TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南

把一本二十萬字的輕小說翻成繁體中文,十年前是翻譯社的案子,現在是桌機軟體加一組 API 金鑰的事。AiNiee 這款 2023 年開源、至今累積超過六千一百顆星的翻譯工具,把「翻」這一步做到接近自動化:整包資料夾拖進視窗,它辨識格式、切分文字、批次送給 AI 模型,再按原格式把譯文寫回檔案。不過真正值得停下來看的,是它把哪些決定留在你手上。 長文翻譯的成本從來就不只在工具。譯文要送往哪個模型、長文
用 AI 摘要這篇文章:
把一本二十萬字的輕小說翻成繁體中文,十年前是翻譯社的案子,現在是桌機軟體加一組 API 金鑰的事。AiNiee 這款 2023 年開源、至今累積超過六千一百顆星的翻譯工具,把「翻」這一步做到接近自動化:整包資料夾拖進視窗,它辨識格式、切分文字、批次送給 AI 模型,再按原格式把譯文寫回檔案。不過真正值得停下來看的,是它把哪些決定留在你手上。
長文翻譯的成本從來就不只在工具。譯文要送往哪個模型、長文一致性靠什麼流程把關,還有一個更容易被忽略的問題:你翻的文字本身有沒有權利翻。AiNiee 免費開源,但它對這三個問題給的都是「你自己選」:十二個預設 AI 端點從雲端大牌到本機模型都有,術語表與校對工具攤給你自己組合,授權這條則白紙黑字寫明僅供個人合法用途。工具愈自由,這三個決定就愈躲不掉。
AiNiee 的 README 把支援格式分成遊戲與一般文件兩類:遊戲側支援 Mtool、RenPy、Translator++、ParaTranz 等提取工具的輸出檔,一般側則有 EPUB 與 TXT 電子書、SRT、ASS 與 VTT 等字幕、Word、PDF、Markdown、PowerPoint 文件,以及 I18Next、Po、CSV 這類多語資料檔。實際翻開原始碼,FileReader 資料夾裡有二十多個對應不同格式的讀取器模組,比官方清單多出的還有 XLSX 試算表,以及 WOLF RPG Editor 用的 Wolf 試算表格式。選型時看原始碼比看行銷清單準,這在多數工具都成立,在 AiNiee 也一樣。
要留意的是遊戲文字的前置工序。AiNiee 吃的是「已經抽出來的文字檔」,不是遊戲本體,所以翻 RPG 或視覺小說前,得先用 Mtool 或 Translator++ 這類提取工具把文字匯出,翻完再匯回遊戲。官方 wiki 對每條路徑都有圖文教學,從新人向的 Mtool 到適合大型模組翻譯的 ParaTranz 都有,這段工序省不掉,但文件算齊全。相對地,小說、字幕、文件這三類拖進去就能翻,門檻低得多。
翻開 Resource/platforms/preset.json 這個設定檔,AiNiee 對 AI 端點的態度一目瞭然:兩個本機端點(Sakura 與本地小模型,預設走 127.0.0.1:8080 的 OpenAI 相容介面),九個線上端點(OpenAI、DeepSeek、Anthropic、Google、Amazon Bedrock、xAI,以及火山引擎、阿里雲百煉、智譜這三家服務),外加一個自訂欄位,任何 OpenAI 相容的端點都填得進去。想要譯文不出本機,掛 Ollama 或 LM Studio 就做得到;想壓成本或拼品質,換一個端點設定就能調整。同一套翻譯流程,背後的算力與隱私取捨完全由設定檔決定。
README 另有多金鑰輪詢的設計:在金鑰欄位用逗號分隔多組 key,AiNiee 會自動輪詢分攤用量,翻長文時等於把速率限制撐開。對照過去介紹過的 DeepSeek 桌面外殼工具,這類自帶 key 的用法已經是成熟生態:模型帳單在自己手上,用量自己盯。
