ieeA 0.9.0

arXiv 论文翻译工具 - 将英文 LaTeX 论文翻译成中文，保留数学公式和文档结构

ieeA - arXiv 论文翻译工具

将英文 arXiv 论文翻译成中文，保留数学公式、引用和文档结构。

快速开始

# 安装
pip install -e .

# 翻译 arXiv 论文
ieet translate https://arxiv.org/abs/2301.07041 --output-dir output/

翻译流程 (Pipeline)

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│  1. 下载    │ -> │  2. 解析    │ -> │  3. 翻译    │ -> │  4. 重组    │ -> │  5. 编译    │
│  arXiv源码  │    │  LaTeX结构  │    │  文本块     │    │  LaTeX文档  │    │  生成PDF   │
└─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘

1. 下载 (Downloader)

从 arXiv 下载论文源码压缩包，自动解压并定位主 .tex 文件。

2. 解析 (Parser)

将 LaTeX 文档解析为可翻译的文本块 (Chunk)，同时保护不应翻译的元素。

Chunk 划分依据

类型	处理方式	示例
保护环境	替换为占位符，不翻译	equation, align, tikzpicture, verbatim
可翻译环境	整体提取为一个 Chunk	abstract, itemize, enumerate
结构命令	提取参数内容为 Chunk	\title{}, \section{}, \caption{}
保护命令	替换为占位符，不翻译	\cite{}, \ref{}, \label{}, $...$
段落文本	按空行分割，长度>20字符的段落作为 Chunk	正文段落

处理顺序

原文 -> 提取标题 -> 提取caption -> 保护数学环境 -> 保护行内公式 
     -> 保护命令(\cite等) -> 提取可翻译环境 -> 分割段落 -> Chunks

3. 翻译 (Translator)

• 并发调用 LLM API 翻译各 Chunk
• 支持术语表 (Glossary) 保持术语一致性
• 自动重试和断点续传

4. 重组 (Reconstructor)

将翻译后的文本替换回占位符位置，还原完整 LaTeX 文档。

5. 编译 (Compiler)

使用 XeLaTeX 编译生成中文 PDF，自动注入中文字体支持。

配置

配置文件位置：~/.ieet/config.yaml

# LLM 配置
llm:
  provider: openai
  model: gpt-4o-mini
  api_key: your-api-key          # 或使用 api_key_env 指定环境变量
  base_url: https://api.openai.com/v1  # 可选，用于 OpenRouter 等代理
  temperature: 0.1
  max_tokens: 4000

# 编译配置
compilation:
  engine: xelatex
  timeout: 300

# 自定义翻译提示词（可选）
translation:
  custom_system_prompt: "你是专业的学术翻译专家..."

术语表

术语表位置：~/.ieet/glossary.yaml

# 保持原文不翻译
"MMLU": "MMLU"
"LLaMA": "LLaMA"

# 指定翻译
"Attention": "注意力机制"
"Transformer":
  target: "Transformer"
  context: "Deep Learning"

支持的 LLM

提供商	模型示例	环境变量
OpenAI	gpt-4o, gpt-4o-mini	OPENAI_API_KEY
Claude	claude-3-opus, claude-3-sonnet	ANTHROPIC_API_KEY
Qwen	qwen-turbo, qwen-max	DASHSCOPE_API_KEY
Doubao	doubao-pro-*	VOLCENGINE_API_KEY

提示：可通过 base_url 配置使用 OpenRouter 等代理服务。

项目结构

src/ieet/
├── cli.py              # 命令行入口
├── downloader/         # arXiv 下载器
├── parser/             # LaTeX 解析与分块
│   ├── latex_parser.py # 核心解析逻辑
│   └── structure.py    # Chunk 数据结构
├── translator/         # 翻译流水线
├── compiler/           # PDF 编译
├── validator/          # 翻译质量验证
└── rules/              # 配置与术语表

依赖

• Python 3.10+
• XeLaTeX（用于 PDF 编译）
• 中文字体（macOS 自动检测 Songti SC / PingFang SC）

License

GPL-3.0