🎉 DocTranslator Pro 版本现已发布！ 欢迎体验，功能更强大！

✨ Pro 版本核心优势

• 智能分块策略: 能更好地识别段落、列表等结构，提升翻译质量与上下文连贯性。
• 成本优化: 通过更高效的提示词设计和注入策略，显著减少 Token 消耗，有效降低翻译成本。
• 术语库: 支持用户定义术语对照表，确保专业术语翻译的准确性和一致性。
• 翻译记忆库: 智能复用历史翻译，提升效率、降低成本。
• AI模型服务商管理: 可配置 OpenAI, Qwen, DeepSeek 等多种大模型，用户可根据需求选择或由系统智能路由。
• 批量处理: 支持文档上传选择多个术语库和翻译记忆，并发翻译，处理效率更高更准确。
• 消耗统计: 提供Token消耗统计等管理后台功能。

---

📄 DocTranslator - 文档 AI 翻译工具 🚀

DocTranslator 文档翻译，支持多种文件格式的翻译，兼容 OpenAI 格式的 API，并支持批量操作和多线程处理。无论是个人用户还是企业团队，DocTranslator 都能帮助你高效完成文档翻译任务！✨

[English]

---

🌐 在线体验	立即访问
📚 官方文档	查看文档
👉 推荐API中转站	立即使用

🔥GPT中转站推荐-低价优惠-点击此处跳转🔥

---

🌟 功能特性

• 支持多种文档格式
  📑 txt、📝 markdown、📄 word、📊 csv、📈 excel、📑 pdf(非扫描版)、📽️ ppt 文档的 AI 翻译。

• 兼容 OpenAI 格式的 API
  🤖 支持任何符合 OpenAI 格式的端点 API（中转 API），灵活适配多种 AI 模型。

• 批量操作
  🚀 支持批量上传和翻译文档，提升工作效率。

• 多线程支持
  ⚡ 利用多线程技术，加速文档翻译过程。

• Docker 部署
  🐳 支持 Docker 一键部署，简单易用。

---

🛠️ 技术栈

• 前端：Vue 3 + Vite
• 后端：Python + Flask+MySQL/SQLite
• AI 翻译：兼容 OpenAI 格式
• 部署：Docker + Nginx

---

效果如图:

用户端页面演示

管理端页面演示

Linux 系统部署（推荐）

推荐在 Linux 系统中使用 Docker Engine。

首次部署：仅准备一次

git clone https://github.com/mingchen666/DocTranslator.git
cd DocTranslator
cp backend/.env.example backend/.env

编辑 backend/.env，将 FLASK_ENV 设为 production，并填写真实的 PROD_DATABASE_URL、SECRET_KEY 和 JWT_SECRET_KEY。

一行部署

bash deploy.sh

脚本会校验部署配置、自动构建 backend/Dockerfile、执行数据库迁移，并按 TRANSLATION_QUEUE_BACKEND 启动 API、Nginx 和对应 worker。默认 database 启动 数据库队列 worker；celery 启动 Redis 及普通文档、PDF 两个 Celery worker。

一行更新

bash update.sh

更新脚本要求工作区干净，并且只接受 main 分支的快进更新，随后复用同一部署流程重建 后端镜像。已提交的 frontend/dist 和 admin/dist 会直接被 Nginx 使用，无需在服务器 构建前端。

Windows 部署

deploy.sh 和 update.sh 面向 Linux/macOS 的 Bash。Windows 用户可在 Docker Desktop 的 Linux containers 模式下，通过 PowerShell 在项目根目录执行：

# 首次部署或默认数据库队列模式
docker compose up -d --build --force-recreate

# 日常更新
git pull --ff-only; if ($LASTEXITCODE -eq 0) { docker compose up -d --build --force-recreate } else { exit $LASTEXITCODE }

该方式同样自动构建后端镜像，并直接使用已提交的 frontend/dist 与 admin/dist。 Celery 模式使用 docker compose --profile celery up -d --build --force-recreate。

🚀 本地开发

1. 克隆项目

git clone https://github.com/mingchen666/DocTranslator.git
cd DocTranslator

2. 配置环境变量

在 backend/.env 文件中填写必要的环境变量

3. 启动后端

进入后端目录安装依赖：

cd backend
pip install -r requirements.txt

4. 启动后端

python run.py

python run.py 会先执行 Alembic 数据库迁移和幂等初始化，再启动开发服务器。 也可以单独运行 python migrate_startup.py 只执行迁移。生产数据库升级前必须先备份。

