使用准备：一个兼容openai的大模型api密钥。
我准备的是阿里的deepseek-v3模型，实际上r1模型效果更好，但由于推理模型消耗的token更多，所有没有使用。需要的可以自己调用，r1模型实测效果更好。
获取方式，去提供大模型服务的公司网页注册，一般都会有免费送的token额度。正常来说翻译一些文本是够了。例如阿里送的是deepseek-v3和r1模型的各1000万token（一个标点符号，一个数字，一个词都会使用一个token）。以及自己几乎所有模型每个100万token。
为免广告嫌疑。不提供注册教程。
使用方式脚本里有部分描述。也发到这里。并且在下面重点再提一下。
最重要的几个东西。一个是API KEY，去提供大模型服务的官网获得。免费额度用完了要收费。不打算花钱的话，注意下免费token数量，别浪费。也别攒过期了。
脚本默认采用的是环境变量传递API_KEY。如果不会也可以直接把key粘贴到脚本中，但不推荐。如实在无法设置环境变量成功，可以在此处加上如下图所示内容，在 “” 内填入密钥。（图片上的密钥是我乱写的）
第二个是提示词，也就是用红框圈住的部分，这部分是给大模型的“设定”，让他扮演一个日语翻译的角色，并给出一些要求。
根据自己的需要，可以自行修改，增添或者减少要求，来让大模型完成指定的任务。例如可以让他从翻译日语，变成翻译英语，法语等等支持的语言。或者让他不进行翻译，而是润色文本等。
另外，翻译前最好处理下文本，去除所需翻译的文本外的内容。我这里偷了下懒，让他只翻译日文部分，跳过不能翻译的部分。
但是最后结果中，还是有部分其他不需要翻译的文本被翻译过了。甚至还有部分文本保持原样，没有顺利完成翻译。大模型还是有一些随机性的，mod翻译结束后，手动处理下文本，恢复格式才能重新封包使用。
依赖你可以pip freeze > requirements.txt一下
然后, 你apikey没打码
脚本翻译是针对目录的，也就是在input_directory输入的是目录，而非指定的文件。脚本会检测目录下所有非隐藏的文件，读取后切成30行每块，每块会发送一个请求到api。然后等待api返回信息，所有块都返回完毕后，把每块返回的内容按顺序拼接起来。在输出目录创建同名文件保存。（若该目录存在同名文件，则会跳过该文件）
简单说，上面一行填需要翻译的文件在的目录，下面一行填输出的位置，然后启动脚本就行了，脚本会自动扫描并翻译目录下所有文件。输出的文件与输入的文件同名。
最后，发一些翻译失败的案例。大模型回复的内容不是稳定的，有时候就是不知道那里有问题。这些可能还需要再次处理，或者干脆去找网页翻译。
这是一个很典型同时输出了原文和译文两者的情况。
这里是中间有段落未翻译的情况。
这里还出现了翻译成繁体的情况。
差点忘记了
这里是api的地址，默认是阿里的，如果有需要可以自行更改。
#7 Edge 演示用的api_key是乱编的。
我用的环境比较乱，里面有一些无关的包。
这是它的requirements.txt文件，内容比较少。就不放文件了。
今天抽空手动处理翻译好的文件的时候，有点厌倦了反复对比恢复格式。做了个小工具来简化流程。
具体来说，需要有mod文件的译文和原文。它会检查两者各有多少个被“”围住的字符串，也就是一般情况需要翻译的部分，如果数量相同，就会提取译文所有在“”内的文本，按顺序放在原文的位置上。第一个译文到第一块原文的位置，依次类推。
在译文稍加处理后（去掉可能存在的重复段落，或者“”被改为「」这种有相似功能的符号），基本上可以正常运行。一次性恢复原格式。
注意，若译文顺序颠倒错乱，就算使用了也还是颠倒错乱的。但一般大模型返回的文件应该不会有这种问题。大多数情况只是缩进和换行错了。
使用方式为终端：python rpy格式修复.py 原文件 翻译文件 输出文件。记得加路径。
最后做一个小推荐，手动对比文本的时候，如果使用vscode可以快捷键ctrl+shift+P,然后输入compare来对照原文。
如图所示，有改动的地方会标出来。更容易发现问题。
