企业官网建设流程全解析

LibreTranslate 自建翻译API完整指南：一条命令本地部署并调通接口

【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate

同事把内部文档站丢给我，说"加个中英互译吧"。商业接口这条路我当场否了：按字符计费，传的还是内部资料。我选的是 LibreTranslate——一个免费、开源、可自托管的机器翻译服务，装在自己的机器上就能提供翻译接口。一天后，这个站有了自己说了算的翻译API，翻译数据全程没出过内网。按下面的顺序走一遍，你也能把这套服务搭起来。

装之前先判断：三条标准决定要不要自建翻译API

先给结论：下面三条命中任意一条，就值得自建；一条都不沾，商业API的免费额度够你用了。

1. 数据不能出网。涉及客户资料、内部文档时，很多公司对翻译数据隐私有明确要求。自建与商业服务最本质的差别就在这：翻译请求全程在你自己的机器上完成，文本不需要发给任何第三方服务器。
2. 量大、长期跑。商业翻译服务按调用量或字符数计费，跑得越久账越大；一套免费机器翻译跑起来之后，边际成本只有电费，调用次数你自己说了算，也没有每分钟请求数的限制。
3. 环境联不上外网。内网、机房、离线设备上，商业API直接不可用，只有本地部署的开源翻译服务能顶上。

一句实话：它的底层是 Argos Translate 开源模型，翻译质量略逊于大厂的商业引擎。对翻译质量要求高的场景，先用 Web 界面试译几段样文再决定。

十分钟完成翻译API本地部署（Docker 一条命令）

前提：机器上装了 Docker，内存至少 2GB（模型加载要吃内存）。

docker run -d -p 5000:5000 --name libretranslate libretranslate/libretranslate:latest

首次启动会在后台下载语言模型，几十个语言对下来需要几分钟，所以第一次打开页面慢属正常。装完后浏览器打开http://localhost:5000，你得到的不只是API，还有一个完整的 Web 翻译界面——页面底部会直接展示当前请求的参数，可以照着拼 curl。

需要改代码或参与开发的话，克隆源码仓库git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate，pip install -e .装好依赖后，python main.py启动的效果和 docker 一样。仓库里自带 docker-compose.yml，含健康检查配置，生产部署时可以直接参考。

敲通第一条请求：/translate、/detect 与 /languages

先用GET /health确认服务活着，返回{"status":"ok"}就可以开工。

发第一条翻译请求：

curl -X POST http://localhost:5000/translate -d "q=Hello world" -d "source=auto" -d "target=zh"

source传auto时服务端会先做语言检测，所以响应里除了translatedText，还会有带置信度的detectedLanguage字段。

另外两个高频端点：

• GET /languages：返回已加载语言及每种语言能翻译到的目标列表（targets）。翻译报错时先查它；
• POST /detect：只检测不翻译，传q参数，返回语言代码和置信度。

/translate同时支持 form 和 JSON 两种请求体，q传数组就是批量翻译，返回对应数组。完整参数不用背，服务自带/docs接口文档页，浏览器直接打开就能看。

把翻译API接进你的代码

import requests r = requests.post( "http://localhost:5000/translate", data={"q": "The weather is nice", "source": "auto", "target": "zh"}, ) print(r.json()["translatedText"])

要翻译文件（txt、docx 等）则改用POST /translate_file：上传文件后，响应返回一个下载地址translatedFileUrl，取回的就是翻译好的文件。

开启 API 密钥的正确姿势

只你自己用，裸奔没问题；多人或多服务共用时，建议打开密钥认证，这样每个调用方可以单独限流。两步：

1. 启动时加开关：docker 加-e LT_API_KEYS=true，源码启动加--api-keys；
2. 先带--api-keys启动一次让数据库建好，然后签发密钥：

python manage.py keys add 100 --key auto

第一个数字是该密钥每分钟可请求的次数，--key auto自动生成，也可以--key 你自己的串自定义。调用时在请求里带上api_key参数即可。密钥库默认落在db/api_keys.db，docker 部署时把该目录挂成卷，避免重建容器丢密钥。

省内存：只加载你用的语言

默认行为会安装全部语言对，内存占用高、首启下载久。只用中英的话，只装这一对：

python main.py --load-only en,zh --host 0.0.0.0 --port 5000

docker 部署则加环境变量LT_LOAD_ONLY=en,zh，效果相同。语言越少，启动越快，内存越省——先按需裁剪，确认质量后再扩展。

三个最常见的坑：现象、原因、解法

1. 现象：启动后页面长时间打不开，或容器反复重启。原因：首次启动正在下载并安装语言模型，属正常现象。解决：耐心等；或提前用 scripts/install_models.py 脚本预装，docker 记得挂卷持久化模型目录。
2. 现象：局域网里其他机器访问不了。原因：默认绑定 127.0.0.1，只监听本机。解决：docker 用-p 5000:5000映射端口；源码启动加--host 0.0.0.0。
3. 现象：翻译返回 "is not supported" 之类的 400。原因：你传的语言方向没有直接模型，并非所有语言两两之间都有。解决：先调GET /languages看targets字段，挑现成的语言对。

GPU 加速、Prometheus 监控（--metrics）、翻译结果缓存（--translation-cache）、多实例负载均衡这些深水区，项目都留了对应参数，需要时查官方文档即可。眼下你要做的就一件事：跑通上面那条 curl 请求，然后打开浏览器访问/docs页面，对照着把每个参数试一遍——到这一步，这套自建翻译API 就彻底归你了。

【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate