AgentMarketMCP / SKILL 资产档案馆

目录 / 生活服务 / IBCAT - International Bilingual Chinese Advanced Translator

SKILL 未评级 已上架

IBCAT - International Bilingual Chinese Advanced Translator

--- name: ibcat description: 国际双语中文高级翻译技能,翻译并生成保留原始版式的英中双语对照PDF文档。 --- # IBCAT — 国际双语对照及中文高级原版翻译机 / International Bilingual Chinese Advanced Translator > **本 Skill 由 Wang Dongjie 王东杰 创作 / Created by Wang Dongjie** > 资深复合型战略财务专家 · 上市公司资本运作操盘手 · 集团化财务管控与风险治理高级工程师 > Senior Strategic Finance Expert · Listed Co. Capital Ops Lead · Group Finance Control & Risk Gov. Sr. Engineer > 📧 Wdj_@163.com · 📱 13952453499 > > **版本 / Version:** 1.0.0 > **创建日期 / Created:** 2026-07-22 > **引擎 / Engine:** BabelDOC + LLM Bridge > **许可 / License:** MIT --- ## 描述 / Description **中文:** PDF 双语翻译技能,基于 BabelDOC 引擎实现保留原始排版的 PDF 双语对照翻译。支持英译中及其他语言对,通过三阶段流水线(提取→翻译→渲染)生成高质量的双语 PDF。 **English:** A PDF bilingual translation skill powered by the BabelDOC engine, delivering layout-preserving side-by-side bilingual PDF translation. Supports English-to-Chinese and other language pairs through a three-phase pipeline (Extract → Translate → Render) to produce high-quality bilingual PDFs. **触发条件 / Trigger Conditions:** 当用户请求翻译 PDF 文件、生成双语对照 PDF、或使用 "translate-pdf" / "BabelDOC" / "双语翻译" / "国际双语对照" / "bilingual translation" 等关键词时激活。 **English:** Activate when the user requests PDF translation, bilingual side-by-side PDF generation, or uses keywords such as "translate-pdf", "BabelDOC", "bilingual translation", etc. ## 概览 / Overview **中文:** 本技能使用 [BabelDOC](https://github.com/funstory-ai/BabelDOC) 作为 PDF 解析与排版引擎,通过本地翻译代理服务器桥接 LLM 翻译能力,实现端到端的 PDF 双语翻译流水线。 **English:** This skill uses [BabelDOC](https://github.com/funstory-ai/BabelDOC) as the PDF parsing and typesetting engine, bridging LLM translation capabilities through a local translation proxy server to achieve an end-to-end PDF bilingual translation pipeline. ### 工作原理 / How It Works ``` ┌─────────────┐ ┌──────────────┐ ┌─────────────┐ ┌──────────────┐ │ 原始 PDF │────▶│ BabelDOC │────▶│ 翻译代理 │────▶│ 双语 PDF │ │ Source PDF │ │ 解析+排版 │ │ Translation │ │ Bilingual │ │ (English) │ │ Parse+Layout│ │ Proxy (LLM) │ │ PDF Output │ └─────────────┘ └──────────────┘ └─────────────┘ └──────────────┘ ``` **三阶段流水线 / Three-Phase Pipeline:** | 阶段 / Phase | 模式 / Mode | 说明 / Description | |------|------|------| | Phase 1: 提取 / Extract | `extract` | BabelDOC 解析 PDF,通过代理收集所有待翻译文本段落 / BabelDOC parses the PDF and collects all text segments via the proxy | | Phase 2: 翻译 / Translate | — | 将提取的文本段落分批送入 LLM 翻译,生成 translations.json / Send extracted segments to LLM in batches, generate translations.json | | Phase 3: 渲染 / Render | `translate` | BabelDOC 使用翻译结果重新排版,生成最终双语 PDF / BabelDOC re-typesets with translations, generates the final bilingual PDF | ### 输出文件 / Output Files - **双语对照 PDF / Bilingual Side-by-Side PDF** (`.dual.pdf`):英文原文 + 中文翻译并排显示,保留原始排版 / English original + Chinese translation displayed side-by-side, preserving original layout - **纯中文 PDF / Monolingual Chinese PDF** (`.mono.pdf`):中文翻译替换原文 / Chinese translation replacing the original text ## 前置条件 / Prerequisites ### 系统依赖 / System Dependencies ```bash # BabelDOC pip install babeldoc --break-system-packages # PDF 验证工具 / PDF verification tool pip install pdfplumber --break-system-packages ``` ### CJK 字体要求 / CJK Font Requirements **中文:** 系统需安装 Noto CJK 字体(或兼容的思源黑体/宋体): **English:** The system requires Noto CJK fonts (or compatible Source Han Sans/Serif fonts): ```bash # Ubuntu/Debian apt-get install fonts-noto-cjk # 验证 / Verify fc-list | grep -i "noto.*cjk" ``` ### 字体补丁(关键步骤)/ Font Patching (Critical Step) **中文:** BabelDOC 默认从网络下载字体并校验哈希。在离线/受限网络环境中,需要补丁字体加载逻辑以使用本地字体。运行 `scripts/setup_fonts.py` 自动完成补丁: **English:** BabelDOC downloads fonts from the network and verifies hashes by default. In offline or restricted-network environments, the font loading logic must be patched to use local fonts. Run `scripts/setup_fonts.py` to apply patches automatically: ```bash python3 scripts/setup_fonts.py ``` **该脚本会 / This script will:** 1. 将系统 Noto CJK 字体符号链接到 BabelDOC 缓存目录 / Symlink system Noto CJK fonts to BabelDOC's cache directory 2. 修改 BabelDOC 源码,跳过字体哈希验证 / Patch BabelDOC source to skip font hash verification 3. 修改 CMap 文件加载逻辑,跳过哈希验证 / Patch CMap file loading to skip hash verification 4. 修改 `get_fastest_upstream_for_font` 避免网络调用 / Patch `get_fastest_upstream_for_font` to avoid network calls ## 工作流程 / Workflow ### 完整自动化流程 / Full Automated Workflow **中文:** 使用 `scripts/translate_pdf.sh` 一键执行 Phase 1 提取流水线: **English:** Use `scripts/translate_pdf.sh` to execute the Phase 1 extraction pipeline in one shot: ```bash bash scripts/translate_pdf.sh \ --input "input.pdf" \ --output-dir "/workspace/output" \ --lang-in en \ --lang-out zh-cn \ --work-dir "/data/user/work/translate_work" \ --glossary "glossary.csv" ``` ### 分步手动执行 / Step-by-Step Manual Execution #### Step 1: 环境准备 / Environment Setup ```bash # 安装 BabelDOC(如未安装)/ Install BabelDOC (if not installed) pip install babeldoc --break-system-packages # 应用字体补丁 / Apply font patches python3 scripts/setup_fonts.py # 清除旧缓存(重要!避免使用过期翻译缓存) # Clear old cache (IMPORTANT! Avoid using stale translation cache) rm -f /root/.cache/babeldoc/cache.v1.db ``` #### Step 2: 启动翻译代理(提取模式)/ Start Translation Proxy (Extract Mode) ```bash # 清理旧数据 / Clean old data rm -f /data/user/work/segments.json /data/user/work/translations.json /data/user/work/unknown_segments.json # 启动代理服务器(extract 模式)/ Start proxy server (extract mode) PROXY_MODE=extract python3 scripts/proxy_server.py & sleep 2 # 验证代理运行 / Verify proxy is running curl -s http://127.0.0.1:8899/v1/models ``` #### Step 3: 运行 BabelDOC 提取文本 / Run BabelDOC to Extract Text ```bash babeldoc \ --files "input.pdf" \ --lang-in en \ --lang-out zh-cn \ --openai \ --openai-base-url http://127.0.0.1:8899/v1 \ --openai-api-key dummy-key \ --openai-model gpt-4o-mini \ --output /workspace/babeldoc_output \ --working-dir /data/user/work/babeldoc_work \ --no-auto-extract-glossary \ --skip-scanned-detection \ --no-watermark \ --qps 100 ``` #### Step 4: 翻译提取的文本段落 / Translate Extracted Text Segments **中文:** 提取完成后,`segments.json` 包含所有待翻译文本。使用子代理分批翻译: **English:** After extraction, `segments.json` contains all text segments to translate. Use sub-agents for batch translation: ```bash # 查看段落数量 / Check segment count python3 -c "import json; d=json.load(open('/data/user/work/segments.json')); print(f'Segments: {len(d)}')" # 分批翻译(建议每批 ≤260 段,最多 3 批并行) # Batch translation (recommended ≤260 segments per batch, max 3 parallel batches) # 使用 Task 工具启动子代理,每个子代理读取一批段落并输出 translations_batch_N.json # Use Task tool to launch sub-agents; each reads a batch and outputs translations_batch_N.json # 合并所有批次 / Merge all batches python3 -c " import json all_t = {} for i in range(1, 4): with open(f'/data/user/work/translations_batch_{i}.json') as f: all_t.update(json.load(f)) with open('/data/user/work/translations.json', 'w') as f: json.dump(all_t, f, ensure_ascii=False, indent=2) print(f'Merged: {len(all_t)} translations') " ``` **翻译规则要点 / Translation Rules:** - 保留 BabelDOC 占位符原样不变:`{v1}`、`{v2}` 等花括号占位符 / Preserve BabelDOC placeholders as-is: `{v1}`, `{v2}`, etc. - 保留样式标签结构:`<style id='N'>text</style>` — 标签原样保留,标签内文字翻译 / Preserve style tag structure: `<style id='N'>text</style>` — tags kept as-is, text inside translated - 纯数字/百分比/符号段落原样返回 / Return pure numbers/percentages/symbols as-is - 专有名词按术语表处理 / Handle proper nouns per glossary #### Step 5: 重启代理(翻译模式)并生成最终 PDF / Restart Proxy (Translate Mode) and Generate Final PDF ```bash # 停止旧代理 / Stop old proxy kill $(lsof -ti:8899) 2>/dev/null; sleep 1 # 启动翻译模式代理 / Start translate-mode proxy PROXY_MODE=translate python3 scripts/proxy_server.py & sleep 2 # 清除 BabelDOC 翻译缓存(重要!)/ Clear BabelDOC translation cache (CRITICAL!) rm -f /root/.cache/babeldoc/cache.v1.db # 运行 BabelDOC 生成最终 PDF / Run BabelDOC to generate final PDF babeldoc \ --files "input.pdf" \ --lang-in en \ --lang-out zh-cn \ --openai \ --openai-base-url http://127.0.0.1:8899/v1 \ --openai-api-key dummy-key \ --openai-model gpt-4o-mini \ --output /workspace/babeldoc_final \ --working-dir /data/user/work/babeldoc_work_final \ --no-auto-extract-glossary \ --skip-scanned-detection \ --no-watermark \ --qps 100 # 停止代理 / Stop proxy kill $(lsof -ti:8899) 2>/dev/null ``` #### Step 6: 验证输出 / Verify Output ```python import pdfplumber with pdfplumber.open("output.dual.pdf") as pdf: for i, page in enumerate(pdf.pages): text = page.extract_text() or "" has_chinese = any('\u4e00' <= c <= '\u9fff' for c in text) fonts = set(c.get('fontname', '?') for c in page.chars) has_cjk_font = any('Source Han' in f or 'Noto' in f for f in fonts) print(f"Page {i+1}: Chinese={has_chinese}, CJK Font={has_cjk_font}") ``` ## 关键注意事项 / Critical Notes ### 必须清除翻译缓存 / Must Clear Translation Cache **中文:** 每次重新翻译时,**必须**清除 BabelDOC 的翻译缓存数据库,否则会使用上一次的过期翻译: **English:** Before each re-translation, you **MUST** clear BabelDOC's translation cache database, otherwise stale translations from the previous run will be used: ```bash rm -f /root/.cache/babeldoc/cache.v1.db ``` ### 字体补丁持久性 / Font Patch Persistence **中文:** BabelDOC 更新后补丁会被覆盖,需重新运行 `setup_fonts.py`。可通过以下命令检查补丁状态: **English:** Patches will be overwritten after a BabelDOC update; re-run `setup_fonts.py`. Check patch status with: ```python import babeldoc.assets.assets as assets import inspect src = inspect.getsource(assets.get_font_and_metadata_async) print("PATCHED" if "LOCAL PATCH" in src else "NOT PATCHED") ``` ### 代理服务器端口 / Proxy Server Port **中文:** 默认使用端口 `8899`。如端口被占用,修改 `proxy_server.py` 中的 `port` 变量。 **English:** Default port is `8899`. If the port is occupied, modify the `port` variable in `proxy_server.py`. ### 翻译质量保证 / Translation Quality Assurance - 使用术语表(glossary.csv)确保专有名词一致性 / Use glossary (glossary.csv) to ensure proper noun consistency - 分批翻译时每批不超过 260 段 / Each batch should not exceed 260 segments - 翻译完成后检查 `unknown_segments.json`,确保无遗漏 / Check `unknown_segments.json` after translation to ensure no segments are missed - 验证最终 PDF 中文字体正确嵌入(非 Roboto/Latin 字体)/ Verify CJK fonts are properly embedded in the final PDF (not Roboto/Latin fonts) ## 文件结构 / File Structure ``` IBCAT/ ├── SKILL.md # 技能说明文件 / Skill documentation ├── README.md # GitHub README (中英双语 / Bilingual) ├── LICENSE # MIT 许可证 / MIT License ├── scripts/ │ ├── proxy_server.py # OpenAI 兼容翻译代理服务器 / OpenAI-compatible translation proxy │ ├── setup_fonts.py # 字体补丁脚本 / Font patching script │ ├── translate_pdf.sh # Phase 1 一键提取脚本 / Phase 1 one-shot extraction script │ ├── render_pdf.sh # Phase 3 一键渲染脚本 / Phase 3 one-shot rendering script │ ├── verify_pdf.py # PDF 验证脚本 / PDF verification script │ └── split_segments.py # 段落分批工具 / Segment splitting utility └── templates/ └── glossary_template.csv # 术语表模板 / Glossary template ``` ## 限制 / Limitations - 需要系统安装 CJK 字体(Noto CJK 或思源字体)/ Requires CJK fonts installed on the system (Noto CJK or Source Han fonts) - 网络受限环境需要本地字体补丁 / Restricted-network environments require local font patching - 翻译质量取决于 LLM 子代理的翻译能力 / Translation quality depends on the LLM sub-agent's translation capability - 大型 PDF(>50页)可能需要较长时间和较大内存(~5GB)/ Large PDFs (>50 pages) may require significant time and memory (~5GB) - 扫描版 PDF 需先进行 OCR / Scanned PDFs require OCR preprocessing first ## 已验证案例 / Verified Use Case **中文:** 本技能已在 Rise2040 Vision Report(47页,AICPA & CIMA 发布)上完成完整验证。提取 760 个唯一文本段落,分 3 批并行翻译,生成双语对照 PDF 和纯中文 PDF,所有页面中文渲染正确,CJK 字体嵌入验证通过。 **English:** This skill has been fully verified on the Rise2040 Vision Report (47 pages, published by AICPA & CIMA). 760 unique text segments were extracted, translated in 3 parallel batches, and both bilingual side-by-side PDF and monolingual Chinese PDF were generated. All pages rendered Chinese correctly with CJK font embedding verified. --- ## 致谢与版权 / Acknowledgments & Copyright **作者 / Author:** Wang Dongjie 王东杰 资深复合型战略财务专家 · 上市公司资本运作操盘手 · 集团化财务管控与风险治理高级工程师 Senior Strategic Finance Expert · Listed Co. Capital Ops Lead · Group Finance Control & Risk Gov. Sr. Engineer 📧 Wdj_@163.com · 📱 13952453499 **创建日期 / Created:** 2026-07-22 **版本 / Version:** 1.0.0 **中文:** 本 SKILL 基于 [BabelDOC](https://github.com/funstory-ai/BabelDoc) 开源项目构建,结合 LLM 翻译能力实现 PDF 双语翻译自动化。 **English:** This SKILL is built upon the [BabelDOC](https://github.com/funstory-ai/BabelDoc) open-source project, combining LLM translation capabilities to achieve automated PDF bilingual translation. **技术栈 / Tech Stack:** - PDF 解析与排版引擎 / PDF parsing & typesetting engine:BabelDOC (funstory-ai) - 翻译代理 / Translation proxy:自研 OpenAI 兼容 HTTP 代理服务器 / Custom OpenAI-compatible HTTP proxy server - 字体支持 / Font support:Noto CJK / Source Han Sans - 验证工具 / Verification tool:pdfplumber --- *IBCAT SKILL v1.0.0 — (c) 2026 Wang Dongjie 王东杰* *IBCAT SKILL v1.0.0 — (c) 2026 Wang Dongjie*

