DocuTranslate

简体中文 / English / 日本語 / Tiếng Việt

一款基于大语言模型的轻量级本地文件翻译工具。

• ✅ 支持多种格式：可翻译pdf、docx、xlsx、md、txt、json、epub、srt、ass等文件。
• ✅ 自动生成术语表：支持自动生成术语表，确保术语一致性。
• ✅ PDF表格、公式、代码识别：利用docling和mineru PDF解析引擎，识别并翻译学术论文中常见的表格、公式和代码。
• ✅ JSON翻译：支持通过路径（jsonpath-ng语法）指定要翻译的JSON值。
• ✅ 保留Word/Excel格式：支持docx和xlsx文件（暂不支持doc或xls），同时保持原有格式。
• ✅ 多AI平台支持：支持大多数AI平台，可实现高性能并发AI翻译，并支持自定义提示词。
• ✅ 异步支持：专为高性能场景设计，提供完整的异步支持和接口，实现多任务并行处理。
• ✅ 局域网与多用户支持：支持局域网内多用户同时使用。
• ✅ 交互式Web界面：提供开箱即用的Web UI和RESTful API，方便集成与使用。
• ✅ 小巧便携的软件包：Windows和Mac便携版软件包小于40MB（不使用docling进行本地PDF解析的版本）。

翻译pdf时，会先将其转换为markdown。这将丢失原始排版。对排版要求严格的用户请注意。

QQ社区群：1047781902 1081128602

UI界面：

论文翻译：

小说翻译：

集成包

对于希望快速上手的用户，我们在GitHub发布页面提供了集成包。只需下载、解压，输入AI平台API-Key即可开始使用。

• DocuTranslate：标准版。使用minerU（在线或本地部署）进行PDF解析。支持本地minerU API调用。（推荐）
• DocuTranslate_full：完整版。内置docling本地PDF解析引擎。如果需要离线PDF解析且无需minerU，请选择此版本。

快速开始

使用pip

# 基本安装
pip install docutranslate

# 安装mcp扩展
pip install docutranslate[mcp]

# 安装docling扩展
pip install docutranslate[docling]

docutranslate -i

#docutranslate -i --with-mcp

使用uv

# 初始化环境
uv init

# 基本安装
uv add docutranslate

# 安装mcp扩展
uv add docutranslate[mcp]

# 安装docling扩展
uv add docutranslate[docling]

uv run --no-dev docutranslate -i

#uv run --no-dev docutranslate -i --with-mcp

使用git

# 初始化环境
git clone https://github.com/xunbu/docutranslate.git

cd docutranslate

uv sync --no-dev
# uv sync --no-dev --extra mcp
# uv sync --no-dev --extra docling
# uv sync --no-dev --all-extras

使用docker

docker run -d -p 8010:8010 xunbu/docutranslate:latest #不支持docling
# docker run -it -p 8010:8010 xunbu/docutranslate:latest
# docker run -it -p 8010:8010 xunbu/docutranslate:v1.5.4

启动Web UI与API服务

为了便于使用，DocuTranslate提供了功能完备的Web界面和RESTful API。

启动服务：

  docutranslate -i                           （启动GUI，默认本地访问）
  docutranslate -i --host 0.0.0.0            （允许局域网内其他设备访问）
  docutranslate -i -p 8081                   （指定端口号）
  docutranslate -i --cors                    （启用默认CORS设置）
  docutranslate -i --with-mcp                （启动GUI并附带MCP SSE端点、共享队列、共享端口）
  docutranslate --mcp                         （启动MCP服务器，stdio模式）
  docutranslate --mcp --transport sse         （启动MCP服务器，SSE模式）
  docutranslate --mcp --transport sse --mcp-host MCP_HOST   --mcp-port MCP_PORT  （启动MCP服务器，SSE模式）
  docutranslate --mcp --transport streamable-http  （启动MCP服务器，Streamable HTTP模式）

• 交互式界面：服务启动后，请在浏览器中访问http://127.0.0.1:8010（或您指定的端口）。
• API文档：完整的API文档（Swagger UI）位于http://127.0.0.1:8010/docs。
• MCP：SSE服务端点位于http://127.0.0.1:8010/mcp/sse（使用--with-mcp启动）或http://127.0.0.1:8000/mcp/sse（使用--mcp启动）

MCP配置

DocuTranslate可用作MCP（模型上下文协议）服务器。详细文档请参阅MCP文档。

支持的环境变量

环境变量	描述	必需
DOCUTRANSLATE_API_KEY	AI平台API密钥	是
DOCUTRANSLATE_BASE_URL	AI平台基础URL	是
DOCUTRANSLATE_MODEL_ID	模型ID	是
DOCUTRANSLATE_TO_LANG	目标语言（默认：中文）	否
DOCUTRANSLATE_CONCURRENT	并发请求数（默认：10）	否
DOCUTRANSLATE_CONVERT_ENGINE	PDF转换引擎	否
DOCUTRANSLATE_MINERU_TOKEN	MinerU API Token	否

uvx 配置（无需安装）

{
  "mcpServers": {
    "docutranslate": {
      "command": "uvx",
      "args": ["--from", "docutranslate[mcp]", "docutranslate", "--mcp"],
      "env": {
        "DOCUTRANSLATE_API_KEY": "sk-xxxxxx",
        "DOCUTRANSLATE_BASE_URL": "https://api.openai.com/v1",
        "DOCUTRANSLATE_MODEL_ID": "gpt-4o",
        "DOCUTRANSLATE_TO_LANG": "中文",
        "DOCUTRANSLATE_CONCURRENT": "10",
        "DOCUTRANSLATE_CONVERT_ENGINE": "mineru",
        "DOCUTRANSLATE_MINERU_TOKEN": "your-mineru-token"
      }
    }
  }
}

SSE 模式配置

首先以 SSE 模式启动 MCP 服务器：

docutranslate --mcp --transport sse --mcp-host 127.0.0.1 --mcp-port 8000

然后在客户端配置 SSE 端点：http://127.0.0.1:8000/mcp/sse

使用示例

使用简单客户端 SDK（推荐）

最简便的入门方式是使用 Client 类，它提供了简单直观的翻译 API：

from docutranslate.sdk import Client

# 使用您的 AI 平台设置初始化客户端
client = Client(
    api_key="YOUR_OPENAI_API_KEY",  # 或其他任何 AI 平台的 API 密钥
    base_url="https://api.openai.com/v1/",
    model_id="gpt-4o",
    to_lang="中文",
    concurrent=10,  # 并发请求数量
)

# 示例 1：翻译纯文本文件（无需 PDF 解析引擎）
result = client.translate("path/to/your/document.txt")
print(f"翻译完成！保存到：{result.save()}")

# 示例 2：翻译 PDF 文件（需要 mineru_token 或本地部署）
# 选项 A：使用在线 MinerU（需 token：https://mineru.net/apiManage/token）
result = client.translate(
    "path/to/your/document.pdf",
    convert_engine="mineru",
    mineru_token="YOUR_MINERU_TOKEN",  # 替换为您自己的 MinerU Token
    formula_ocr=True,  # 开启公式识别
)
result.save(fmt="html")

# 选项 B：使用本地部署的 MinerU（推荐用于内网或离线环境）
# 首先启动本地 MinerU 服务，参考：https://github.com/opendatalab/MinerU
result = client.translate(
    "path/to/your/document.pdf",
    convert_engine="mineru_deploy",
    mineru_deploy_base_url="http://127.0.0.1:8000",  # 您的本地 MinerU 地址
    mineru_deploy_backend="hybrid-auto-engine",  # 后端类型
)
result.save(fmt="markdown")

# 示例 3：翻译 Docx 文件（保留格式）
result = client.translate(
    "path/to/your/document.docx",
    insert_mode="replace",  # replace/append/prepend
)
result.save(fmt="docx")  # 保存为 docx 格式

# 示例 4：导出为 base64 编码字符串（用于 API 传输）
base64_content = result.export(fmt="html")
print(f"导出内容长度：{len(base64_content)}")

# 您也可以访问底层工作流进行高级操作

# 工作流 = 结果.工作流

客户端功能：

• 自动检测：自动检测文件类型并选择合适的工作流
• 灵活配置：可在每次翻译调用时覆盖任何默认设置
• 多种输出选项：保存到磁盘或导出为Base64字符串
• 异步支持：使用translate_async()进行并发翻译任务

