企业官网建设流程全解析

LunaTranslator 大模型翻译接口完全指南：通用接口参数调优、字段占位符与离线翻译模型接入

【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator

LunaTranslator（视觉小说翻译器）内置了面向主流大模型（LLM）的大模型通用接口，可一键接入 OpenAI、Gemini、Claude、DeepSeek、千帆、混元等国内外数十个平台，通过流式输出、上下文记忆、多 Key 轮询与自定义 Prompt 等手段提升视觉小说与 Galgame 场景下的翻译质量；同时它还提供了面向 Hy-MT2、SakuraLLM 等专用离线翻译模型的专用接口。本文以项目日语文档docs/ja/guochandamoxing.md为骨架，结合仓库源码与默认配置，完整讲解接口的每个参数、字段占位符用法、主流平台接入方式与离线翻译模型调用原理，帮助你在实际游玩与汉化流程中快速配出稳定、高质量的大模型翻译链路。

大模型通用接口是什么

在 LunaTranslator 中，"大模型通用接口"（配置项名chatgptlike，见 默认配置）是一个遵循 OpenAI Chat Completions 兼容协议的统一翻译通道。它让用户把"翻译引擎"与"具体模型厂商"解耦：无论你用的是 OpenAI、Azure、DeepSeek 还是本地 llama.cpp 服务，只要对方暴露的是兼容接口，就能在同一个配置界面里完成接入。

从实现上看，接口的核心逻辑集中在 gptcommon.py 的gptcommon类（继承自basetrans）。其translate()方法会依次完成：校验API接口地址是否填写、读取流式输出开关、根据接口地址自动识别 API 类型（APIType）并分派到 Gemini / Claude / OpenAI 兼容三种请求路径、解析流式或非流式响应、最后把本轮原文与译文写入_context历史缓冲区供后续轮次参考（gptcommon.py L297-L345）。

正因为这层统一抽象，LunaTranslator 才能在同一个界面里覆盖欧美、中国以及本地离线部署的几乎所有大模型服务。

同时使用多个大模型接口

如果你的诉求只是"多个 Key 轮询"，直接把多个 Key 用|分隔填入API Key输入框即可，程序会自动轮换并在出错时根据错误反馈调整各 Key 的权重（对应源码中按SECRET_KEY取当前 Key 的 multiapikeycurrent 机制）。

但如果你想要同时对比多个不同的接口地址 / Prompt / 模型 / 参数下的翻译效果，则需要复制接口实例：

1. 点击翻译引擎上方的+按钮，选择"大模型通用接口"；
2. 在弹出的窗口中为该副本命名，确认后即会复制一份当前大模型通用接口的全部设置与 API 信息；
3. 激活复制出的接口实例，此时可以对其单独修改配置；副本与原接口可同时运行，从而以多套不同参数并行翻译、对比输出。

这一操作本质上对应了配置系统中同名引擎可注册多个实例的设计，复制后各实例的配置互不干扰，非常适合做 Prompt 与模型选型对比实验。

大模型通用接口参数详解

以下参数均在"大模型通用接口"的设置界面中提供，默认值可对照 默认配置 chatgptlike 段。

API 接口地址

常见大模型平台的接口地址通常可以直接从下拉列表中选择；若列表存在遗漏，请查阅目标平台官方文档，手动填写完整的 API 地址。填入后程序会根据地址自动判定协议类型（Gemini / Claude / OpenAI 兼容等，见APIType解析），选择对应的请求头与请求体构造方式。

API Key

在目标平台的后台获取。支持填写多个 Key（用|分隔）实现自动轮询，并会根据错误反馈动态调整各 Key 的使用权重；遇到某一 Key 频繁报错时会自动降低其权重，提升整体稳定性。

model（模型）

大多数平台在正确填写接口地址与 Key 之后，点击model旁的刷新按钮即可拉取该平台可用模型列表。若平台不提供模型枚举接口、且默认列表中没有所需模型，则参照该接口的官方文档手动填写模型名即可。

流式输出

开启后，模型输出将以流式增量逐段显示在翻译窗口中；关闭则等待模型完整输出后一次性显示。对应源码中的usingstream分支：开启时走parsestreamresp逐块解析，关闭时走common_parse_normal_response一次性解析（gptcommon.py L329-L340）。

