上周我有个研究生同学告诉我翻译外文的 pdf ，最好还是能够翻译后保持跟原文版面一模一样功能的。再我去帮他找软件的过程中，发现沉浸式翻译做的 pdf 翻译功能还蛮不错，平时虽然用它来翻译网站比较多，但是翻译 pdf 还真没怎么用过。
定眼一看，还是 beta 版，自信心上来了，感觉应该能捣鼓一个简单版的。于是周六花了一天的时间，跟 claude 尝试复刻这个功能，看看按照自己的方案能够做到什么样的程度。目前第一版就已经能够实现基本的翻译和排版效果，复杂的公式和图表还原的很不错。不过就像绝大多数翻译功能会遇到的问题一样，原文译文的长度难以控制，因此文本渲染上还有不少瑕疵，而且也只测试了 2 、3 篇论文，还不清楚真实能力是不是足够稳定。
一开始没发现，干到一半才发现人家已经开源了，还没仔细看人家的方案。要是跟人家实现方式一样，那就纯纯造轮子小丑了。
但不得不说，vide coding 真上头，就是一天就差不多把我 cursor 一个月的额度干一半了，剩下得省着用了。
i.imgur.com/zYRMnT9.png
i.imgur.com/zHZSe1q.png
i.imgur.com/cif5wnO.png
定眼一看，还是 beta 版，自信心上来了，感觉应该能捣鼓一个简单版的。于是周六花了一天的时间，跟 claude 尝试复刻这个功能，看看按照自己的方案能够做到什么样的程度。目前第一版就已经能够实现基本的翻译和排版效果，复杂的公式和图表还原的很不错。不过就像绝大多数翻译功能会遇到的问题一样，原文译文的长度难以控制，因此文本渲染上还有不少瑕疵，而且也只测试了 2 、3 篇论文，还不清楚真实能力是不是足够稳定。
一开始没发现，干到一半才发现人家已经开源了，还没仔细看人家的方案。要是跟人家实现方式一样，那就纯纯造轮子小丑了。
但不得不说，vide coding 真上头，就是一天就差不多把我 cursor 一个月的额度干一半了，剩下得省着用了。
i.imgur.com/zYRMnT9.png
i.imgur.com/zHZSe1q.png
i.imgur.com/cif5wnO.png
 | 1 LuliYanng OP 楼主第一次发有图片的图，怎么跟着教程来，还是显示不出来图片啊，评论区换个方式再发一次看看 https://imgur.com/cif5wnO https://imgur.com/zHZSe1q https://imgur.com/zYRMnT9 |
| 2 LuliYanng OP 好吧 看来还是不行... |
 | 3 Weixiao0725 4 天前  |
| 4 Weixiao0725 4 天前  ) |
| 5 Weixiao0725 4 天前 @LuliYanng 你要用  这种格式，url 写完整了。 |
| 6 Weixiao0725 4 天前 好像直接写 完整的 url 就可以，不要写 markdown ， 因为回复框这里使用的 V2EX native 编辑器，你发帖的时候可以选 markdown |
 | 7 SuperDaniel313 4 天前 via Android 其实豆包的效果还可以的，直接发给豆包就行，能打开双语对照模式，还能截图提问。但只能因为 Web 端，移动端不行。 腾讯的 ima 也有类似的功能，但排版没豆包好，好像和微信读书一个模块出来的，排版效果很差。 看原版书还是推荐豆包 |
| 8 LuliYanng OP @Weixiao0725 回复框是直接贴完整 url 的和发帖也是用 native 编辑器，没选 markdown 。 我再试试  ) |
| 9 LuliYanng OP @SuperDaniel313 可以 我去试试 |
| 10 LuliYanng OP @SuperDaniel313  )豆包好像只能实现这样。他能生成翻译后的论文吗？豆包的那种方式实现起来也简单，但是交互还是挺不错的。适合深入去探讨论文内容，而不仅仅只是简单的点击翻译了。要是两个功能结合起来不就更好了，既可以一眼看到翻译后的论文，还能直接点击跟进询问内容。 |
 | 11 whats 4 天前 沉浸式翻译那个是假开源，实际并未开源 |
| 12 SuperDaniel313 4 天前 via Android @LuliYanng PDF 正上方有一个翻译全文，点击之后就是双排版的界面。左侧是原文，然后右侧会有一个译文。点击高亮块，它就能回显原文的对应文本。 我只用过它的翻译，跟豆包讨论问题，感觉跟智障说话差不多。 我更喜欢 NotebookLM ，不过 NotebookLM 更适合学习，双语对照好像没有。NotebookLM 的学习方式稍微割裂一点，也就是你自己有原版的 PDF ， 然后看 PDF 之后不懂的就直接提问，没有划词提问。不过 NotebookLM 能干好几本书进去，可以进行主题学习。关键是背后的模型差异。Gemini 虽然被网友称为美国豆包，但是比中国豆包还是上好几个档次。 |
| 13 LuliYanng OP @SuperDaniel313 okok ，看到这个功能了，虽然这个双语没有特别美观，不过基本够用了。notebooklm 我也有用，确实，模型的能力差距还是很大的。不过 gemini 还不至于跟豆包比，都不是一个水平的。像这种点击对照，然后自己设置 llm 的功能也完全可以做，不过暂时还没这个考虑，只是当个小项目玩玩。 |
| 15 SuperDaniel313 4 天前 via Android @LuliYanng 如果说搞着玩嘛，是可以玩玩。 实际上只需要把豆包的翻译用上，然后把原版书扔到 NotebookLM 里面。然后就能畅读原版书了呀。豆包拿来读，NotebookLM 拿来问。配合语音输入法，根本不需要划词啊，只需要直接说第几页，什么问题，然后 NotebookLM 就能直接定位到那里，然后跟你讲解。关键最牛的一点是，那些图表也能解读出来，不是单纯的文字，包括公式啊，都可以。这点 Gemini 是真的牛逼。 特别是那种翻译烂的，我觉得豆包的能力，即便再烂，也还是能解决基础的语言问题。至少在信息传递的这个层面上，不会像一些垃圾译本一样误人子弟。 |
 | 16 shawnli3299 4 天前 ocr 用的什么引擎或模型？ |
| 17 LuliYanng OP @shawnli3299 ocr 就是用的百度的 paddle vl |
| 18 LuliYanng OP @SuperDaniel313 去豆包读在到 notebooklm 问当然可以，就是需要跨平台，在用户交互体验上始终还是差一点点 |
Select Language