客户端SDK参数

参数	类型	默认值	描述
api_key	str	-	AI平台API密钥
base_url	str	-	AI平台基础URL（例如：https://api.openai.com/v1/）
model_id	str	-	用于翻译的模型ID
to_lang	str	-	目标语言（例如：“中文”、“英语”、“日语”）
concurrent	int	10	并发LLM请求数量
convert_engine	str	"mineru"	PDF解析引擎：“mineru”、“docling”、“mineru_deploy”
md2docx_engine	str	"auto"	Markdown转Docx引擎：“python”（纯Python）、“pandoc”（使用Pandoc）、“auto”（若安装Pandoc则使用Pandoc，否则使用Python）、null（不生成Docx）
mineru_deploy_base_url	str	-	本地minerU API地址（当convert_engine="mineru_deploy"时）
mineru_deploy_parse_method	str	"auto"	本地minerU解析方法：“auto”、“txt”、“ocr”
mineru_deploy_table_enable	bool	True	启用本地minerU表格识别
mineru_token	str	-	minerU API令牌（当使用在线minerU时）
skip_translate	bool	False	跳过翻译，仅解析文档
output_dir	str	"./output"	save()的默认输出目录
chunk_size	int	3000	LLM处理的文本分块大小
temperature	float	0.3	LLM温度参数
timeout	int	60	请求超时时间，单位为秒
retry	int	3	失败时重试次数
provider	str	"auto"	AI提供商类型（auto、openai、azure等）
force_json	bool	False	强制JSON输出模式
rpm	int	-	每分钟请求数限制
tpm	int	-	每分钟令牌数限制
extra_body	str	-	额外请求体参数，以JSON字符串格式传递，将合并到API请求中
thinking	str	"auto"	思考模式：“auto”、“none”、“block”
custom_prompt	str	-	自定义翻译提示
system_proxy_enable	bool	False	启用系统代理
insert_mode	str	"replace"	Docx/Xlsx/Txt插入模式：“replace”、“append”、“prepend”
separator	str	"\n"	append/prepend模式下的文本分隔符
segment_mode	str	"line"	分段模式：“line”、“paragraph”、“none”
translate_regions	list	-	Excel翻译区域（例如：“Sheet1!A1:B10”）
model_version	str	"vlm"	MinerU模型版本：“pipeline”、“vlm”
formula_ocr	bool	True	启用PDF解析中的公式OCR
code_ocr	bool	True	启用PDF解析中的代码OCR
mineru_deploy_backend	str	"hybrid-auto-engine"	MinerU本地后端：“pipeline”、“vlm-auto-engine”、“vlm-http-client”、“hybrid-auto-engine”、“hybrid-http-client”
mineru_deploy_formula_enable	bool	True	启用本地MinerU的公式识别
mineru_deploy_start_page_id	int	0	本地MinerU解析的起始页码
mineru_deploy_end_page_id	int	99999	本地MinerU解析的结束页码
mineru_deploy_lang_list	list	-	本地MinerU解析的语言列表
mineru_deploy_server_url	str	-	MinerU本地服务器URL
json_paths	list	-	JSONPath表达式，用于JSON翻译（例如：“$.data.*”）
glossary_generate_enable	bool	-	启用自动术语表生成
glossary_dict	dict	-	术语表字典（例如：{"Jobs": "史蒂夫·乔布斯"}）
glossary_agent_config	dict	-	术语表代理配置

结果方法

方法	参数	描述
save()	output_dir、name、fmt	将翻译结果保存到磁盘
export()	fmt	导出为Base64编码字符串
supported_formats	-	获取支持的输出格式列表
workflow	-	访问底层工作流对象

import asyncio
from docutranslate.sdk import Client

async def translate_multiple():
    client = Client(
        api_key="YOUR_API_KEY",
        base_url="https://api.openai.com/v1/",
        model_id="gpt-4o",
        to_lang="中文",
    )

    # 并发翻译多个文件
    files = ["doc1.pdf", "doc2.docx", "notes.txt"]
    results = await asyncio.gather(
        *[client.translate_async(f) for f in files]
    )

    for r in results:
        print(f"已保存：{r.save()}")

asyncio.run(translate_multiple())

使用工作流API（用于高级控制）

如需更多控制，可直接使用工作流API。每个工作流遵循相同的模式：

# 模式：
# 1. 创建TranslatorConfig（LLM设置）
# 2. 创建WorkflowConfig（工作流设置）
# 3. 创建工作流实例
# 4. workflow.read_path(文件)
# 5. await workflow.translate_async()

