项目概览
PDFMathTranslate（命令行工具名 pdf2zh）是一个开源的 PDF 科学文档翻译工具，其核心能力是在翻译 PDF 全文的同时，完整保留原始排版、数学公式、图表、目录和批注。它通过 PDF 解析、元素分类、文本翻译、原位回填四个阶段处理文档，使用 DocLayout-YOLO 模型识别并跳过公式区域，避免公式被翻译引擎误读。翻译引擎可插拔，支持 Google、DeepL、OpenAI、Ollama 等十余种后端，并支持 CLI、GUI、Docker、MCP Server、Zotero 插件等多种部署形态。工具同时生成纯译文版和双语对照版，满足不同阅读需求。项目以 AGPL-3.0 许可证开源，论文被 EMNLP 2025 录用。
解决什么问题
在 PDFMathTranslate 出现之前，翻译英文学术论文存在多种痛点。复制粘贴到翻译工具会导致公式变成乱码、图表丢失、参考文献格式混乱，一份 20 页的论文可能需要 2-3 小时。上传到在线翻译平台会破坏公式、将多栏排版压成单栏、表格错位、页码和目录失效。使用 OCR 工具先转文字再翻译，对数学公式的识别准确率很低，公式被文本化后不可逆地丢失了 LaTeX 结构信息。报告归纳了五大结构性痛点：公式破坏、排版丢失、图表错位、批量低效、隐私风险。PDF 本质是排版指令集而非结构化文档，解析难、分离难、重组难、字体难，这是问题难以解决的根本原因。
工作方式
PDFMathTranslate 的核心思想是不破坏 PDF 的内部结构，只替换其中的文本内容，让公式、图表、排版全部原地不动。处理管线分为四个阶段：第一阶段使用 PdfMiner.six 和 PyMuPDF 解析 PDF 结构，提取文本块的坐标、字体、字号信息；第二阶段使用 DocLayout-YOLO（ONNX 推理）对页面进行元素级分类，区分正文、标题、数学公式、图、表格、页眉页脚、脚注、目录；第三阶段通过多线程批量调用翻译 API，支持缓存机制和自定义提示词；第四阶段使用 PyMuPDF 在原始 PDF 中精确替换文本，嵌入目标语言字体并微调坐标。翻译能力完全外包给第三方 API，工具本身只负责解析、分发、回填的管线。
核心能力
- 公式保护：YOLO 检测并跳过公式区域，避免公式被翻译引擎误读
- 排版高度还原：原位替换策略，不重新生成 PDF
- 翻译引擎可插拔：支持 Google、DeepL、OpenAI、Ollama、Claude、Azure 等十余种后端
- 双模式输出：同时生成纯译文版（-mono.pdf）和双语对照版（-dual.pdf）
- 多形态部署：CLI、GUI（Gradio）、Docker、MCP Server、Zotero 插件、HTTP API
- 批量处理：支持目录级批量翻译和多线程并行
- 离线能力：通过 Ollama 本地模型实现完全离线翻译
- 渐进式处理：支持部分翻译、缓存复用
- 完全开源：AGPL-3.0 许可证
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 报告明确指出了该工具的局限性。扫描版 PDF 需要先 OCR 处理，工具本身的 OCR 能力有限。对手写数学公式的识别准确率较低。极复杂排版（多栏、浮动图、脚注、侧边栏）偶尔会出现错位。工具不改进翻译质量，翻译质量取决于所选 API。超过 100 页的 PDF 翻译时间较长。v2.0 实验版内核未经过大规模验证，官方建议稳定使用场景继续使用 v1.9.x。安装需要 Python 3.11-3.12 环境，对非技术用户不友好。首次使用需下载约 100MB 的 ONNX 模型。不建议用于需要出版级翻译质量的场景、以图片为主的 PDF 内容、对翻译速度有极高要求的实时场景。
