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。
黑白漫画杂志风工作台：大号章节标题、边缘渐疏网点、Skribble 字标，以及更紧凑的语言与输出目录栏。七个流程节点沿直线排列，只有实际完成或跳过时才推进；精修画布保留作品原色。
自动处理工作台
查看处理中与嵌字精修界面
处理中截图来自真实本地管线的无文字测试页，未调用外部翻译 API。
快速逐字日志（实际 Qt 录屏，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 A、B 两组日文原图与中文结果，分别对应 a1/a2、b1/b2。当前输出语言为简体中文。
| 翻译前 | 翻译后 |
|---|---|
 |
 |
 |
 |
- 多语言源文与自定义 OCR：选择日语、韩语、英语或“自定义 OCR”，统一翻译成简体中文；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、Baberu/manga-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。
- 启动即预热：打开客户端自动加载 AI 管线，不等点击翻译才加载模型。
- GPU 推理：支持 NVIDIA CUDA，只需本机已有 NVIDIA 驱动。
- 多模态翻译开关：勾选后发送整页图片给 AI，翻译后额外让 AI 配置字体、字号和横竖方向；不勾选则走纯文本翻译。
- 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。 - 12 类字体适配：普通/粗体对话、强调、手写、内心、低语、严肃、旁白、拟声、可爱、预告和标题自动分类，并对缺字逐字回退。
- 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：翻译后可微调每个文本块的字体风格、字号、横竖方向和位置，并保存覆盖输出。
- 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。
- 下载
ComiTrans-v2.3.0-app.zip（主程序）和ComiTrans-v2.3.0-models.zip（模型包）。 - 解压主程序包得到
ComiTrans文件夹。 - 两个压缩包都解压到同一个父目录，让包内的
ComiTrans文件夹合并，最终模型路径为ComiTrans\comic-translate-ai\models\。 - 双击
ComiTrans.exe，在“设置”页填写翻译 API Key 和模型。
从 v2.2.2 升级：继续处理日语时可复用原模型；使用韩语或英语时需合并新版模型包。请保留原有 config.yaml 与输出文件。
Release 用户不需要安装 Python、PyTorch、pip 或 CUDA Toolkit。GPU 加速只需本机已有 NVIDIA 驱动。
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。客户端启动后会自动预热 AI 管线，完成后即可开始翻译。
- 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”。日语自动选择 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，并在翻译后让 AI 配置字体；不勾选则使用纯文本翻译和自动排版算法。
- 在翻译页顶部展开“翻译偏好”，填写背景提示词和中文人名（每行一个，AI 自动对照）。
- 点击“开始翻译”，实时查看执行步骤、进度和日志。
- 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，调整字体风格、字号、横竖方向和位置后保存。
PDF 会以一个文件任务显示，内部按页分批处理，成功后输出 <原文件名>_translated.pdf。输出 PDF 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，PDF 页面也暂不支持在“嵌字精修”页逐块调整。
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 Baberu，无法加载时回退 manga-ocr；可明确指定引擎 |
| 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 |
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 |
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。
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。
每一张图片或 PDF 页面按以下流程处理：
- 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 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。
- 大模型翻译：纯文本模式发送 OCR 结果；多模态模式发送整页图片，并让 AI 配置字体、字号和方向。
- 背景修复：按检测文字掩膜擦除，简单白气泡直接涂白，复杂背景调用 LaMa ONNX 修复。
- 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/，可在嵌字编辑页继续人工微调。 - 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；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 |
|---|---|---|
| 漫画气泡与文本检测 | comic-text-detector.onnx |
mayocream/comic-text-detector-onnx，由 dmMaze/comic-text-detector 导出 |
| 日文 OCR（默认） | baberu-ocr/ |
genshiai-daichi/baberu-ocr，Apache-2.0，121 MB 量化 ONNX 组合 |
| 日文 OCR（回退） | manga-ocr-onnx/ |
l0wgear/manga-ocr-2025-onnx，基于 kha-white/manga-ocr |
| 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 |
manga-lama |
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。
.\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会生成两个 release 包及 SHA256 校验文件；保留旧版本文件：
ComiTrans-v2.3.0-app.zip：主程序，不含模型ComiTrans-v2.3.0-models.zip：含日语、韩语、英语 OCR 的 ONNX 模型包ComiTrans-v2.3.0-SHA256SUMS.txt：两个压缩包的 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（默认）
│ │ ├── 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 与界面字体
├── 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
├── legacy/web/ # 旧 Web 架构存档
├── build_app.ps1 # 打包脚本
└── package_release.py # Release 拆包脚本
- 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
- 启动即预热：打开客户端自动加载 AI 管线。
- 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。
- 旧代码归档在
legacy/web/，旧文档见docs/README-v1.md。
Release 需要安装 Python 或 CUDA Toolkit 吗？
不需要。主程序和模型包解压后即可运行，GPU 加速只需本机已有 NVIDIA 驱动。
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、修复均为 ONNX 模型，运行库只需 onnxruntime。
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、Klee One、思源黑体/宋体、setofont 均为开源字体，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：comic-text-detector、Baberu OCR、manga-ocr、manga-lama 均为开源模型，来源见 docs/ONNX_MODELS.md。