企业官网建设流程全解析

Wenyi实时术语库深度解析：长篇文本翻译术语零冲突的关键

【免费下载链接】wenyi将被语言阻隔的作品，带到读者的语言中。Bringing literature into your language.项目地址: https://gitcode.com/BigDawnGhost/wenyi

Wenyi 是一款面向长篇文学作品的开源 AI 翻译工具，其实时术语库（Glossary）机制是保证长篇小说翻译中人名、地名、称谓前后一致、术语零冲突的核心设计。本文将为你解读这套机制的工作原理：从术语如何被自动提取、冲突如何被记录，到你如何一键裁决，帮助你彻底告别"同一角色译成两个名字"的尴尬。

一、长篇文本翻译中，术语冲突为什么难避免？

长篇作品动辄数十万字，同一个角色可能以"林"、"林小姐"、"小林"等多种形式出现。如果每一批翻译都让模型"自由发挥"，很容易出现：

• 人名漂移：前半部分译作"安娜"，后半部分变成"安雅"；
• 称谓失配：日语敬语、亲属称谓在中后段突然换了一套说法；
• 批量翻译放大问题：AI 分批次并行翻译时，后一批"不知道"前一批已经定了译名。

Wenyi 的解法是：让术语库随着翻译进度实时生长——每翻译完一批，就从中提取新术语并回写入库，后续批次自动带上最新的术语快照。整个流水线概览可参考 docs/pipeline.md。

二、实时术语库：两张表撑起"零冲突"

2.1 术语表 + 冲突表的双表结构

Wenyi 术语库底层由两张 SQLite 表构成，定义在 store.py：

关键原则写在upsert_term的注释里：自动提取永远不能覆盖已确认的映射（见 store.py#L292-L349）。当模型提出不同译法时，Wenyi 不强行替换，而是把旧译名保留、新译名记入冲突表——这是"零冲突"的第一道保险。

2.2 边翻译边提取：术语库实时生长

翻译不是等全书读完才建术语表。在 translation.py 中，每完成一个翻译批次，就会调用术语提取器（extractor.py）：

1. 用轻量模型从"原文-译文"配对中提取人名、地名、组织、称谓、固定表达等；
2. 与已有术语比对，新术语入库、相同术语合并别名、不同译法进冲突表；
3. 下一个批次立刻带上最新术语快照继续翻译。

这意味着第 50 章新出场的人物，在下一批翻译时就已经有固定译名，不会等到读者发现不一致才补救。

2.3 首现对齐：优先采用"历史上第一次怎么译"

更有巧思的是"首现对齐"机制（extractor.py#L124-L209）：如果一个新术语在当前章节之前已经出现过，Wenyi 会回溯找到它第一次被翻译的位置，以那一版译文为准，而不是采用模型当下"随口"给出的译名。如果历史映射不确定，宁可暂缓入库，也不让一个没把握的译名"污染"后续文本。

三、六类术语分类：称谓和敬语绝不误伤

术语不是"一锅端"，Wenyi 将术语细分为person / term / appellation（称谓）/ honorific（敬语）/ speech（口癖）/ fixed_expression（固定表达）六类（见 store.py#L22-L30）。

其中称谓、敬语、口癖、固定表达只按完整原文匹配，不允许别名命中——否则"大小姐"这类带语境的称呼，会因为角色本名的别名被误注入到普通称呼里。匹配时还会做 NFKC 归一化、大小写折叠，并剥离振假名注音标记（store.py#L98-L146），英文等空格分词的脚本则启用词边界匹配，避免 "Ann" 误中 "Anna"。

四、冲突裁决：网页一键处理，命令行亦可

当术语库中出现冲突，网页端会以醒目的琥珀色卡片列出"当前译名 vs AI 建议"，你可以一键选择保留当前或接受建议（前端实现在 GlossaryPage.tsx#L391-L437，API 在 glossary.py#L107-L135）。裁决后立即生效：译名更新、状态恢复、所有关联冲突关闭。

偏好命令行的读者，同样可以：

• glossary list <源文件>—— 查看全部术语及状态；
• glossary conflicts <源文件>—— 列出未解决冲突；
• glossary resolve <源文件> <源词> <定译>—— 指定最终译名并关闭冲突。

实现见 resolver.py 与 glossary.py。

五、实战建议：三步养成零冲突术语习惯

1. 翻译前先导入既有术语。如果你的系列作品已有定译表，可在网页端"导入"上传 CSV/JSON，导入前系统会先检测冲突，逐条让你选择覆盖或跳过，避免污染已有映射；
2. 定期处理冲突卡片。冲突表是"AI 拿不准、交给你拍板"的清单，建议每翻译完一个卷就清理一次，越早裁决，后续翻译越干净；
3. 善用导出。术语库支持导出 CSV/JSON（glossary.py#L138-L169），可作为系列续作的"种子术语库"，让第二部、第三部从第一章起就沿用同一套译名。

💡 小提示：术语库刻意保持插入顺序而非排序存储（store.py#L374-L383），这是为了维持提示词前缀缓存命中、降低长篇小说翻译成本——你无需关心，但请尽量在开跑前把定译术语导进去。

结语

Wenyi 的实时术语库用"双表结构 + 边译边提取 + 首现对齐 + 人工裁决"四件套，把长篇翻译中最棘手的术语一致性问题拆解成了一条可观测、可干预的流水线：AI 负责发现与提议，你只负责拍板。配合其双语预览与校对工作台，让被语言阻隔的作品真正走进读者的语言。

【免费下载链接】wenyi将被语言阻隔的作品，带到读者的语言中。Bringing literature into your language.项目地址: https://gitcode.com/BigDawnGhost/wenyi