# 6. workflow.save_as_*(name=...) 或 export_to_*(...)

可用工作流与输出方法

工作流	输入	save_as_*	export_to_*	关键配置选项
MarkdownBasedWorkflow	.pdf, .docx, .md, .png, .jpg	html, markdown, markdown_zip, docx	html, markdown, markdown_zip, docx	convert_engine, md2docx_engine, translator_config
TXTWorkflow	.txt	txt, html	txt, html	translator_config
JsonWorkflow	.json	json, html	json, html	translator_config, json_paths
DocxWorkflow	.docx	docx, html	docx, html	translator_config, insert_mode
XlsxWorkflow	.xlsx, .csv	xlsx, html	xlsx, html	translator_config, insert_mode
SrtWorkflow	.srt	srt, html	srt, html	translator_config
EpubWorkflow	.epub	epub, html	epub, html	translator_config, insert_mode
HtmlWorkflow	.html, .htm	html	html	translator_config, insert_mode
AssWorkflow	.ass	ass, html	ass, html	translator_config

关键配置选项

通用TranslatorConfig选项：

选项	类型	默认值	描述
base_url	str	-	AI平台基础URL
api_key	str	-	AI平台API密钥
model_id	str	-	模型ID
to_lang	str	-	目标语言
chunk_size	int	3000	文本分块大小
concurrent	int	10	并发请求数
temperature	float	0.3	大语言模型温度
timeout	int	60	请求超时时间（秒）
retry	int	3	重试次数

格式特定选项：

选项	适用工作流	描述
insert_mode	Docx, Xlsx, Html, Epub	"replace"（默认）、"append"、"prepend"
json_paths	Json	JSONPath表达式（例如：["$.*", "$.name"]）
separator	Docx, Xlsx, Html, Epub	用于append/prepend模式的文本分隔符
convert_engine	MarkdownBased	"mineru"（默认）、"docling"、"mineru_deploy"

示例1：翻译PDF文件（使用MarkdownBasedWorkflow）

这是最常见的使用场景。我们将使用minerU引擎将PDF转换为Markdown，然后通过大语言模型进行翻译。本示例采用异步执行。

import asyncio
from docutranslate.workflow.md_based_workflow import MarkdownBasedWorkflow, MarkdownBasedWorkflowConfig
from docutranslate.converter.x2md.converter_mineru import ConverterMineruConfig
from docutranslate.translator.ai_translator.md_translator import MDTranslatorConfig
from docutranslate.exporter.md.md2html_exporter import MD2HTMLExporterConfig


async def main():
    # 1. 构建翻译器配置
    translator_config = MDTranslatorConfig(
        base_url="https://open.bigmodel.cn/api/paas/v4",  # AI平台基础URL
        api_key="YOUR_ZHIPU_API_KEY",  # AI平台API密钥
        model_id="glm-4-air",  # 模型ID
        to_lang="English",  # 目标语言
        chunk_size=3000,  # 文本分块大小
        concurrent=10,  # 并发级别
        # glossary_generate_enable=True, # 启用自动术语表生成
        # glossary_dict={"Jobs":"Steve Jobs"}, # 传入术语表字典
        # system_proxy_enable=True, # 启用系统代理
    )

    # 2. 构建转换器配置（使用minerU）
    converter_config = ConverterMineruConfig(
        mineru_token="YOUR_MINERU_TOKEN",  # 您的minerU Token
        formula_ocr=True  # 启用公式识别
    )

    # 3. 构建主工作流配置
    workflow_config = MarkdownBasedWorkflowConfig(
        convert_engine="mineru",  # 指定解析引擎
        converter_config=converter_config,  # 传入转换器配置
        translator_config=translator_config,  # 传入翻译器配置
        html_exporter_config=MD2HTMLExporterConfig(cdn=True)  # HTML导出配置
    )

    # 4. 实例化工作流
    workflow = MarkdownBasedWorkflow(config=workflow_config)

    # 5. 读取文件并执行翻译
    print("开始读取并翻译文件...")
    workflow.read_path("path/to/your/document.pdf")
    await workflow.translate_async()
    # 或者使用同步方法
    # workflow.translate()
    print("翻译完成！")

    # 6. 保存结果
    workflow.save_as_html(name="translated_document.html")
    workflow.save_as_markdown_zip(name="translated_document.zip")
    workflow.save_as_markdown(name="translated_document.md")  # 带内嵌图片的Markdown
    print("文件已保存到./output文件夹。")

    # 或者直接获取内容字符串
    html_content = workflow.export_to_html()
    html_content = workflow.export_to_markdown()
    # print(html_content)


if __name__ == "__main__":
    asyncio.run(main())

其他工作流

所有工作流都遵循相同的模式。导入对应的配置和工作流，然后进行配置：

# TXT：from docutranslate.workflow.txt_workflow import TXTWorkflow, TXTWorkflowConfig
# JSON：from docutranslate.workflow.json_workflow import JsonWorkflow, JsonWorkflowConfig
# DOCX：from docutranslate.workflow.docx_workflow import DocxWorkflow, DocxWorkflowConfig
# XLSX：from docutranslate.workflow.xlsx_workflow import XlsxWorkflow, XlsxWorkflowConfig
# EPUB：from docutranslate.workflow.epub_workflow import EpubWorkflow, EpubWorkflowConfig
# HTML：from docutranslate.workflow.html_workflow import HtmlWorkflow, HtmlWorkflowConfig
# SRT：from docutranslate.workflow.srt_workflow import SrtWorkflow, SrtWorkflowConfig
# ASS：from docutranslate.workflow.ass_workflow import AssWorkflow, AssWorkflowConfig

关键配置选项：

• insert_mode："replace"、"append"或"prepend"（适用于docx/xlsx/html/epub）
• json_paths：JSON翻译的JSONPath表达式（例如：["$.*", "$.name"]）
• separator：用于"append" / "prepend"模式的文本分隔符

前提条件与详细配置

1. 获取大模型 API 密钥

翻译功能依赖于大型语言模型。您需要从相应的 AI 平台获取 base_url、api_key 和 model_id。

推荐模型：火山引擎的 doubao-seed-1-6-flash、doubao-seed-1-6 系列，智谱的 glm-4-flash，阿里云的 qwen-plus、qwen-flash，Deepseek 的 deepseek-chat 等。

302.AI 👈 通过此链接注册即可获得 1 美元免费额度。

平台名称	获取 API 密钥	Base URL
ollama		http://127.0.0.1:11434/v1
lm studio		http://127.0.0.1:1234/v1
302.AI	点击获取	https://api.302.ai/v1
openrouter	点击获取	https://openrouter.ai/api/v1
openai	点击获取	https://api.openai.com/v1/
gemini	点击获取	https://generativelanguage.googleapis.com/v1beta/openai/
deepseek	点击获取	https://api.deepseek.com/v1
智谱 AI	点击获取	https://open.bigmodel.cn/api/paas/v4
腾讯混元	点击获取	https://api.hunyuan.cloud.tencent.com/v1
阿里百炼	点击获取	https://dashscope.aliyuncs.com/compatible-mode/v1
火山引擎	点击获取	https://ark.cn-beijing.volces.com/api/v3
SiliconFlow	点击获取	https://api.siliconflow.cn/v1
DMXAPI	点击获取	https://www.dmxapi.cn/v1
居光 AI	点击获取	https://ai.juguang.chat/v1

2. PDF 解析引擎（如无需翻译 PDF，请跳过）

2.1 获取 minerU Token（在线 PDF 解析，免费，推荐）

如果您选择 mineru 作为文档解析引擎（convert_engine="mineru"），则需要申请一个免费的 Token。

1. 访问 minerU 官网 注册并申请 API。
2. 在 API Token 管理界面 创建一个新的 API Token。

注意：minerU Token 有效期为 14 天，到期后请重新生成。

2.2 docling 引擎配置（本地 PDF 解析）

如果您选择 docling 作为文档解析引擎（convert_engine="docling"），它会在首次使用时从 Hugging Face 下载所需的模型。

更好的选择是从 GitHub Releases 下载 docling_artifact.zip，并解压到您的工作目录中。

解决 docling 模型下载网络问题的方案：

1. 设置 Hugging Face 镜像（推荐）：

• 方法 A（环境变量）：设置系统环境变量 HF_ENDPOINT，并重启您的 IDE 或终端。

  HF_ENDPOINT=https://hf-mirror.com
  

• 方法 B（代码中）：在 Python 脚本开头添加以下代码。

import os

os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'

2. 离线使用（提前下载模型包）：

• 从 GitHub Releases 下载 docling_artifact.zip。
• 解压到您的项目目录。
• 在配置中指定模型路径（如果模型与脚本不在同一目录）：

from docutranslate.converter.x2md.converter_docling import ConverterDoclingConfig

converter_config = ConverterDoclingConfig(
    artifact="./docling_artifact",  # 指向解压后的文件夹
    code_ocr=True,
    formula_ocr=True
)

2.3 本地部署 minerU 服务

对于离线/内网环境，可本地部署启用 API 的 minerU。将 mineru_deploy_base_url 设置为您 minerU 的 API 地址。

客户端 SDK：

from docutranslate.sdk import Client

client = Client(
    api_key="YOUR_LLM_API_KEY",
    model_id="llama3",
    to_lang="中文",
    convert_engine="mineru_deploy",
    mineru_deploy_base_url="http://127.0.0.1:8000",  # 您的 minerU API 地址
)
result = client.translate("document.pdf")
result.save(fmt="markdown")

常见问题

问：输出是原文语言？ 答：检查日志是否有错误。通常是由于 API 积分耗尽或网络问题。

问：端口 8010 被占用？ 答：使用 docutranslate -i -p 8011 或设置 DOCUTRANSLATE_PORT=8011。

问：支持扫描的 PDF？ 答：是的，使用具备 OCR 功能的 mineru 引擎。

问：第一次翻译 PDF 较慢？ 答：docling 首次运行时需要下载模型。可使用 Hugging Face 镜像或提前下载 artifact。

问：用于内网/离线环境？ 答：可以。使用本地 LLM（Ollama/LM Studio）和本地 minerU 或 docling。

问：PDF 缓存机制？ 答：MarkdownBasedWorkflow 会将解析结果缓存在内存中（最近 10 次解析）。可通过 DOCUTRANSLATE_CACHE_NUM 进行配置。

问：启用代理？ 答：在 TranslatorConfig 中设置 system_proxy_enable=True。

星数历史

捐赠支持

欢迎支持作者。请在评论中注明捐赠用途！

DocuTranslate 快速上手指南

环境准备

• 系统要求：Windows / macOS / Linux，推荐 Python 3.11+
• 前置依赖：
  • Python 3.11+（推荐使用 uv 或 pyenv 管理）
  • 网络访问权限（用于调用 AI API）
  • 如需翻译 PDF，建议准备 MinerU 或 docling 引擎（见安装步骤）

国内用户推荐使用清华镜像加速 pip 安装：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple docutranslate

安装步骤

方法一：使用 pip（推荐）

# 基础安装
pip install docutranslate

# 安装 MinerU 扩展（推荐用于 PDF 翻译）
pip install docutranslate[mcp]

# 安装 Docling 扩展（离线 PDF 解析）
pip install docutranslate[docling]

方法二：使用 uv（更快更轻量）

# 初始化环境
uv init

# 安装基础版本
uv add docutranslate

# 安装 MCP 扩展
uv add docutranslate[mcp]

# 启动 Web 界面
uv run --no-dev docutranslate -i

方法三：使用 Docker（一键部署）

# 启动 Web 服务（默认端口 8010，不包含 docling）
docker run -d -p 8010:8010 xunbu/docutranslate:latest

基本使用

最简示例：翻译文本文件

from docutranslate.sdk import Client

client = Client(
    api_key="YOUR_API_KEY",           # 替换为你的 OpenAI / 通义 / 月之暗面等 API Key
    base_url="https://api.openai.com/v1/",  # 替换为对应平台地址
    model_id="gpt-4o",
    to_lang="Chinese",
    concurrent=10
)

# 翻译 txt 文件
result = client.translate("path/to/your/document.txt")
print(f"翻译完成，保存路径：{result.save()}")

翻译 PDF（使用 MinerU 在线服务）

result = client.translate(
    "path/to/your/paper.pdf",
    convert_engine="mineru",
    mineru_token="YOUR_MINERU_TOKEN",  # 从 https://mineru.net 获取
    formula_ocr=True
)
result.save(fmt="html")  # 保存为 HTML 格式

翻译 Word 文档（保留格式）

result = client.translate("path/to/your/document.docx", insert_mode="replace")
result.save(fmt="docx")  # 输出为原格式 .docx

启动 Web 界面后，访问 http://127.0.0.1:8010 可通过图形界面拖拽文件翻译，支持多用户局域网共享。