附带上下文个数

为了让大模型"读得懂前文"，接口会把指定条数的历史原文与译文一并提供给模型，从而显著改善人名、代词、剧情连贯性。设置为0即关闭该上下文优化。源码中每次翻译完成后，原文与译文会被追加进_context（gptcommon.py L344-L345），下一轮请求再按需截取。

自定义 system prompt / 自定义 user message / prefill {#anchor-prompt}

这三者是控制模型输出内容的三种手段，可按喜好自定义，也可保持默认。

• 自定义 system prompt：定义模型的角色与总体约束。
• 自定义 user message：定义每轮发送给模型的用户侧消息模板。
• prefill：以assistant角色的预填内容引导模型续写方向。源码中通过_gptlike_create_prefill("prefill_use", "prefill")生成并以{"role": "assistant", "content": prefill}追加到消息末尾（gptcommon.py L443-L446），常用于强制模型先输出指定格式。

在自定义 system prompt 与 user message 中，可以使用以下字段引用动态信息：

这些字段在源码中均有对应实现：{contextOriginal/Translation/Both}由__parsecontextN用正则统一替换，N与数字两种写法分别对应"读取配置中的附带上下文个数"与"使用输入的数字"（gptcommon.py L369-L376）；{DictWithPrompt[...]}由__if_has_dwp处理，字典为空时按"清除字段、保留相邻换行/字符"的策略回退（gptcommon.py L378-L407）。

Temperature / max tokens / top p / frequency penalty

模型的采样参数，用于调节翻译的随机性与长度上限。注意：部分平台的部分模型不接受top p、frequency penalty等参数，或已弃用max tokens而改用max completion tokens——界面上为这些参数提供了独立开关，遇到平台报错时关闭对应开关即可。默认配置中Temperature默认 0（开启）、top_p默认 0.3（开启）、frequency_penalty默认 0（关闭）、use_max_completion_tokens默认 false（即默认发送max_tokens，默认值 4096）。

reasoning effort

部分平台支持的"思考强度"控制选项（none / minimal / low / medium / high / xhigh，见 默认配置选项列表）。

对Gemini 平台，各选项会自动映射为 Gemini 的thinkingBudget，映射规则为：

• none/minimal→0（停用思考；对 Gemini-2.5-Pro 模型不适用）
• low→512
• medium→-1（开启动态思考）
• high/xhigh→24576

thinking.type

部分平台（主要是 DeepSeek）支持的思考模式开关，可选disabled/enabled。开启后可让模型先输出推理过程再给出译文，适合需要可解释翻译结果的场景；结合流式输出时，思考过程会被单独展示。

其他参数

以上仅覆盖通用参数。若你的平台还提供其他有用的参数（如top_k、presence_penalty、logprobs等），可在"其他参数"（customparams，默认配置中rank: -1排在最末）中手动添加键值对，程序会将其合并进请求体与请求头。

常见大模型平台接入速查

大模型通用接口的地址下拉列表内置了大多数主流平台。以下整理各平台的基本接入信息（Key 均在各平台开发者后台获取）。

欧美平台

中国平台

警告（百度千帆）：API Key请使用百度智能云 IAM 的 Access Key、Secret Key 来生成接口 BearerToken 后作为API Key填入；或者直接按Access Key:Secret Key的格式将两者一起填入API Key输入框。注意：这不是千帆 ModelBuilder 旧版 v1 接口的 API Key、Secret Key，两者不能通用。

使用 API 聚合管理器统一管理

如果你同时使用多个大模型平台、多把 Key，也可以借助new-api之类的 API 中继 / 聚合工具，把多家模型与多个密钥统一管理后再接入 LunaTranslator 的大模型通用接口。这样在 LunaTranslator 中只需维护一个接口地址与一个 Key，便于统一计费与权限管控，中继工具的 LunaTranslator 对接文档可参考其官方使用说明。

特定离线翻译模型：Hy-MT2 与 SakuraLLM

除了通用接口外，还存在一批为离线翻译专门设计或针对特定场景微调的翻译大模型。大部分这类模型部署好之后，直接用上面的大模型通用接口即可调用；但部分模型必须使用专用的 prompt 格式才能发挥最佳翻译效果（例如严格的"只输出译文"指令、术语表引导、历史对话拼接等）。