5. 启动前端和管理端

/dist 文件夹已经是打包好了的，直接部署使用即可，不本地开发可以忽略下面步骤

前端

cd frontend
pnpm install
pnpm dev

管理端

cd admin
pnpm install
pnpm dev

6. 访问项目

• 前端：http://localhost:1475
• 管理端：http://localhost:8081
• 后端 API：http://localhost:5000

---

其他部署方式：Docker Compose、Celery、对象存储和独立容器

Docker Compose 部署

生产环境优先使用上方 deploy.sh。旧版只启动 API 和 Nginx 的手工命令不会启动 翻译队列 worker，不能用于当前版本。需要手工管理容器时，请使用本节末尾的完整示例。

新数据库不会创建默认管理员。首次启动前可在 backend/.env 同时配置 ADMIN_EMAIL 和 ADMIN_PASSWORD；创建成功后应移除 ADMIN_PASSWORD。

启动项目

cd DocTranslator
docker compose up -d --build --force-recreate

Docker Compose 从 backend/.env 读取数据库和密钥配置，并在启动服务前同步完成迁移。

默认 TRANSLATION_QUEUE_BACKEND=database，只运行数据库 worker，不需要 Redis。 需要 Celery + Redis 时，在 backend/.env 设置：

TRANSLATION_QUEUE_BACKEND=celery
CELERY_BROKER_URL=redis://redis:6379/0

然后使用 Celery profile：

docker compose --profile celery up -d --build --force-recreate

翻译结果对象存储

默认情况下，翻译结果继续保存在 /app/storage。如需把新完成的结果保存到 阿里云 OSS，可在 backend/.env 设置：

RESULT_STORAGE_BACKEND=oss
OSS_ENDPOINT=https://oss-cn-hangzhou.aliyuncs.com
OSS_BUCKET=your-private-bucket
OSS_ACCESS_KEY_ID=your-access-key-id
OSS_ACCESS_KEY_SECRET=your-access-key-secret
OSS_PREFIX=translations/

历史本地结果不会自动迁移；每条记录仍从它完成时使用的存储后端读取。 /app/storage 挂载仍然必须保留，用于源文件、翻译临时文件和历史结果。

独立 Docker 容器

不使用 Compose 时，所有容器使用同一个镜像、同一个 .env、同一个数据库和 /app/storage 挂载。

先构建镜像并创建网络：

docker build -t doctranslator ./backend
docker network create my-network

数据库队列模式：

docker run -d --name backend-container --env-file backend/.env \
  --network my-network -p 5000:5000 \
  -v $(pwd)/backend/db:/app/db \
  -v $(pwd)/backend/storage:/app/storage doctranslator

docker run -d --name backend-worker-container --env-file backend/.env \
  --network my-network \
  -v $(pwd)/backend/db:/app/db \
  -v $(pwd)/backend/storage:/app/storage \
  doctranslator python worker.py

Celery 模式额外启动 Redis 和两个 Celery worker：

docker run -d --name redis --network my-network \
  redis:7-alpine redis-server --appendonly yes

docker run -d --name celery-document-worker --env-file backend/.env \
  --network my-network \
  -v $(pwd)/backend/db:/app/db \
  -v $(pwd)/backend/storage:/app/storage \
  doctranslator celery -A app.celery_app:celery worker \
  --queues=translation.default --concurrency=2

docker run -d --name celery-pdf-worker --env-file backend/.env \
  --network my-network \
  -v $(pwd)/backend/db:/app/db \
  -v $(pwd)/backend/storage:/app/storage \
  doctranslator celery -A app.celery_app:celery worker \
  --queues=translation.pdf --concurrency=1

独立容器部署在多台主机时，/app/storage 必须使用共享文件系统；普通本地 Docker volume 不能跨主机共享翻译源文件和结果文件。

更新项目

cd /DocTranslator
git pull --ff-only && docker compose up -d --build --force-recreate

我的其他项目

• Reviva - AI 学习工作台

💖 赞赏支持

维护此项目需要耗费大量精力，如果DocTranslator对你有帮助，欢迎赞赏支持！你的支持是我持续开发的动力！😊

📢 交流群

有任何问题想交流，欢迎加入我们的交流群

🤝 贡献指南

欢迎贡献代码！

---

📜 许可

Apache-2.0 license

---

📞 联系我

如有任何问题或建议，请联系我：

👋 关于我

在读生一枚，有点喜欢前端，喜欢探索AI应用和工具开发 🎉 感谢大家的支持！欢迎 Star ⭐️ 和 Fork 🍴，一起完善 DocTranslator！

📌 说明

本项目基于 ezwork 进行重构优化，感谢原作者的贡献！🙏

🙏 感谢

BabelDOC

gen