如何翻译Markdown文件?-2-几种商业及开源解决方案介绍

背景

近期在搭建英文博客-<e-whisper.com>, 需要对现有的所有中文Markdown翻译为英文.

需求如下:

•将 Markdown 文件从中文(zh-CN)翻译为英文(en)•翻译后要保留 Markdown 的完整格式•部分 Markdown block 不需要翻译, 如: front-matter、代码块 等

但是实际使用中，试了好几款翻译（包括 Google，DeepL，Azure）, 结果发现效果都不理想.

也找到了一些专门针对 markdown 的翻译方案, 基本上都是这种方案: 将 Markdown 拆分为"段".

一起看看吧.

Markdown 商业及开源解决方案

•simpleen[1]: 商业版•GT4T[2]: 商业版•markdown-translator[3]: GitHub 开源项目, 基于 JavaScript 和 Azure Translate 收费 API•Markdown Docs Translator[4]: GitHub 开源项目, 基于 Python 和 主流免费翻译 API (Yandex/Google/Bing/Deepl)•ChatGPT + Prompt(markdown+翻译) ?

Simpleen

Simpleen 是个在线翻译服务, 你可以通过不同的方式使用 Simpleen 来翻译和本地化你的软件： 使用在线 web 翻译器，在本地使用 CLI（连续翻译）或通过API自定义使用。其后端是调用 Deppl 的翻译服务.

以下是使用其翻译的效果:

Simpleen 翻译效果

可以看到, 翻译除了将[toc] 翻译为 \[toc] 之外, 其他都完全准确.

另外上图也可以看到, Simpleen 定位非常准确, 就是针对开发者群体的, 还有 Variable 相关功能.

Simpleen 一大特色功能是: Custom Translator, 如:

•Python-i18n•Vue I18n•YAML•JSON•Markdown•...

同时 Simpleen 也支持自定义词库功能, 称为: Glossaries. 可以自定义个人词库.

Simpleen 就是将完整的 markdown 文档, 按照 markdown 语法格式, 将其拆分为一个个的 Segment. 并对每一个 Segment 进行翻译, 如下:

Simpleen Segments

通过 Segments 也可以看出, Simpleen 是将上篇提到的 2 种方法结合起来实现:

1.将 Markdown 转换为 html2.将 html 拆分为 Segments3.将 Segment 逐一翻译4.将翻译后的 Segment html 转换为 markdown.

Simpleen 使用总结

优点:

•准确度高•实用的特色功能: Custom Translator•实用的特色功能: Variable 支持•实用的特色功能: Glossaries•底层基于 Deepl, Deepl 的翻译效果是最自然的.•多种使用方式: web/api/cli

缺点:

•贵, 基于 Segment 收费, 价格也贵的厉害.•最便宜的月费也得 $15, 并且只有 1,000 Text Segments

Simpleen Price

GT4T

📝Reference: GT4T不只是又一个翻译应用。它是一个超级插件，可以帮助你在任何 Windows/Mac 窗口中使用任何语言写作；也是一个超级文件翻译器，你可以不用上传，在你自己的电脑上翻译文件。

官方宣传其特色功能有:

•超级插件: 运行在29个自动翻译引擎之上。无论哪个语言，GT4T总是能为你提供最好的自动翻译。•GT4T文件翻译器: GT4T文件翻译器可以批量翻译文件。GT4T可以处理包括Office或桌面出版文档在内的20种文件类型。而且如果你从事翻译业务并使用CAT工具，你也可以使用GT4T来翻译Trados或其他CAT项目。也有自己的词汇表.

其在Translate Markdown/reStructuredText/AsciiDoc/DocBook XML and other documents [5] 这里宣称可以翻译 Markdown, 具体步骤也很详细, 这里就不展开了.

但是我在实际使用中, 一方面发现它是个桌面app, 没有api/cli, 不适合开发者的使用需求, 另一方面它对 markdown 的翻译结果相比 Simpleen 准确度欠佳.

markdown-translator

使用 Azure 文本翻译 API 直接翻译 Markdown 文件

其使用的前提条件是: 从Azure 服务[6]获取文本翻译 API 密钥

主要是通过 CLI 的方式使用:

# install cli
npm install markdown-translator -g

# set key from Azure Text Translate API
md-translator set --key <your key>
md-translator set --region <your region>

# do translate
md-translator translate --src README.md --dest README.zh.md --to zh

# get more information
md-translator --help

也可以通过模块方式使用:

# install module
npm install markdown-translator

const markdownTranslate = require('markdown-translator')
markdownTranslate({
  src,
  // 要么
  text,

  from,
  to,
  subscriptionKey,
}).then((res) => {
  // deal with result
})

目前我的英文站: https://e-whisper.com/ 就是完全基于这种方式翻译的. 大家可以去访问看一下, 评价一下翻译效果怎么样.

它的实现方案也是: 将 markdown 文档拆分为"段", 再进行翻译.

后端调用的是 Azure https://api.cognitive.microsofttranslator.com/ 的 3.0 的文本翻译接口.

另外 Azure 也直接支持 Markdown 文档 翻译功能. 但是价格比文本翻译略贵.

以下是我的一些感受:

优点:

•基于 Azure Translate API, 将markdown 拆分为"段"后调用一次 API 获取完整翻译结果, 价格可接受•翻译后 Markdown 格式基本没有错误.•CLI 的方案结合一些脚本, 可以实现批量翻译, 效率很高.

比如很简单的一个脚本, 实现批量翻译:

#!/bin/bash

# 遍历指定目录下的所有文件
for MD in source/_posts/*; do
    echo "------Translating ${MD}------"
    md-translator translate --from zh-CN --to en --src ${MD} --dest ${MD} 2>&1 >>logs/md-translator.log
done

缺点:

•基于 Azure Translate API, 我个人感觉 Azure 的翻译效果没有 Deppl 的好.•Markdown 内嵌的一些 front-matter 等, 翻译还是存在问题. 建议翻译前先将 front-matter 拿掉.•可能还是 Azure Translate API 的问题, 对同一个词汇前后会出现好多不同版本的翻译后词汇(没有自定义词汇表导致的), 另外上下文也不是特别连贯.

目前的个人感受是基本可用, 但是还是有一些特殊需求无法满足, 后续我可能会尝试直接使用 Azure 最新提供的 Python SDK[7] 进行开发定制.

Markdown Docs Translator

Markdown Docs Translator 是一个 Markdown 文档的自动翻译器，用 Python 构建。该工具支持多种翻译服务，并提供各种选项来定制翻译过程。

功能:

•支持多种翻译服务（Yandex, Google, Bing, Deepl）。•多线程以加快翻译速度。•覆盖原始文件、删除原始文件或用翻译文本创建一个新文件的选项。•缓存以加快重复翻译。•动词水平控制。

具体使用方法也是先安装再通过 CLI 使用:

pipx install md-translate

md-translate path_to_file_or_folder -F source_lang -T target_lang -P service [OPTIONS]

之前, 我试用了好多次, 都没有成功, 可能是跟它使用的是翻译的免费接口有关, 容易被封, 无法提供稳定的服务.

最近看了一下, 它已经改为基于 selenium 模拟浏览器的行为去访问, 可能会好一些. 后续有机会试试.

另外它的代码结构也很清晰明了, 后续也仔细学习一下它的源码.

ChatGPT + Prompt ?

这应该也是一种思路, 利用 ChatGPT 的强大能力. 但是关键点在于如何提供有效的 Prompt, Prompt 可能是要强调 Markdown 语法, 并利用 ChatGPT 出众的上下文理解和自然语言翻译能力给出翻译结果.

甚至还可以利用 ChatGPT 已有的能力, 对文章进行进一步的润色、补充、语气调整等。

未来可期。

不过可能大量翻译的话，API 调用费用会贵上不少吧？

总结

本文很浅显地总结了一些我收集到的 markdown 文档的翻译方案.

主要是基于: 将 Markdown 拆分为"段" 的思路.

或者是: 将 Markdown 拆分为"段" 和 将 Markdown 翻译为 HTML 二者结合起来.

这里我了解了 4 种:

•simpleen[8]: 商业版•GT4T[9]: 商业版•markdown-translator[10]: GitHub 开源项目, 基于 JavaScript 和 Azure Translate 收费 API•Markdown Docs Translator[11]: GitHub 开源项目, 基于 Python 和 主流免费翻译 API (Yandex/Google/Bing/Deepl)

相关方案肯定很多, 笔者由于精力和时间所限, 无法一一列举. 欢迎各位补充~

同时也结合近期 ChatGPT 的爆火，提出用 ChatGPT 翻译 markdown 的可能性.

希望对您有所帮助.