KeywordGacha

使用 OpenAI 兼容接口自动生成小说、漫画、字幕、游戏脚本等内容文本中实体词语表的翻译辅助工具

   

概述 📢

• KeywordGacha，简称 KG，使用 AI 技术来自动生成 实体词语表 的次世代工具
• 实体词语表 可以在一定程度上解决在长篇文本翻译过程中 人名 等实体词语翻译版本不统一的问题
• 根据 中、英、日、韩 文本内容自动生成 实体词语表，并且 自动翻译、自动总结、自动分析
• 相较传统工具，具有高命中、语义化、智能总结角色信息等特色，对文本的兼容性更好
• 极大的提升 小说、漫画、字幕、游戏脚本 等内容译前准备时制作词语表的工作效率
• 随机选取 绿站榜单作品 作为测试样本，与人工校对制作的词表对比，命中率约为 80%-90%

特别说明 ⚠️

• 如您在翻译过程中使用了 KeywordGacha，请在作品信息或发布页面的显要位置进行说明！

配置要求 🖥️

• 兼容 OpenAI 标准的 AI 大模型接口
• 注意，SakuraLLM 系列模型只具有翻译功能，无法进行文本分析，不能与 KG 配合使用

使用流程 🛸

• 从 发布页 或 百度网盘 下载应用
• 打开配置文件 config.json，填入 API 信息，推荐在以下两种方式中选择其一：
  • DeepSeek - 点击查看教程，需付费但便宜，速度快，质量高，无显卡要求 👈👈 推荐
  • 本地接口 - 点击查看教程，免费，速度较慢，质量稍差，理论上支持所有 4G 以上显存的显卡
• 双击 01_启动.bat 启动应用，处理流程结束后，结果会保存在 output 文件夹内
• 其中：
  • *_日志.txt - 抓取到的词语的原文、上下文、翻译建议、角色信息总结等详细信息，用于人工确认
  • *_列表.json - 通用词表，可以导入 AiNiee - 替换词典、绿站 - 术语表 等处使用
  • *_ainiee.json - AiNiee - 提示字典 功能专用词语表
  • *_galtransl.json - GalTransl - GPT 字典 功能专用词语表
• 遵循 常见问题 里的建议以获得最佳的使用效果

文本格式 🏷️

• 支持从 .txt、.csv、.json、.xlsx 文件中读取文本
• 大部分主流的 小说 和 游戏脚本 数据格式都可以直接或者通过转换被 KG 识别
• 输入路径是文件夹时，会读取文件夹内所有的 .txt、.csv 、.json 和 .xlsx 文件
• 当应用目录下有 input 文件夹时，会自动读取 input 内所有的 .txt、.csv 、.json 和 .xlsx 文件
• 具体可见 支持的文件格式

近期更新 📅

• 20241226 v0.8.2

  • 一些细节优化

• 20241218 v0.8.1

  • 重新设计了工作流程，得益于此：
    • 英文与韩文分析能力强化
    • 非角色类实体分析能力显著强化
    • 较大幅度的减少了 时间 与 Token 消耗
  • 配套本地模型切换至 Qwen2.5-7B，使用本地模型的同学请一并更新 -> KeywordGachaServer

• 20241213 v0.7.0

  • 分析能力提升，主要来自于：
    • NER 模型更新
    • 参考文本匹配机制优化

设置说明 🎚️

{
    "api_key": [
        "no_key_required",
        "接口密钥，从接口平台方获取，使用在线接口时一定要设置正确。"
    ],
    "base_url": [
        "http://localhost:8080/v1",
        "请求地址，从接口平台方获取，使用在线接口时一定要设置正确。"
    ],
    "model_name": [
        "no_name_required",
        "模型名称，从接口平台方获取，使用在线接口时一定要设置正确。"
    ],
    "count_threshold": [
        1,
        "出现次数阈值，出现次数低于此值的词语会被过滤掉以节约时间。"
    ],
    "request_timeout": [
        180,
        "网络请求超时时间，如果频繁出现 timeout 字样的网络错误，可以调大这个值。"
    ],
    "request_frequency_threshold": [
        3,
        "网络请求频率阈值，单位为 次/秒，值可以小于 1，如果频繁出现 429 代码的网络错误，可以调小这个值。",
        "使用 llama.cpp 运行的本地模型时，将根据 llama.cpp 的配置调整自动设置，无需手动调整这个值。",
        "使用 DeepSeek 等不限制并发数的在线接口时可以调大这个值。"
    ],
    "context_translate_per": [
        1,
        "是否翻译人名实体上下文，1 - 翻译，0 - 不翻译，比较慢，根据需求自己决定是否开启。"
    ],
    "context_translate_other": [
        0,
        "是否翻译其他实体上下文，1 - 翻译，0 - 不翻译，比较慢，根据需求自己决定是否开启。"
    ]
}

常见问题 📥

• 分析 小说文本 的最佳实践

  • 提前移除 作者评论、出版社信息 等与故事内容无关的文本
  • 目前模型能处理的单行最大长度约为 500 字，过长的句子会被截断，超长单行文本请提前手动分行

• 处理 游戏文本 的最佳实践

  • 使用 Translator++ 导出游戏文本为 csv 或 xlsx 格式
  • 对于 RPGMaker MV/MZ 游戏
    • 复制 Actors.json 到指定位置以启用 角色代码还原 功能
  • 如果抓取效果不好，可以多试几种导出工具和导出格式，有时候会有奇效

开发计划 📈

• 添加 对 英文内容 的支持
• 添加 对 中文内容 的支持
• 添加 对 韩文内容 的支持
• 添加 对 俄文内容 的支持

问题反馈 😥

• 运行时的日志保存在程序目录下的 *.log 等日志文件内
• 反馈问题的时候请附上这些日志文件