bilingual_book_maker：实践指南

时间：2026-09-12 17:26:01 编辑：袖梨来源：一聚教程网

在项目中评估bilingual_book_maker，可以先看清用途边界：使用 AI 翻译制作双语 epub 书籍。对日常自动化任务来说，输入边界、依赖和失败处理如果不清楚就很难稳定复用往往决定它能否落地，不能只用安装成功来判断。试跑可以从用一项范围明确的真实任务完成最小试跑开始，并把配置时间、输出质量、异常信息和维护痕迹写进验收记录。对愿意先做小范围验证并复查原始文档的团队来说，这个仓库值得继续验证；只求即装即用的人则要先看维护成本。

中文 | 英语

双语_book_maker

bilingual_book_maker是一款AI翻译工具，它使用ChatGPT来帮助用户创建epub/txt/md/srt/pdf文件和书籍的多语言版本。该工具专为翻译 epub 和其他公共领域作品而设计，不适用于受版权保护的作品。在使用此工具之前，请查看项目的 免责声明。

支持机型

内置路线包括OpenAI预设和任意OpenAI-compatible模型IDs，当前克劳德选择、Gemini、Qwen-MT、Groq、xAI、OrcaRouter、DeepL、Google、彩云和腾讯 TranSmart。确切的 --model 选择来自已安装的版本，因此使用 python3 make_book.py --help。未列出的网关和本地提供商模型 IDs 可以配置为--provider；请参见型号和语言。

准备工作

ChatGPT 或 OpenAI 代币 ^token
epub/txt/md/pdf 书籍
具有互联网访问或代理的环境
Python 3.10+

快速入门

提供样本书 test_books/animal_farm.epub 用于测试目的。

pip install -r requirements.txt
python3 make_book.py --book_name test_books/animal_farm.epub --openai_key ${openai_key} --test
OR
pip install -U bbook_maker
bbook_maker --book_name test_books/animal_farm.epub --openai_key ${openai_key} --test

翻译服务

使用 --openai_key 选项指定 OpenAI API 密钥。如果有多个key，请用逗号（xxx,xxx,xxx）分隔，以减少API调用限制导致的错误。或者，只需设置环境变量 BBM_OPENAI_API_KEY 即可。
提供样本书 test_books/animal_farm.epub 用于测试目的。
默认底层模型为GPT-3.5-turbo，当前使用的是ChatGPT。使用--model gpt4将底层模型更改为GPT4。您还可以使用 GPT4omini。
需要注意的是，gpt-4 比 gpt-4-turbo 贵得多，但为了避免遇到速率限制，我们自动平衡 gpt-4-1106-preview、gpt-4、gpt-4-32k 之间的查询， gpt-4-0613，gpt-4-32k-0613。
如果您想将特定模型别名与OpenAI一起使用（例如gpt-4-1106-preview或gpt-3.5-turbo-0125），则可以使用--model openai --model_list gpt-4-1106-preview,gpt-3.5-turbo-0125。 --model_list 采用逗号分隔的模型别名列表。
如果使用 ch@tgptapi，您可以添加 --use_context 以将上下文段落添加到发送到模型进行翻译的每个段落（见下文）。

DeepL 支持 DeepL 型号 DeepL 翻译器需要付费获取代币

python3 make_book.py --book_name test_books/animal_farm.epub --model deepl --deepl_key ${deepl_key}

DeepL 免费

python3 make_book.py --book_name test_books/animal_farm.epub --model deeplfree

克劳德

使用Claude模型进行翻译

python3 make_book.py --book_name test_books/animal_farm.epub --model claude --claude_key ${claude_key}

谷歌翻译

python3 make_book.py --book_name test_books/animal_farm.epub --model google

彩云翻译

python3 make_book.py --book_name test_books/animal_farm.epub --model caiyun --caiyun_key ${caiyun_key}

双子座

支持Google Gemini型号，Gemini Flash使用--model gemini，Gemini Pro使用--model geminipro。如果您想对 Gemini 使用特定的模型别名（例如 gemini-2.5-flash 或 gemini-2.0-flash），则可以使用 --model gemini --model_list gemini-2.5-flash,gemini-2.0-flash。 --model_list 采用逗号分隔的模型别名列表。
```
python3 make_book.py --book_name test_books/animal_farm.epub --model gemini --gemini_key ${gemini_key}
```
奎文

支持阿里云Qwen-MT专业翻译模型。支持 92 种语言，具有术语干预和翻译记忆库等功能。使用 --model qwen-mt-turbo 进行 faster/cheaper 翻译，或使用 --model qwen-mt-plus 获得更高质量。

使用 source_lang 显式指定源语言，或将其留空以进行自动检测。
```
python3 make_book.py --book_name test_books/animal_farm.epub --qwen_key ${qwen_key} --model qwen-mt-turbo --language "Simplified Chinese"
python3 make_book.py --book_name test_books/animal_farm.epub --qwen_key ${qwen_key} --model qwen-mt-plus --language "Japanese" --source_lang "English"
```

腾讯 TranSmart

python3 make_book.py --book_name test_books/animal_farm.epub --model tencentransmart

xAI

python3 make_book.py --book_name test_books/animal_farm.epub --model xai --xai_key ${xai_key}

OrcaRouter

支持 OrcaRouter 网关，默认为 orcarouter/auto 智能路由模型。它还运行网关级、零信任同一端点上 AI 代理的安全性 - 筛选每个 prompt/response 和在默认拒绝的基础上管理每个工具调用，无需更改应用程序代码。
```
python3 make_book.py --book_name test_books/animal_farm.epub --model orcarouter --orcarouter_key ${orcarouter_key}
```
奥拉玛

支持Ollama自主机型号，如果 ollama 服务器未在本地主机上运行，请使用 --api_base http://x.x.x.x:port/v1 指向 ollama 服务器地址
```
python3 make_book.py --book_name test_books/animal_farm.epub --ollama_model ${ollama_model_name}
```

groq

GroqCloud 目前支持的型号：可以从支持的型号中找到

python3 make_book.py --book_name test_books/animal_farm.epub --groq_key [your_key] --model groq --model_list llama3-8b-8192

自定义 API 提供商

如果内置模型不能满足您的需求，您可以通过 JSON 配置文件定义自定义提供程序。这使您可以使用任何 OpenAI-compatible API（DeepSeek、SiliconFlow、本地代理等），而无需修改源代码。

在当前目录中创建 bbm_providers.json （或 ~/.bbm/providers.json 用于全局配置）：

{
  "providers": {
    "deepseek": {
      "api_style": "openai",
      "base_url": "https://api.deepseek.com/v1",
      "default_models": ["deepseek-ch@t", "deepseek-reasoner"],
      "env_key": "BBM_DEEPSEEK_API_KEY"
    },
    "siliconflow": {
      "api_style": "openai",
      "base_url": "https://api.siliconflow.cn/v1",
      "default_models": ["Qwen/Qwen2.5-72B-Instruct"],
      "env_key": "BBM_SILICONFLOW_API_KEY"
    }
  }
}

配置字段：

领域	必填	描述
`api_style`	是的	翻译器界面风格。支持：`openai`、`claude`、`gemini`、`qwen`
`base_url`	否	API 端点 URL。回退到 api_style 的默认值
`default_models`	否	默认型号列表。如果未提供 `--model_list`，则为必填项
`env_key`	否	API 密钥的环境变量名称。如果未提供 `--api_key`，则为必填项

优先级：项目级./bbm_providers.json覆盖全局~/.bbm/providers.json。

--provider 和 --model 是互斥的。

python3 make_book.py --provider deepseek --api_key sk-xxx --book_name test_books/animal_farm.epub

export BBM_DEEPSEEK_API_KEY=sk-xxx
python3 make_book.py --provider deepseek --book_name test_books/animal_farm.epub

python3 make_book.py --provider deepseek --api_key sk-xxx --model_list deepseek-reasoner --book_name test_books/animal_farm.epub

