aitrans 1.2.3.1

A powerful AI-driven translation library

AITrans

AITrans 是一个强大的 AI 驱动的翻译库，支持多种语言之间的高质量翻译。

特点

• 支持多种语言之间的翻译
• 异步和同步 API
• 支持批量翻译
• 上下文感知翻译
• 自定义翻译风格
• 术语表支持
• 流式翻译
• 性能优化和缓存

安装

pip install aitrans

快速开始

注册和配置

1. 获取 API 密钥：

   • DeepSeek
   • 豆包
   • OpenAI

2. 设置 API 密钥：

方式一：通过环境变量设置

import os
os.environ["ARK_API_KEY"] = "your-api-key"
os.environ["ARK_BASE_URL"] = "https://api.deepseek.com/v1"  # 或其他模型的 URL
os.environ["ARK_MODEL"] = "deepseek-chat"  # 或其他模型名称

方式二：创建实例时传入

translator = AITranslatorSync(
    api_key="your-api-key",
    base_url="https://api.deepseek.com/v1",
    model_name="deepseek-chat"
)

方式三：使用 .env 文件（推荐）

1. 找到 aitrans 安装目录（通常在 site-packages/aitrans）
2. 创建 .env 文件并添加以下内容：

ARK_API_KEY=你的API KEY
ARK_BASE_URL=https://api.deepseek.com/v1
ARK_MODEL=deepseek-chat

同步用法 (AITranslatorSync)

同步翻译是一部反映异步翻译的同步封装版本，不会阻塞线程，但会阻塞异步翻译

1. 基础翻译

from aitrans import AITranslatorSync

translator = AITranslatorSync()

# 单个文本翻译
result = translator.translate("你好，世界！", dest="en")
print(result.text)  # Hello, world!

# 检测语言
detected = translator.detect_language("Hello")
print(f"语言: {detected.lang}, 置信度: {detected.confidence}")

2. 批量翻译

texts = ["你好", "世界", "人工智能"]
results = translator.translate_batch(texts, dest="en")
for result in results:
    print(f"{result.origin} -> {result.text}")

3. 上下文感知翻译

context = "这是一篇关于机器学习的文章。"
result = translator.translate_with_context(
    text="模型的准确率达到了95%。",
    context=context,
    dest="en"
)
print(result.text)

4. 风格化翻译

# 使用预定义风格
styles = ["formal", "casual", "creative"]
text = "这个产品非常好用。"

for style in styles:
    result = translator.translate_with_style(
        text=text,
        dest="en",
        style=style
    )
    print(f"{style}: {result.text}")

5. 流式翻译

text = "让我们测试一下流式翻译功能。"
for partial_result in translator.translate(text, dest="en", stream=True):
    print(partial_result.text, end="", flush=True)

异步用法 (AITranslator)

异步翻译提供了高性能的翻译接口，适合处理大量并发请求和流式翻译场景。

1. 基础异步翻译

import asyncio
from aitrans import AITranslator

async def translate_example():
    async with AITranslator() as translator:
        # 基础翻译
        result = await translator.translate("你好，世界！", dest="en")
        print(result.text)
        
        # 语言检测
        detected = await translator.detect("Hello")
        print(f"语言: {detected}, 置信度: 高")

asyncio.run(translate_example())

2. 批量异步翻译

async def batch_example():
    async with AITranslator() as translator:
        texts = ["你好", "世界", "人工智能", "机器学习", "深度学习"]
        results = await translator.translate_batch(
            texts,
            dest="en",
            batch_size=2  # 控制并发数
        )
        for result in results:
            print(f"{result.origin} -> {result.text}")

asyncio.run(batch_example())

3. 异步上下文翻译

async def context_example():
    async with AITranslator() as translator:
        context = "这是一篇关于机器学习的论文。"
        text = "模型在测试集上的准确率达到了98%。"
        
        result = await translator.translate_with_context(
            text=text,
            context=context,
            dest="en"
        )
        print(f"上下文: {context}")
        print(f"原文: {text}")
        print(f"译文: {result.text}")

asyncio.run(context_example())

4. 异步风格化翻译

async def style_example():
    async with AITranslator() as translator:
        text = "这个产品非常好用。"
        styles = ["formal", "casual", "creative"]
        
        for style in styles:
            result = await translator.translate_with_style(
                text=text,
                dest="en",
                style=style
            )
            print(f"{style}风格: {result.text}")

asyncio.run(style_example())

5. 异步流式翻译

async def stream_example():
    async with AITranslator() as translator:
        text = "这是一个很长的文本，用来测试流式翻译功能。"
        print(f"原文: {text}")
        print("流式翻译过程:")
        
        async for partial_result in await translator.translate(
            text,
            dest="en",
            stream=True
        ):
            print(partial_result.text, end="", flush=True)
        print()  # 换行

asyncio.run(stream_example())

6. 异步文档翻译

async def document_example():
    async with AITranslator() as translator:
        paragraphs = [
            "第一段：人工智能简介。",
            "第二段：机器学习基础。",
            "第三段：深度学习应用。"
        ]
        
        results = await translator.translate_batch(
            paragraphs,
            dest="en",
            batch_size=2
        )
        
        print("文档翻译结果:")
        for i, result in enumerate(results, 1):
            print(f"第{i}段: {result.text}")

asyncio.run(document_example())

7. 异步性能优化

async def optimized_example():
    async with AITranslator() as translator:
        # 预热连接
        await translator.preconnect()
        
        # 设置性能配置
        translator.set_performance_config(
            max_workers=5,
            cache_ttl=3600,
            min_request_interval=0.1,
            max_retries=3,
            timeout=30,
            temperature=0.3,
            max_tokens=1024
        )
        
        # 批量处理
        texts = ["文本1", "文本2", "文本3"]
        results = await translator.translate_batch(
            texts,
            dest="en",
            batch_size=2
        )
        
        for result in results:
            print(result.text)

asyncio.run(optimized_example())

性能优化

1. 使用预连接提高性能

translator = AITranslatorSync()
translator.preconnect()  # 预热连接

2. 选择性能模式

translator = AITranslatorSync(performance_mode="fast")  # 可选: fast, balanced, accurate

3. 自定义性能配置

translator.set_performance_config(
    max_workers=5,
    cache_ttl=3600,
    min_request_interval=0.1,
    max_retries=3,
    timeout=30,
    temperature=0.3,
    max_tokens=1024
)

错误处理

from aitrans import AIError, AIAuthenticationError, AIConnectionError

try:
    translator = AITranslatorSync()
    result = translator.translate("你好")
except AIAuthenticationError:
    print("API 密钥无效")
except AIConnectionError:
    print("网络连接错误")
except AIError as e:
    print(f"翻译错误: {str(e)}")

支持的语言

• 中文 (zh)
• 英语 (en)
• 日语 (ja)
• 韩语 (ko)
• 法语 (fr)
• 德语 (de)
• 俄语 (ru)
• 西班牙语 (es)
• 意大利语 (it)
• 葡萄牙语 (pt)
• 越南语 (vi)
• 泰语 (th)
• 阿拉伯语 (ar)
• 其他语言 (auto)

许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

贡献

欢迎提交 Issue 和 Pull Request！