設定完成後的操作流程,官方把使用流程濃縮成三個動作:先把端點設好,再把放滿原文檔的資料夾拖進視窗,按下開始就等結果。檔案格式與語言由程式自動辨識,輸入資料夾也支援多層子目錄,一次丟一整批文件進去都能排隊處理。遊戲文字因為要先經過提取工具,實際流程會多一進一出,但小說、字幕、文件這些常規內容,確實接近拖了就走。

翻譯進度也有保險。7.2.0 起,專案快取檔會自動存在專案根目錄,系統只保留最新的三份,長文翻到一半出狀況,重開後能接著上次的進度走,不必整本重來。對一次跑幾十萬字的任務來說,這個設計比聽起來重要。
對隱私在意的人可以放心的一點:整個專案 grep 不到任何遙測、分析或追蹤程式碼,翻譯內容只會送往你自己設定的那個端點。程式裡唯一的背景連網行為是啟動時檢查新版本,對象是 GitHub 的 releases API,預設開啟、設定裡一個開關就能關掉。也就是說,資料流向這件事在 AiNiee 是白紙黑字可查的。
不過端點自己挑,也代表端點的條款自己扛。走雲端 API 時,譯文內容其實交給了 OpenAI 或 DeepSeek 的服務條款管,隱私政策怎麼寫、資料留不留,是那一端的事,AiNiee 管不到。真有敏感內容,全本地端點才是完整解法,代價是要有跑得動模型的硬體。工具把選擇權給你,也把這層責任一併移交。
整本書翻到第三十章,主角名字突然變了,這是長文翻譯最常見的崩壞。AiNiee 對這件事的工程化做得相當認真。2026 年 4 月的 7.2.0 版把術語流程整個翻新:提取頁可以用 LLM 自動掃出全文的角色表、術語表與禁翻表;校潤頁提供語言檢查、術語檢查、規則檢查三種驗收,支援一鍵 AI 校對。7.2.3 再補上術語比對的大小寫敏感與全字匹配選項,術語表多了出現次數欄可以排序,重複譯名的除錯線索更完整。
提示詞層同樣有設計。原始碼裡的翻譯提示詞模板分成四套:通用、思考鏈、本地模型與推理模型版本。以思考鏈版本為例,它要求模型先逐行直譯並保留序號、佔位符、換行與程式碼呼叫等特殊內容,再逐句從語境、術語、人物設定校正,最後整合成意譯潤色版。模板裡甚至寫明「原作是藝術作品,允許直白或粗俗的描述,不應刪減或淡化」,對小說類文字的忠實度方針很清楚。
翻完還能再加工。潤色功能可以對照原文與初譯再跑一輪 AI 修潤,上下文行數與輸出資料夾都能設;7.2.1 起更把各階段用的端點拆開,提取、翻譯、潤色、校對可以分別指定不同模型,例如術語提取交給便宜的小模型、正式翻譯用旗艦模型的組合。同一版還修好了 DeepSeek 舊設定會預設關閉思考模式的問題,看得出團隊對各端點的行為差異有在逐家跟。
但機制存在不等於零錯誤。issue 系統裡持續看得到實際的品質回報:EPUB 翻完有漏段(#1065)、佔位符沒完整保留(#1077)、特殊格式段落被拆錯(#1078,未結案)、含上標的日期翻完格式跑掉(#1079)。多數回報在一週內處理完畢,少數會拖上兩三週,維護節奏整體健康,但對使用者的含義很直接:批次翻完的長文一定要人工抽查,尤其佔位符與格式這類會直接弄壞檔案的錯誤。
先看程式碼這層。AiNiee 採 AGPL-3.0 授權,這是強制性最強的 copyleft 條款之一:拿原始碼改作再散佈,甚至只是改完掛成網路服務給人用,衍生程式都必須開源。個人使用完全不受影響,但想拿它包裝成翻譯服務來賣,法務功課會比想像中重。