使用

翻译完成后，将为 EPUB 输入生成一本名为 ${book_name}_bilingual.epub 的双语书籍；对于 TXT/MD/SRT 输入，将生成名为 ${book_name}_bilingual.txt（或 _bilingual.srt）的双语文本（或字幕）文件。对于 PDF 输入，该工具将生成双语 .txt 后备，并且还将尝试创建 ${book_name}_bilingual.epub — 如果 EPUB 创建失败，TXT 后备将保留，因此您无需重新翻译。
如果出现任何错误或者您希望按 CTRL+C 中断翻译，则会生成临时双语文件（例如 {book_name}_bilingual_temp.epub 或 {book_name}_bilingual_temp.txt）。您只需将其重命名为任何所需的名称即可。

参数

--model:

选择翻译模型。默认值：ch@tgptapi。可用值及其行为：

型号	主要来源	注释
`ch@tgptapi`	`--openai_key` / `BBM_OPENAI_API_KEY`	GPT-3.5-涡轮。自动检测 API 中的可用型号
`gpt4`	`--openai_key` / `BBM_OPENAI_API_KEY`	GPT-4系列。自动平衡可用的 GPT-4 变体
`gpt4omini`	`--openai_key` / `BBM_OPENAI_API_KEY`	GPT-4o-mini
`gpt4o`	`--openai_key` / `BBM_OPENAI_API_KEY`	GPT-4o
`gpt5mini`	`--openai_key` / `BBM_OPENAI_API_KEY`	GPT-5-mini
`o1preview`	`--openai_key` / `BBM_OPENAI_API_KEY`	o1-预览
`o1`	`--openai_key` / `BBM_OPENAI_API_KEY`	奥1
`o1mini`	`--openai_key` / `BBM_OPENAI_API_KEY`	o1-迷你
`o3mini`	`--openai_key` / `BBM_OPENAI_API_KEY`	o3-迷你
`openai`	`--openai_key` / `BBM_OPENAI_API_KEY`	需要 `--model_list`。使用任何 OpenAI-compatible 型号
`claude` 及上市 `claude-*` IDs	`--claude_key` / `BBM_CLAUDE_API_KEY`	`--help` 显示的确切内置选择；任意未列出的 IDs 需要 `--provider` 或 `openai` 路由
`gemini`	`--gemini_key` / `BBM_GOOGLE_GEMINI_KEY`	双子座闪光。支持`--model_list`
`geminipro`	`--gemini_key` / `BBM_GOOGLE_GEMINI_KEY`	双子座专业版
`groq`	`--groq_key` / `BBM_GROQ_API_KEY`	需要 `--model_list`
`xai`	`--xai_key` / `BBM_XAI_API_KEY`	格罗克
`orcarouter`	`--orcarouter_key` / `BBM_ORCAROUTER_API_KEY`	OrcaRouter智能路由；默认为 `orcarouter/auto`
`qwen-mt-turbo`	`--qwen_key` / `BBM_QWEN_API_KEY`	Qwen快速翻译模型
`qwen-mt-plus`	`--qwen_key` / `BBM_QWEN_API_KEY`	Qwen高质量翻译模型
`google`	N/A	免费。无需 API 密钥
`caiyun`	`--caiyun_key` / `BBM_CAIYUN_API_KEY`	彩云
`deepl`	`--deepl_key` / `BBM_DEEPL_API_KEY`	DeepL（付费）
`deeplfree`	N/A	DeepL 免费
`tencentransmart`	N/A	腾讯TranSmart。免费
`customapi`	`--custom_api` / `BBM_CUSTOM_API`	自定义翻译 API

对于上面未列出的任何 OpenAI-compatible API，请使用 --provider 代替（请参阅自定义 API 提供程序部分）。

--test:

如果您尚未支付服务费用，请使用 --test 选项预览结果。请注意，这是有限制的，并且可能需要一些时间。
--language:

设置目标语言，如 --language "Simplified Chinese"。默认目标语言为 "Simplified Chinese"。通过帮助消息读取可用语言：python make_book.py --help
--proxy:

使用 --proxy 选项指定用于 Internet 访问的代哩服务務器。输入字符串，例如 http://127.0.0.1:7890。

--resume:

使用 --resume 选项在中断后手动恢复进程。

python3 make_book.py --book_name test_books/animal_farm.epub --model google --resume

--translate-tags:

epub 由 html 文件组成。默认情况下，我们只翻译<p>中的内容。使用 --translate-tags 指定需要翻译的标签。使用逗号分隔多个标签。例如：--translate-tags h1,h2,h3,p,div
--plan-classify {none,most,model,agent}（仅限 epub）：

计划模式：不是选择标签，而是分配书中的每个文本节点到翻译单元或由于明确的、报告的原因而跳过（隐藏内容、页面列表导航、符号、链接……）。对于其文本内容的书籍来说，这是正确的选择不住在 <p> — e.g。诗歌呈现为每行 ``s 或 <blockquote>s，其中默认情况下会默默地跳过。短诗行的运行被分批成节 Windows（最多 --poetry-group-size 行，默认 8 行）并在一个请求中进行翻译，以便模型会看到邻近的线以获取上下文。

分区是故意贪婪的：它保留了它无法排除的所有内容从结构上讲，因为从形状猜测过去常常会丢弃真实内容（诗句编号，单字对话、首字下沉）仅保存 0-6% 的字符。决定什么不是值得翻译的是您在这里选择的分类条目：
- none（默认）：无计划 — 像往常一样翻译 --translate-tags 选择。
- most：翻译整个分区，不分类。
- model：LLM 首先对不确定的签名进行规则（标题、散文主干和 poetry groups are never asked about), then the run continues. Use --plan-classify-model X to pick a different model for it — naming one implies this mode, and a failure then aborts instead of falling back.
- agent：不进行 API 调用。编写计划，打印要粘贴的指令块 into a coding-agent session (Claude Code, Codex, ...), and stops before translating. Edit the actions, then rerun the same command to translate.
在计划模式下，--translate-tags 被忽略——计划对整本书进行分区。
- --plan-dry-run：打印每个签名覆盖率表，写入<book>_plan.json，并 exit. No API key or credits needed. Honors --only_filelist / --exclude_filelist.
- <book>_plan.json：将签名的 "action" 编辑为 "skip" 以将其从签名中排除 real run; the file is never overwritten once it exists (delete it to regenerate). Each row carries up to 5 real samples so you can judge without opening the epub.
- --plan-min-coverage（默认 0.5）：如果计划覆盖范围小于此值，计划模式将中止 fraction of the book's text, instead of silently translating a fraction of it.
```
# inspect what would be translated (free, no key needed)
python3 make_book.py --book_name my_book.epub --plan-dry-run
# translate the whole partition
python3 make_book.py --book_name my_book.epub --openai_key ${key} --plan-classify most
# let a model triage the apparatus first
python3 make_book.py --book_name my_book.epub --openai_key ${key} --plan-classify model
# or hand the triage to a coding agent (stops, prints instructions, then rerun)
python3 make_book.py --book_name my_book.epub --openai_key ${key} --plan-classify agent
```
--exclude-translate-tags:

使用 --exclude-translate-tags 从翻译中排除指定 HTML 标签内的内容。这对于保留代码块、预格式化文本或其他特殊内容非常有用。使用逗号分隔多个标签。默认值：sup,code。例如：--exclude-translate-tags code,pre

提示：使用 --exclude-translate-tags "" 翻译包括代码块在内的所有内容（覆盖默认排除）。
--book_from:

使用--book_from选项指定电子阅读器类型（目前仅支持kobo），并使用--device_path指定安装点。
--api_base:

如果您想像使用 Cloudflare Workers 一样更改 api_base，请使用 --api_base <URL> 来支持。 注意：api url 应为“https://xxxx/v1”。需要加引号。
--allow_navigable_strings:

如果要翻译电子书中未标记任何标签的字符串，可以使用 --allow_navigable_strings 参数。这会将字符串添加到翻译队列中。 请注意，如果可能的话，最好寻找更标准化的电子书。
--prompt:

要调整提示，请使用 --prompt 参数。 user 角色模板的有效占位符包括 {text} 和 {language}。它支持几种配置提示的方法：
- 如果您不需要设置system角色内容，您可以简单地这样设置：--prompt "Translate {text} to {language}."或--prompt prompt_template_sample.txt（文本文件的示例可以在./prompt_template_sample.txt找到）。
- 如果需要设置system角色内容，可以使用以下格式：--prompt '{"user":"Translate {text} to {language}", "system": "You are a professional translator."}'或--prompt prompt_template_sample.json（JSON文件的示例可以在./prompt_template_sample.json中找到））。
- 您现在可以使用 PromptDown 格式（.md 文件）获得更结构化的提示：--prompt prompt_md.prompt.md。 PromptDown 同时支持传统系统消息和开发人员消息（由较新的 AI 型号使用）。示例：
```
# Translation Prompt

## Developer Message
You are a professional translator who specializes in accurate translations.

## Conversation
```

Role	Content
User	Please translate the following text into {language}:nn{text}

您还可以通过设置环境变量：BBM_CHATGPTAPI_USER_MSG_TEMPLATE 和 BBM_CHATGPTAPI_SYS_MSG 来设置 user 和 system 角色提示符。
--batch_size:

使用--batch_size参数指定批量翻译的行数（默认为10，目前仅对txt文件有效）。
--accumulated_num:

等待累积了多少令牌后再开始翻译。 gpt3.5将total_token限制为4090。例如，如果您使用--accumulated_num 1600，那么openai可能会输出2200个令牌，系统消息用户消息中的其他消息可能会输出200个令牌，1600+2200+200=4000，所以您已经接近达到限制。你必须选择你自己的 value，发送前无法知道是否达到限制
--use_context:

提示模型创建三段摘要。如果是翻译的开头，它将总结发送的整个段落（大小取决于 --accumulated_num）。对于后续段落，它将修改摘要以包含最新段落的详细信息，从而创建整个翻译作品的重要细节的运行单段落上下文有效负载。这提高了整个翻译中的语气和语气的一致性。此选项适用于所有 ChatGPT-compatible 型号和 Gemini 型号。
--context_paragraph_limit:

使用 --context_paragraph_limit 设置使用 --use_context 选项时上下文段落的数量限制。
--parallel-workers:

使用--parallel-workers处理EPUB章节或Markdown中的batches/sections 平行。大于 1 的值会启动多个工作线程（推荐：2-4）并且当只有一个工作单元时，自动回退到顺序模式。其他输入加载器当前接受此共享 CLI 选项，但不并行化其工作。
--temperature:

使用 --temperature 设置 ch@tgptapi/gpt4/claude 型号的温度参数。例如：--temperature 0.7。
--block_size:

使用 --block_size 将多个段落合并为一个块。这可以提高准确性并加快进程。例如：--block_size 5。
--single_translate:

使用 --single_translate 仅输出翻译后的书籍，而不创建双语版本。
--translation_style:

例如，将自定义 CSS 应用于翻译的 EPUB 文本 --translation_style "color: #808080; font-style: italic;".
--translation_color:

仅设置翻译后的 EPUB 文本颜色的简写，例如 --translation_color "#1e90ff"。如果 --translation_style 也存在，则完整样式优先。
--pdf_layout {none,top-bottom,side-by-side,all}:

为 PDF 输入选择附加双语 PDF 输出。默认none不创建额外PDF； all 尝试了上下布局和并排布局。双语 TXT 和 EPUB 输出不受影响。
--sentence_mode:

逐句翻译 EPUB 文本，而不是将每个段落翻译为一个段落单位。与EPUB计划模式不兼容。
--batch / --batch-use:

通过 ChatGPT 批次 API 进行两阶段 EPUB 翻译。首先使用 --batch 运行提交批次，然后使用 --batch-use 重新运行以等待并消耗其结果。这些标志与计划模式不兼容。
--interval:

Gemini 请求间隔以秒为单位（默认 0.01）。对其他型号没有影响路线。
--quiet:

抑制 EPUB 进度条和每段落 source/translation 回显，同时保留报告和错误。建议用于日志文件和非交互式代理运行。

--retranslate "$translated_filepath" "file_name_in_epub" "start_str" "end_str":

从 start_str 重新翻译为 end_str 的标签：

python3 "make_book.py" --book_name "test_books/animal_farm.epub" --retranslate 'test_books/animal_farm_bilingual.epub' 'index_split_002.html' 'in spite of the present book shortage which' 'This kind of thing is not a good symptom. Obviously'

要仅重新翻译包含 start_str 的标签，请传递一个空的第四个参数：

python3 "make_book.py" --book_name "test_books/animal_farm.epub" --retranslate 'test_books/animal_farm_bilingual.epub' 'index_split_002.html' 'in spite of the present book shortage which' ''

--extra_body:

在 ChatGPT/OpenAI-derived 请求路径上传递额外的 JSON 参数，包括 OpenAI-style 自定义提供商和 xAI。 Claude、Gemini、Qwen、Groq 和其他译者目前忽略此选项。提供包含所需参数的 JSON 字符串。
```
python3 make_book.py --book_name test_books/animal_farm.epub --openai_key ${openai_key} --extra_body '{"ch@t_template_kwargs": {"enable_thinking": false}}'
```
--provider:

使用 bbm_providers.json 中定义的自定义提供程序。与 --model 互斥。请参阅上面的“自定义 API 提供程序”部分。
--api_key:

用于自定义提供程序的 API 密钥（与 --provider 一起使用）。也可以通过提供程序配置中的 env_key 字段进行设置。

示例

注意如果使用 pip install bbook_maker 所有命令都可以更改为 bbook_maker args

# Test quickly
python3 make_book.py --book_name test_books/animal_farm.epub --openai_key ${openai_key}  --test --language zh-hans

# Test quickly for src
python3 make_book.py --book_name test_books/Lex_Fridman_episode_322.srt --openai_key ${openai_key}  --test

# Or translate the whole book
python3 make_book.py --book_name test_books/animal_farm.epub --openai_key ${openai_key} --language zh-hans

# Or translate the whole book using Gemini flash
python3 make_book.py --book_name test_books/animal_farm.epub --gemini_key ${gemini_key} --model gemini

# Translate an EPUB with parallel chapter processing
python3 make_book.py --book_name test_books/animal_farm.epub --openai_key ${openai_key} --parallel-workers 4

# Use a specific list of Gemini model aliases
python3 make_book.py --book_name test_books/animal_farm.epub --gemini_key ${gemini_key} --model gemini --model_list gemini-2.5-flash,gemini-2.0-flash

# Set env OPENAI_API_KEY to ignore option --openai_key
export OPENAI_API_KEY=${your_api_key}

# Use the GPT-4 model with context to Japanese
python3 make_book.py --book_name test_books/animal_farm.epub --model gpt4 --use_context --language ja

# Use a specific OpenAI model alias
python3 make_book.py --book_name test_books/animal_farm.epub --model openai --model_list gpt-4-1106-preview --openai_key ${openai_key}

**Note** you can use other `openai like` model in this way
python3 make_book.py --book_name test_books/animal_farm.epub --model openai --model_list yi-34b-ch@t-0205 --openai_key ${openai_key} --api_base "https://api.lingyiwanwu.com/v1"

# Use a specific list of OpenAI model aliases
python3 make_book.py --book_name test_books/animal_farm.epub --model openai --model_list gpt-4-1106-preview,gpt-4-0125-preview,gpt-3.5-turbo-0125 --openai_key ${openai_key}

# Use the DeepL model with Japanese
python3 make_book.py --book_name test_books/animal_farm.epub --model deepl --deepl_key ${deepl_key} --language ja

# Use the Claude model with Japanese
python3 make_book.py --book_name test_books/animal_farm.epub --model claude --claude_key ${claude_key} --language ja

# Use the CustomAPI model with Japanese
python3 make_book.py --book_name test_books/animal_farm.epub --model customapi --custom_api ${custom_api} --language ja

# Use a custom provider (e.g. DeepSeek)
python3 make_book.py --book_name test_books/animal_farm.epub --provider deepseek --api_key sk-xxx --language ja