模型生成摘要(rules/v1 · 2026-11-18 23:10):---
这是模型对公开材料的总结,不是官方声明,请以原链内容为准。

存档时间线

版本存档时间内容哈希内容
v12026-11-18 23:05d34671b9 可取

版本索引永久保留;内容副本只保留最新 1 份,更早版本仅留索引与哈希(存档时间线的证据链不会因此断裂)。

下载存档内容副本

相关资产

SKILL

金融英语翻译专家

您好

翻译
原作者:u_998e0f83 来源:腾讯 SkillHub 许可:未标注 含内容副本 · 可下载 存档:v1 · 2026-11-17 hash 6562fcc5
SKILL

老人体检报告翻译

当用户要把体检报告翻译成老人能看懂的话、想知道指标名是什么意思、想给爸妈讲讲体检报告上那些箭头和参考值、拿着化验单看不懂术语、想生成一份通俗版说明、想查某个指标的白话解释时使用,常见说法包括"体检报告看不懂""帮老人解释一下体检报告""把指…

翻译
原作者:user_44d36cc1 来源:腾讯 SkillHub 许可:未标注 含内容副本 · 可下载 存档:v1 · 2026-11-17 hash 23e52ac3
SKILL

fanyigongju-wendang-tianbao

翻译工具(文档):准备、分步操作、常见问题与注意事项

翻译
原作者:mofawu 来源:DeepSkill Market 许可:未标注 含内容副本 · 可下载 存档:v1 · 2026-11-17 hash a9afb0a8
SKILL

multilingual-doc-translator

支持中文、英文、俄语、西班牙语四种语言之间的互译,以及PDF/图片文档的逐页OCR识别、翻译与译文图片还原

OCR翻译
原作者:user_bc886e82 来源:DeepSkill Market 许可:未标注 含内容副本 · 可下载 存档:v1 · 2026-11-17 hash d1bde8c0
SKILL

chinese-to-japanes-translator

将中文文本翻译成日语

翻译
原作者:jakexiao 来源:ModelScope 许可:未标注 含内容副本 · 可下载 存档:v1 · 2026-11-16 hash b98ad393
SKILL

flutter-internationalization

使用gen-l10n和intl包国际化Flutter应用的完整指南

翻译
原作者:jakexiao 来源:ModelScope 许可:MIT 含内容副本 · 可下载 存档:v1 · 2026-11-16 hash cad3d8b3
纠错与举报(发现条目失效、署名有误或涉及侵权?)
提交举报 / 纠错

侵权举报经核验成立后,我们会即时下线该条目并删除已存的内容副本。