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
• 使用 DeepSeek - 点击查看教程 处理一本书只要 几毛钱 + 一分钟
• 也可以通过运行 一键包 - 点击查看教程 来获得 完全免费 的服务（需要 8G 以上显存的 Nvidia 显卡）

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，默认为使用本地接口
• 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

应用效果 ⚡

• 抓取、分析 和 翻译 效果取决于模型的能力，使用 💪 更昂贵 更强力 的模型可以显著提升效果
• 是的，氪金可以变强
• 总体来说 在线接口 的效果和速度都远好于 本地接口，建议使用 在线接口

文本格式 🏷️

• 支持从 .txt、.csv、.json 三种文件中读取文本
• 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 和 .json 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 和 .json 文件
• 具体可见 Wiki - 支持的文件格式

近期更新 📅

• 20240925 v0.5.1

  • 修正 - 接口测试功能不能执行的问题

• 20240921 v0.5.0

  • 新增 - 快速模式
    • 可以节约一半左右的 时间 和 Token
    • 不执行 语义分析 步骤，所以无法提供 角色性别 与 故事总结
  • 调整 - 使用本地接口时，自动设置请求频率阈值
  • 调整 - 模型版本更新至 kg_ner_20240912

• 20240909 v0.4.1

  • 调整 - 优化规则以尝试减少结果中的杂质
    • 更严格的 Prompt
    • 更严格的 上下文 与 出现次数 的匹配规则
    • 在不同测试用例中，减少了 20%-40% 不等的角色实体杂质
  • 修正 - 一些常见的 JSON 解析错误
  • 修正 - 汉字词语翻译时偶尔翻译成拼音的问题

• 20240826 v0.4.0

  • 新增 - 初步完成对 韩文 的支持
    • 完全不懂 韩文，所以无法评估表现水平
    • 寻求懂 韩文 的用户协助测试
  • 调整 - 优化了 NER 实体识别步骤的执行速度
    • CPU 和 GPU 版本都提速了一倍左右

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。"
    ],
    "translate_context_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。"
    ],
    "translate_context_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 📥

• 处理 小说 时

  • 注意单行不要太长
  • 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

• 处理 游戏文本 时

  • 建议使用 SExtractor 、Translator++ 导出的文本
  • MTool 导出的文本抓取效果很不稳定
  • 如果抓取效果不好，可以多试几种导出工具和导出格式，往往会有奇效

开发计划 📈

• 支持 Translator++ 导出的 CSV 文本
• 添加 对 组织、道具、地域 等其他名词类型的支持
• 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
• 添加 对 GPU 加速的支持
• 添加 全自动生成模式

问题反馈 😥

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