离线翻译服务器搭建完整指南用 LibreTranslate 把翻译能力装进自己的口袋【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate深夜十一点出差在外的内容运营小林盯着电脑屏幕发愁明天要交一份五国语言的营销方案可酒店的网络信号时好时坏在线翻译网页转圈半天只吐出一句网络连接失败。更要命的是方案里那句尚未公开的新品名称他实在不敢丢给云端服务——谁知道这些文字会被存到哪台服务器上小林的困境其实也是无数开发者和团队的真实痛点翻译需求随时都有但网络、隐私、成本却总在拖后腿。而 LibreTranslate 正是为解决这个问题而生的——它是一个免费开源、完全自托管的机器翻译 API支持离线运行部署起来也不复杂。你只要有一台能装 Python 的机器就能把翻译服务变成自己的一亩三分地断网、限流、数据外泄统统跟你没关系。一个比喻看懂 LibreTranslate 怎么工作先别急着敲命令我们用生活里最常见的场景来理解它——把 LibreTranslate 想象成一家小型的同传翻译室。这家翻译室有三样家当。第一样是翻译员也就是语言模型文件。你雇几个翻译员就能译几对语言雇一个英译中的就能把英文翻成中文再雇一个中译英的反向翻译也解决了。第二样是前台也就是基于 Flask 搭建的 Web 服务。你只需要对着前台喊一声把这句话翻成法语前台就会把话转交给对应的翻译员。第三样是小本本也就是内存缓存——同样的话翻译过一遍直接翻小本本抄答案免得翻译员再费一遍功夫。至于语言检测langdetect 模块负责和限流防滥用Flask-Limiter 负责你可以把它们当成前台的自动识别客人说的是哪国话和每人每天最多点几单的规矩。整间翻译室只有一个要求翻译员得先到岗也就是模型文件得先下载好而这一步恰恰是离线部署的关键。第一站把翻译员请进门——克隆代码并搭好环境主线任务从这里开始。先在有网络的机器上拿到项目源码git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate接着创建虚拟环境并安装依赖。项目在pyproject.toml里已经锁好了所有关键组件比如翻译引擎argos-translate-lt、Web 框架 Flask、语言检测langdetect你不需要手动逐个装python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install -r requirements.txt第二站只雇你要的翻译员——按需下载语言模型离线部署最容易踩的坑就是以为模型必须全装。其实 LibreTranslate 的设计很贴心每个语言对是独立的一个模型文件就像你完全可以只雇英译中一个翻译员不必把整层写字楼都租下来。用项目自带的脚本scripts/install_models.py就能精确控制下载范围。只想要中英互译python scripts/install_models.py --load_only_lang_codes en,zh想要欧洲主流语言包python scripts/install_models.py --load_only_lang_codes en,fr,es,de,it下载完成后模型会存放在 Argos Translate 的标准目录Linux/macOS 是~/.local/share/argos-translate/packages/。翻译员到岗翻译室才能开张。第三站打包整间翻译室——把依赖也一起装进行李箱现在到了离线部署的灵魂环节目标机器可能完全没有外网光有模型还不够Python 依赖也得一起带过去。思路很简单——在联网机器上把所有依赖囤成一个本地文件夹再整个拷走。mkdir -p offline_deps pip download -r requirements.txt -d offline_deps/ \ --no-cache-dir \ --only-binary:all:把offline_deps文件夹连同项目代码、模型目录一起拷到离线机器上安装时指明只认本地货源pip install --no-index --find-links./offline_deps/ -r requirements.txt至于模型文件你可以直接打包拷过去也可以把~/.local/share/argos-translate/packages/整个目录复制到离线机器对应的位置翻译员照样能上岗。第四站开灯营业——启动服务并验证翻译效果人员到齐、行李到位最后就是开门营业。LibreTranslate 的所有开关都集中在libretranslate/default_values.py里用LT_前缀的环境变量就能控制。离线场景下有三件事值得确认UPDATE_MODELS 保持 False默认就是防止启动时偷偷去联网更新模型SHARED_STORAGE 用 memory://默认也是单机部署不需要额外 Redis想进一步缩小内存占用可以用LT_LOAD_ONLY限定只加载哪些语言。然后启动服务python main.py --host 0.0.0.0 --port 5000看到日志里出现Loaded support for X languages说明翻译员们已经就位。用 curl 快速验证一下curl -X POST http://localhost:5000/translate \ -d qHello worldsourceentargetzh能返回中文译文你的离线翻译服务器就算正式开业了。内网里的同事可以直接访问http://你的服务器IP:5000用网页界面或 API 调用都行。按场景对号入座你的离线翻译该配多大阵容翻译员雇几个、依赖打不打包、要不要上 Docker完全取决于你的处境。先看这张决策表再决定动手方案你的场景推荐配置大致占用关键动作个人尝鲜、单机自用仅中英互译约 200-300MB只下载 en,zh 模型小团队内网共享5 种主流语言约 800MB-1.2GB依赖离线打包 设 API 密钥多语言内容团队按需多语言对视语言数量而定用LT_LOAD_ONLY精准加载多节点高可用完整语言包 Docker3-4GB参考docker/与docker-compose.yml一个实用原则只雇你真正需要的翻译员。如果你只是把英文内容翻成中文单向模型就够没必要把几十个语言对全塞进内存——模型文件是离线部署里最占地方的资产克制一点空间和内存都能省下一大截。常见问题快速问答问离线机器上模型文件到底放哪答Linux/macOS 放~/.local/share/argos-translate/packages/Windows 放C:\Users\你的用户名\AppData\Roaming\argos-translate\packages\。把联网机器上装好的模型目录整个复制过去即可。问启动时报 Model not found 是啥意思答翻译员没到岗——检查模型路径是否指向正确、目录有没有读权限或者干脆重新跑一遍scripts/install_models.py。问离线环境装依赖时版本打架怎么办答让联网和离线两台机器用完全相同的 Python 版本并且用前面提到的pip download方式打包版本在打包那一刻就已经锁定了。问服务起来很慢、还容易崩答多半是模型装太多、内存吃不消。用LT_LOAD_ONLY精简语言或调低LT_THREADS减少并发线程数。问离线部署还需要安全防护吗答当然要。内网不等于免检——开启 API 密钥--api-keys做访问控制必要时加 IP 白名单并定期看看服务日志有没有异常访问。上线前的检查清单照着这份清单逐项打勾确保你的离线翻译堡垒万无一失项目代码已克隆到目标机器虚拟环境已激活需要的语言模型已按需下载并拷入模型目录offline_deps依赖包已通过--no-index方式安装成功UPDATE_MODELS未开启启动时无联网行为python main.py启动日志显示预期语言数量用 curl 实测/translate和/detect接口返回正常关闭外网后重启服务翻译依然可用已按需开启 API 密钥等访问控制让翻译真正成为你自己的能力还记得开头那个在酒店里焦头烂额的小林吗如果他的笔记本上装着一套 LibreTranslate深夜的难题不过是一条curl命令的事没有网络依赖没有字符数焦虑没有敏感词被上传的担忧。这恰恰是离线部署最迷人的地方——数据主权、零延迟、零成本全部攥在自己手里。而且这一切都是开源的代码在仓库里随意查看翻译引擎基于 Argos Translate遇到问题能自己动手改还能在社区里找答案。你不用再为翻译 API 的账单发愁也不用祈祷明天别断网。从今天起花一个下午按上面四站走一遍你也能拥有一间 24 小时不打烊、完全听你指挥的同传翻译室。开源、免费、可控——你的翻译能力值得从这一刻开始真正属于自己。【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
