针对群内、各个图站上大量不太可能会有人去翻译的图片设计，让我这种日语小白能够勉强看懂图片
主要支持日语，汉语、英文和韩语
支持图片修补和嵌字
该项目是求闻转译志的 v2 版本
只是初步版本，我们需要您的帮助完善
这个项目目前只完成了简单的 demo，依旧存在大量不完善的地方，我们需要您的帮助完善这个项目！
请支持我们使用 GPU 服务器，谢谢！
- Ko-fi: https://ko-fi.com/voilelabs
- Patreon: https://www.patreon.com/voilelabs
- 爱发电: https://afdian.net/@voilelabs
官方演示站 (由 zyddnys 维护)： https://touhou.ai/imgtrans/
镜像站 (由 Eidenz 维护): https://manga.eidenz.com/
浏览器脚本 (由 QiroNT 维护): https://greasyfork.org/scripts/437569
- 注意如果在线版无法访问说明 Google GCP 又在重启我的服务器，此时请等待我重新开启服务。
- 在线版使用的是目前 main 分支最新版本。
# 首先，确信你的机器安装了 Python 3.8 及以上版本
$ python --version
Python 3.8.13
# 拉取仓库
$ git clone https://github.com/zyddnys/manga-image-translator.git
# 安装依赖
$ pip install -r requirements.txt之后从 https://github.com/zyddnys/manga-image-translator/releases/ 下载 ocr.ckpt、ocr-ctc.ckpt、detect.ckpt、comictextdetector.pt、comictextdetector.pt 和 inpainting.ckpt，放到仓库的根目录下。
[使用谷歌翻译时可选]
申请有道翻译或者 DeepL 的 API，把你的 APP_KEY 和 APP_SECRET 或 AUTH_KEY 写入 translators/key.py 中。
可以填入 --target-lang 参数
CHS: Chinese (Simplified)
CHT: Chinese (Traditional)
CSY: Czech
NLD: Dutch
ENG: English
FRA: French
DEU: German
HUN: Hungarian
ITA: Italian
JPN: Japanese
KOR: Korean
PLK: Polish
PTB: Portuguese (Brazil)
ROM: Romanian
RUS: Russian
ESP: Spanish
TRK: Turkish
VIN: Vietnames# 如果机器有支持 CUDA 的 NVIDIA GPU，可以添加 `--use-cuda` 参数
# 使用 `--use-inpainting` 开启图片修补
# 使用 `--translator=<翻译器名称>` 来指定翻译器
# 使用 `--target-lang=<语言代码>` 来指定目标语言
# 将 <图片文件路径> 替换为图片的路径
$ python translate_demo.py --verbose --use-inpainting --use-cuda --translator=google --target-lang=CHS --image <path_to_image_file>
# 结果会存放到 result 文件夹里# 其它参数如上
# 使用 `--mode batch` 开启批量翻译模式
# 将 <图片文件夹路径> 替换为图片文件夹的路径
$ python translate_demo.py --verbose --mode batch --use-inpainting --use-cuda --translator=google --target-lang=CHS --image <图片文件夹路径>
# 结果会存放到 `<图片文件夹路径>-translated` 文件夹里# 其它参数如上
# 使用 `--mode web` 开启 Web 服务器模式
$ python translate_demo.py --verbose --mode web --use-inpainting --use-cuda
# 程序服务会开启在 http://127.0.0.1:5003程序提供两个请求模式：同步模式和异步模式。
同步模式下你的 HTTP POST 请求会一直等待直到翻译完成。
异步模式下你的 HTTP POST 会立刻返回一个 task_id，你可以使用这个 task_id 去定期轮询得到翻译的状态。
- POST 提交一个带图片，名字是 file 的 form 到 http://127.0.0.1:5003/run
- 等待返回
- 从得到的
task_id去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容
- POST 提交一个带图片，名字是 file 的 form 到http://127.0.0.1:5003/submit
- 你会得到一个
task_id - 通过这个
task_id你可以定期发送 POST 轮询请求 JSON{"taskid": <task_id>}到 http://127.0.0.1:5003/task-state - 当返回的状态是
finished、error或error-lang时代表翻译完成 - 去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容
人工翻译允许代替机翻手动填入翻译后文本
POST 提交一个带图片，名字是 file 的 form 到 http://127.0.0.1:5003/manual-translate，并等待返回
你会得到一个 JSON 数组，例如：
{
"task_id": "12c779c9431f954971cae720eb104499",
"status": "pending",
"trans_result": [
{
"s": "☆上司来ちゃった……",
"t": ""
}
]
}将翻译后内容填入 t 字符串：
{
"task_id": "12c779c9431f954971cae720eb104499",
"status": "pending",
"trans_result": [
{
"s": "☆上司来ちゃった……",
"t": "☆上司来了..."
}
]
}将该 JSON 发送到 http://127.0.0.1:5003/post-translation-result，并等待返回
之后就可以从得到的 task_id 去 result 文件夹里取结果，例如通过 Nginx 暴露 result 下的内容
列一下以后完善这个项目需要做的事，欢迎贡献！
图片涂改目前只是简单的涂白，图片修补的模型正在训练中！
图片修补基于Aggregated Contextual Transformations for High-Resolution Image Inpainting【重要，请求帮助】目前的文字渲染引擎只能勉强看，和 Adobe 的渲染引擎差距明显，我们需要您的帮助完善文本渲染！我尝试了在 OCR 模型里提取文字颜色，均以失败告终，现在只能用 DPGMM 凑活提取文字颜色，但是效果欠佳，我会尽量完善文字颜色提取，如果您有好的建议请尽管提 issue文本检测目前不能很好处理英语和韩语，等图片修补模型训练好了我就会训练新版的文字检测模型。韩语支持在做了- 文本渲染区域是根据检测到的文本，而不是汽包决定的，这样可以处理没有汽包的图片但是不能很好进行英语嵌字，目前没有想到好的解决方案。
- Ryota et al. 提出了获取配对漫画作为训练数据，训练可以结合图片内容进行翻译的模型，未来可以考虑把大量图片 VQVAE 化，输入 nmt 的 encoder 辅助翻译，而不是分框提取 tag 辅助翻译，这样可以处理范围更广的图片。这需要我们也获取大量配对翻译漫画/图片数据，以及训练 VQVAE 模型。
- 求闻转译志针对视频设计，未来这个项目要能优化到可以处理视频，提取文本颜色用于生成 ass 字幕，进一步辅助东方视频字幕组工作。甚至可以涂改视频内容，去掉视频内字幕。
结合传统算法的 mask 生成优化，目前在测试 CRF 相关算法。尚不支持倾斜文本区域合并
以下图片为最初版效果，并不代表目前最新版本的效果。
| 原始图片 | 翻译后图片 |
|---|---|
 |
 |
 |
 |
 |
 |
 |
 |