再看 README 裡的特別宣告。作者明寫這款工具「僅供個人合法用途」,任何直接或間接的非法營利活動都不在授權範圍、也不受支援與認可。這段宣告與 AGPL 條款之間存在法律張力:對既有程式碼,AGPL 的授權已經給出,作者事後的限縮宣告未必有完整拘束力,但它至少表明了作者的態度,商業化前直接去信確認會是比較穩的做法。
最關鍵的一層其實不在工具,在你翻的東西。翻譯是著作權法裡的改作行為,把受保護的遊戲、小說翻成另一種語言,權利在原作者手上。自用不下散佈,風險通常低;一旦把譯本或中文化補丁公開分享,責任就落在散佈者身上,跟工具開不開源無關。AiNiee 在遊戲中文化圈是熱門工具,這條線更應該先想清楚。
目前穩定版是 2026 年 7 月的 7.2.3,另有從最新原始碼自動打包的 Beta 通道,最近一次更新在 2026 年 8 月下旬,開發活躍。Beta 通道甚至比穩定版多出 Windows 安裝程式,並陸續收進內建終端機、日誌系統與 EPUB 語言標記重寫這類改進,願意當白名單測試員的人可以先嚐鮮。官方發布 Windows 免安裝壓縮檔與 macOS 的 arm64、x86_64 安裝檔,macOS 支援是 2026 年 5 月的 7.2.2 才加入的;Linux 沒有官方包,要用的話得自己跑 Python 原始碼。下載數也反映了使用分佈:7.2.3 的 Windows 包約五千七百次,兩個 macOS 包合計約五百多次。

專案主要靠作者 NEKOparapa 長期投入,貢獻紀錄超過一千六百次提交,周邊還有 beautifulrem、nekomiya-hinata 等多位固定貢獻者,社群有 QQ 群與 Telegram 群可回報問題。設定檔集中在 config.json,換版時複製到新版的 resource 資料夾就能帶走。另外社群有個工程化重構的命令列分支 AiNiee-Next,適合長時間掛機或伺服器部署的場景,想進自動化流程的人可以一併看。
從實際落地看,AiNiee 對繁體中文的支援是一級選項,不是事後補丁:程式碼裡的目標語言清單有 chinese_traditional,潤色提示詞甚至有專屬的繁中版本檔案。字幕組翻一整季的 SRT、把英文電子書轉成繁中自己讀,都是它順手的場景,公司行號批量翻 Word 文件也吃得住;想把網頁文章先存成 EPUB 再翻,也可以搭配 網頁轉 EPUB 工具先處理。即時選詞翻譯的需求它不做,那比較像 MoePeek 這類選詞即譯工具的領域;AiNiee 的定位就是批次長文,兩者是互補而非替代。對照 早期用 GPT 手搓的翻譯流程,現在這類工具把提示詞工程、術語管理與格式回寫都產品化了,門檻差好幾個量級。
手上有大量長文要翻、也願意自己管 API 金鑰並抽查輸出的人,AiNiee 值得一試,免費、開源又能自帶金鑰的組合在同類工具裡並不常見。反過來,只想翻幾句話或不想碰任何設定的人用不到它;打算把譯作拿去散佈營利的人,管理成本與法律風險會蓋過好處。入門建議從一份不痛的 SRT 字幕開始,接一個低價雲端端點跑一輪,看看譯文水準與佔位符處理再決定要不要把正式的書稿交給它。
軟體本身免費且開源,但 AI 翻譯的算力費要自己出。走雲端 API 按 token 計費,翻長文前先看一下各家的定價與用量;走本機模型不產生帳單,但先確認硬體跑得動想用的模型。
技術上做得到,法律上要看作品的授權狀態。翻譯是改作行為,未經授權散佈譯本或中文化補丁有侵權風險,自用則相對單純。工具的特別宣告也把非法營利活動排除在支援範圍外,商業案件先談授權再動工。
走雲端端點完全不需要顯示卡,一般筆電就能跑。只有選擇本機模型路線時,硬體才會成為門檻,模型愈大需求愈高,這時 README 推薦的 Sakura 啟動器、LM Studio 或 Ollama 會是比較好上手的架法。