Galgame翻译神器LunaTranslator:支持20+翻译引擎的全能平台
LunaTranslator作为一款专为Galgame设计的翻译工具,集成了HOOK、OCR、剪贴板等多种翻译模式,支持20+主流翻译引擎,为视觉小说玩家提供无缝翻译体验。本文将详细介绍其核心功能、翻译引擎架构及实战应用场景。
核心翻译模式解析
HOOK模式:深度集成游戏进程
HOOK模式通过注入游戏进程实现文本实时捕获,无需手动选择即可自动翻译对话内容。操作流程如下:
- 在已启动游戏的情况下,打开进程选择窗口并注入目标游戏
- 游戏运行后自动识别候选文本行,用户仅需选择匹配的文本即可开始翻译
- 支持内嵌翻译功能,直接在游戏界面显示译文

技术实现:HOOK核心代码位于src/LunaTranslator/windows.py,通过Windows API实现进程注入与内存文本捕获
OCR模式:图像文本精准识别
针对不支持HOOK的游戏,OCR模式提供屏幕区域识别功能:
- 手动框选游戏文本区域实现实时识别
- 支持多种OCR引擎切换,包括百度、谷歌云视觉等
- 提供临时识别与持续识别两种模式

混合翻译方案
对于复杂场景,可组合使用多种模式:
- HOOK+OCR:主要文本用HOOK捕获,特殊UI文本用OCR补充
- 剪贴板监听:复制游戏文本自动触发翻译
- 拖拽启动:将游戏程序拖拽至软件窗口自动完成转区与HOOK
多引擎翻译架构
翻译引擎抽象设计
LunaTranslator采用面向对象设计,所有翻译引擎继承自basetranslator.py中的basetrans基类,统一实现以下核心方法:
class basetrans(commonbase):
def translate(self, content): # 核心翻译接口
return ""
def langmap(self): # 语言代码映射
return {}
def init(self): # 引擎初始化
pass
20+翻译引擎矩阵
项目在src/LunaTranslator/translator/目录下实现了丰富的翻译引擎,包括:
- 在线API:谷歌、百度、腾讯、DeepL、ChatGPT等
- 离线引擎:Sakura、本地部署模型
- 特殊用途:Yandex(小语种)、Papago(韩语)、Lingva(开源替代)
每个引擎独立封装为单独模块,如baiduapi.py实现百度翻译接口,sakura.py处理本地模型调用。
智能缓存机制
系统实现二级缓存策略提升翻译效率:
- 内存短期缓存:保存最近翻译结果,毫秒级响应
- SQLite长期缓存:持久化存储历史翻译,路径为
cache/{translator_name}.sqlite
缓存逻辑在basetranslator.py中实现,自动处理相同文本的重复翻译请求。
实战应用场景
经典游戏翻译配置
以日系Galgame为例,推荐配置组合:
- 文本捕获:HOOK模式(src/LunaTranslator/windows.py)
- 翻译引擎:DeepL(精准度)+ 百度翻译(中日优化)
- 辅助功能:TTS语音朗读(src/LunaTranslator/tts/)
复杂场景解决方案
- 图像文本处理:启用MangaOCR引擎处理竖排日文
- 翻译优化:通过transoptimi/模块实现术语库管理
- 多语言切换:在language.py中定义的语言映射表支持40+语种
扩展与定制
翻译引擎扩展开发
开发者可通过继承basetrans类快速集成新引擎:
class NewTranslator(basetrans):
def init(self):
# 初始化代码
self.api_key = config.get("api_key")
def translate(self, content):
# 实现翻译逻辑
return self._call_api(content)
自定义快捷键
通过fastkeys.md配置文件可自定义操作热键,支持全局与应用内两种模式。
安装与获取
项目源码托管于GitCode,可通过以下命令获取:
git clone https://gitcode.com/GitHub_Trending/lu/LunaTranslator.git
完整使用文档参见官方中文手册,包含详细配置教程与常见问题解答。
提示:定期关注更新日志获取新功能通知,社区贡献可提交PR至develop分支
LunaTranslator通过模块化设计与开放架构,持续进化以应对Galgame翻译的复杂需求,无论是普通玩家还是技术爱好者,都能找到适合自己的使用方式。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00