为此 LunaTranslator 提供了独立的特定离线翻译模型接口（对应实现 sakura_base.py 中的TS类）。该接口的特点是不提供用户自定义 prompt 设置，而是由程序按模型发布者提供的 prompt 格式自动构造消息，从而保证提示词与模型微调时所用的训练格式完全一致。

目前该接口支持以下模型：

SakuraLLM 系列的 prompt 版本机制

TS类通过prompt_version_1配置选择具体的 prompt 版本，并支持auto自动探测。各版本的 system / user 消息在 sakura_make_messages 中逐条构造：

• SakuraLLM v0.9：轻小说风格翻译，system 提示词定义"轻小说翻译模型"身份，user 消息为"将下面的日文文本翻译成中文："拼接原文；
• SakuraLLM v0.10：在 v0.9 基础上增加术语表引导——将"专有名词翻译"词条以src->dst格式列出，并强调注意使役态/被动态主语宾语、不擅自增删换行；
• SakuraLLM v1.0：精简术语表用法，词条为空时直接走普通翻译提示；
• GalTransl：面向视觉小说翻译，system 提示词强调"视觉小说翻译模型"，user 消息按"历史翻译 → 术语表 → 结合历史剧情 → 翻译文本"的顺序拼接；
• SakuraLLM v1.5：轻小说/漫画/Galgame 通用风格。

翻译完成后，原文与译文分别写入context与contextReal两个历史缓冲区，供下一轮按附带上下文个数截取（translate 尾部逻辑）。

Hy-MT2 的调用逻辑

Hy-MT2版本走 hymt2_make_messages：目标语言为中文（简体/繁体）时使用中文指令"将以下文本翻译成{}，注意只需要输出翻译后的结果，不要额外解释"，否则使用英文指令；存在专有名词词条时，会以"参考下面的翻译"形式把词条表嵌入 user 消息，并要求"只输出翻译后的结果"；同时支持把contextReal中的历史对话以多轮消息的形式拼接到请求前部。

离线模型清单与量化文件

仓库中维护了一份离线翻译模型清单 llm_model_list.json，按series（系列）、account（作者）、repos（仓库）与具体 GGUF 文件（含文件大小、时间戳、sha256）组织，涵盖：

• Hy-MT2：Hy-MT2-7B-GGUF（Q4_K_M / Q6_K / Q8_0，约 4.6～8.0 GB）与Hy-MT2-1.8B-GGUF（Q4_K_M / Q6_K / Q8_0，约 1.1～1.9 GB），标注为通用语言；
• SakuraLLM：GalTransl-v4-4B-2601、Sakura-14B-Qwen3-v1.5-GGUF、Sakura-GalTransl-14B-v3.8、Sakura-GalTransl-7B-v3.7、Sakura-7B-Qwen2.5-v1.0-GGUF、Sakura-32B-Qwen2beta-v0.10pre1-GGUF等，语言标注为ja->zh（日语→中文），另含 Shisa.AI 等系列。

以Hy-MT2-7B-GGUF/Hy-MT2-7B-Q6_K.gguf为例，清单同时给出 6.16 GB 的文件大小与 sha256 校验值，便于在部署本地 llama.cpp / Ollama 服务后核对下载文件完整性。部署完成后，将该本地服务的 OpenAI 兼容地址填入特定离线翻译模型接口（或直接使用大模型通用接口）即可开始翻译。

总结

LunaTranslator 的大模型翻译体系由"大模型通用接口"与"特定离线翻译模型接口"两层构成：前者用统一的 OpenAI 兼容抽象覆盖国内外数十个云平台与本地服务，通过流式输出、附带上下文、字段占位符、多 Key 轮询与思考参数调节实现精细化调优；后者为 Hy-MT2、SakuraLLM 这类专用离线模型内置发布者提供的 prompt 模板，保证翻译效果与模型微调场景一致。配合文档 docs/ja/guochandamoxing.md（中文对照版见 docs/zh/guochandamoxing.md）、默认配置 config.json 与核心实现 gptcommon.py、sakura_base.py，你可以根据平台兼容性、翻译质量与延迟需求，快速搭建并对比出最适合自己游玩的翻译方案。

【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator