫画上色，README 把它关联到 manga-colorization 项目。
• 多种运行模式：本地批量模式、Web 模式（分旧 UI 与新 UI 两套）、API 模式、WebSocket 模式选项，以及 config-help 模式。API 模式有独立的 API Documentation 一节。

README 自己标注了这个项目仍处在早期开发阶段、还有许多不足，并附了一份 Changelog 和中文版 Changelog_CN.md。

安装与依赖

机器上要有 Python 3.8 及以上版本。README 推荐的路线是 pip 加 venv：

git clone https://github.com/zyddnys/manga-image-translator.git
cd manga-image-translator
pip install -r requirements.txt

AMD 显卡走 requirements-rocm.txt，Intel XPU 走 requirements-xpu.txt，这两个文件都在仓库根目录。开发用的依赖在 requirements-dev.txt。

模型权重不在仓库里，需要单独下载：detect.ckpt、ocr.ckpt、ocr-ctc.ckpt、comictextdetector.pt、comictextdetector.pt.onnx、inpainting_lama_mpe.ckpt。beta-0.3 的 Release 说明里列的就是这一组文件。

Docker 路线也有：仓库带 Dockerfile、docker-compose.yml、docker-compose.debug.yml 和 docker_prepare.py。README 的 Docker 一节里另有一小节讲 Nvidia GPU 怎么跑。

Windows 用户可以用 run.bat 或 MangaStudioMainRun.bat，Linux 用 run.sh；图形入口是 MangaStudioMain.py，配套数据在 MangaStudio_Data/。仓库还提供 run_as_colab.ipynb 和 run-as-kaggle.ipynb 两个 notebook。

最短能跑通的用法

把安装四步串起来就是最短路径：clone 仓库、装 requirements、下载上面那组模型权重、然后用 run.sh（或 Windows 上的 run.bat／MangaStudioMain.py）启动。

README 的用法部分分成三块：本地批量模式、Web 模式、API 模式，命令行参数列在 Command Line Options 一节，还细分为 Local Mode、WebSocket Mode、API Mode、Web Mode 各自的选项。

仓库节选里没有给出可以直接复制粘贴的完整示例命令，也没有说明模型权重应该放在哪个目录下。这两步要看 README 对应小节的完整内容。

关键参数

下面几项在 README 或用户反馈里明确出现过。

• --use-gpu：开启 GPU 推理。有用户按安装步骤装完后，用这个参数在 Windows 上运行时找不到模型文件。
• --detector ctd：指定用 comictextdetector 做文字检测。
• --translator none：关闭翻译环节，只做检测、擦字和排版。
• config-help 模式：对应 README 目录里的 Config-help Mode 一节。

配置文件按模块分节，包括 Render Options、Upscale Options、Translator Options、Detector Options、Inpainter Options、Colorizer Options、OCR Options，另有一节 Other Options 兜底。环境变量的汇总在 Environment Variables Summary，GPT 后端的字段另有 GPT Configuration Reference，语言代码表在 Language Code Reference。

结果在哪里看

本地批量模式跑完把结果图写进输出目录；Web 模式在浏览器页面里直接看；API 模式通过接口返回。README 的 showcase 展示了原图、译文图和 mask 三类输出，mask 是文字区域的遮罩。输出目录的具体路径，仓库节选里没有说明。

官方在线 demo 挂在 https://touhou.ai/imgtrans/ ，由作者维护；另一个域名 cotrans.touhou.ai 已经不再工作。README 提到在线版用的是 main 分支的最新代码，如果访问不通，可能是 Google GCP 上的服务器在重启。另有第三方维护的浏览器脚本，托管在 greasyfork.org。

实际使用中的坑

下面几条来自仓库里按评论数排序的 Issue，都是真实用户踩过的。

• Mac 上怎么跑，至今没有答案：有人开 Issue 问怎么在 Mac 上运行，共 16 条评论，状态仍是待解决。
• manga2eng 改不了最小字号：这条功能请求的标题直接写着「这个问题已经存在好几年了」，用户找不到可以调字号的配置文件，19 条评论，待解决。
• 高度超过 4000px 的图会报错：有用户拿 720×6781 的长条图跑，收到 error-too-large，并在代码里找到了这个高度限制。这条已经解决。
• 某次更新把参数全改了：有用户请求回滚最近一次更新，理由是「每个参数都变了，也没有任何说明」，共 32 条评论，已解决。

这些 Issue 反映出一个规律：main 分支的命令行参数变动比较频繁，照着旧教程复制的命令很容易失效，用之前最好先对一遍仓库当前的 Command Line Options。

和同类放在一起看

只想要文字识别结果的话，docTR 这条路更省事：pip 装完就能用，不用为检测、识别、修补分别准备模型文件，也不用为翻译和排版搭额外的组件。manga-image-translator 的力气花在把后面几步做完，代价就是安装链更长、依赖更重、参数也更容易随版本变化。

适合谁

适合手上有一批日语漫画图、想在自己机器上批量处理的人；也适合不满足于现成在线服务、需要自己换翻译后端或调排版参数的人。仓库带 Docker 配置和 Colab、Kaggle 的 notebook，有服务器或云 notebook 资源的用户能把它挂起来跑。

只想把图片里的文字读出来做后续处理的，用通用 OCR 库更划算。没有 Python 环境、也不打算折腾模型下载和依赖安装的，这个项目不适合直接上手。仓库自己的说明里也承认它仍在早期阶段，用之前要有踩坑的准备。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 9.1 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。