# Translate contents in  and <p>
python3 make_book.py --book_name test_books/animal_farm.epub --translate-tags div,p

# Plan mode: auto-discover translatable content (poetry, blockquotes, table cells,
# ...) and batch verse lines in stanza windows; preview the plan with --plan-dry-run
python3 make_book.py --book_name test_books/animal_farm.epub --plan-dry-run
python3 make_book.py --book_name test_books/animal_farm.epub --plan-classify most

# Tweaking the prompt
python3 make_book.py --book_name test_books/animal_farm.epub --prompt prompt_template_sample.txt
# or
python3 make_book.py --book_name test_books/animal_farm.epub --prompt prompt_template_sample.json
# or
python3 make_book.py --book_name test_books/animal_farm.epub --prompt "Please translate `{text}` to {language}"

# Translate books download from Rakuten Kobo on kobo e-reader
python3 make_book.py --book_from kobo --device_path /tmp/kobo

# translate txt file
python3 make_book.py --book_name test_books/the_little_prince.txt --test --language zh-hans
# aggregated translation txt file
python3 make_book.py --book_name test_books/the_little_prince.txt --test --batch_size 20

# Using Caiyun model to translate
# (the api currently only support: simplified chinese <-> english, simplified chinese <-> japanese)
# the official Caiyun has provided a test token (3975l6lr5pcbvidl6jl2)
# you can apply your own token by following this tutorial(https://bobtranslate.com/service/translate/caiyun.html)
python3 make_book.py --model caiyun --caiyun_key 3975l6lr5pcbvidl6jl2 --book_name test_books/animal_farm.epub

# Set env BBM_CAIYUN_API_KEY to ignore option --openai_key
export BBM_CAIYUN_API_KEY=${your_api_key}

更容易理解的例子

python3 make_book.py --book_name 'animal_farm.epub' --openai_key sk-XXXXX --api_base 'https://xxxxx/v1'

# Or python3 is not in your PATH
python make_book.py --book_name 'animal_farm.epub' --openai_key sk-XXXXX --api_base 'https://xxxxx/v1'

微软Azure端点

python3 make_book.py --book_name 'animal_farm.epub' --openai_key XXXXX --api_base 'https://example-endpoint.openai.azure.com' --deployment_id 'deployment-name'

# Or python3 is not in your PATH
python make_book.py --book_name 'animal_farm.epub' --openai_key XXXXX --api_base 'https://example-endpoint.openai.azure.com' --deployment_id 'deployment-name'

码头工人

如果您不想处理环境设置，可以使用 Docker。

# Build image
docker build --tag bilingual_book_maker .

# Run container
# "$folder_path" represents the folder where your book file locates. Also, it is where the processed file will be stored.

# Windows PowerShell
$folder_path=your_folder_path # $folder_path="C:Usersusermybook"
$book_name=your_book_name # $book_name="animal_farm.epub"
$openai_key=your_api_key # $openai_key="sk-xxx"
$language=your_language # see utils.py

docker run --rm --name bilingual_book_maker --mount type=bind,source=$folder_path,target='/app/test_books' bilingual_book_maker --book_name "/app/test_books/$book_name" --openai_key $openai_key --language $language

# Linux
export folder_path=${your_folder_path}
export book_name=${your_book_name}
export openai_key=${your_api_key}
export language=${your_language}

docker run --rm --name bilingual_book_maker --mount type=bind,source=${folder_path},target='/app/test_books' bilingual_book_maker --book_name "/app/test_books/${book_name}" --openai_key ${openai_key} --language "${language}"

例如：

# Linux
docker run --rm --name bilingual_book_maker --mount type=bind,source=/home/user/my_books,target='/app/test_books' bilingual_book_maker --book_name /app/test_books/animal_farm.epub --openai_key sk-XXX --test --test_num 1 --language zh-hant

注释

免费试用的 API 代币有限制。如果您想加快流程，请考虑支付服务费用或使用多个 OpenAI 代币
PR 欢迎

其他更好

书译 BookTranslator -> 图书译者

鉴赏

谢谢你，够了。

推荐专题

最新下载

热门教程

bilingual_book_maker：实践指南

相关文章

热门栏目

php教程

asp.net教程

手机开发

css教程

网页制作

办公数码

jsp教程