BabelDOC 開源 PDF 翻譯：先分清引擎、線上版與自架三條路

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

在網路上搜 BabelDOC，多數介紹文會告訴你這是一個開源 PDF 翻譯工具，免費、保留排版、每個月還送你 1000 頁額度。這些說法每一個都其來有自，但拼在一起會讓人走錯門。掛著 BabelDOC 這個名字的東西有三個：GitHub 上那個 AGPL 授權的翻譯引擎、沉浸式翻譯網站上的商業服務、以及把引擎包成完整介面的 PDFMathTranslate-next。免費的 1000 頁屬於商業服務的舊計費方式，現在已經換成 Token 額度制，換算回頁數大約只剩六十到一百頁出頭。想把英文論文變成繁中對照文件的人，在按下第一個下載按鈕之前，先分清楚自己要的是哪一層，比研究任何功能列表都重要。

同一個名字，三個不同的東西

BabelDOC 的 GitHub 倉庫（funstory-ai/BabelDOC）自述是一份 PDF 科學論文翻譯與雙語對照的函式庫，主要設計給其他程式嵌入使用。這個定位官方寫得一點都不含糊：README 的進階選項區塊開頭就聲明，這個命令列介面主要為除錯用途設計，終端使用者雖然可以直接拿它翻檔案，但官方不為此提供任何技術支援；Python API 段落更直接警告，BabelDOC 的所有 API 都應視為內部 API，任何直接使用都不受支援。換句話說，你從 GitHub 頁面看到的「開源工具」，本質上是一家公司開放出來的引擎零件，官方期望的兩個正確入口分別是沉浸式翻譯網站上的線上版，以及 PDFMathTranslate-next 這個自架發行版。

這家公司在 README 裡也不藏：倉庫由 funstory-ai 維護，線上服務頁面的頁尾寫著營運主體 Funstory.ai Limited（香港），也就是沉浸式翻譯這套瀏覽器擴充功能背後的同一家公司。開源引擎拿 AGPL-3.0 授權（授權條文全文可在大倉庫根目錄驗證），商業服務走訂閱制，兩者共用同一個名字但商業模式完全不同。截至 2026 年 9 月，這個倉庫有約 9,500 顆星、795 次 fork，PyPI 上累積發布了 186 個版本，最新版 0.6.4 在 2026 年 7 月釋出，issue 與合併請求的活動一直延續到 9 月中旬，是一個明確活著、持續有公司投入的專案，不是那種拿到星星就棄坑的展示品。

Pin

免費額度的實際大小，用官方數字自己算

線上版的計費方式在說明頁寫得相當誠實，只是很少有人真的去算。目前的制度是按翻譯過程消耗的 Token 計費：所有人都能用的免費模型是 GLM-4-Flash-250414，每個月附贈 50 萬 Token；Pro 會員每月最高 2,000 萬、Max 會員最高 5,000 萬，計入會員通用額度，Pro 以上的模型清單多了 DeepSeek V4.1 Flash、Qwen3.5-Plus、Gemini-3-Flash 等選項。單次翻譯的頁數上限，免費帳號是 166 頁，Pro 會員放到 5,000 頁。

Pin

真正的關鍵在官方自己公布的統計：啟用自動術語提取時，平均每頁消耗約 7,382 個 Token；關閉時平均約 4,703 個。拿 50 萬除回去，免費月額度大致是 68 頁（開術語提取）到 106 頁（關 術語提取）的規模。對照 README 裡那句「線上版每月 1000 頁免費」，數字差了一個數量級，理由不難理解：頁數制是舊的計費方式，README 還沒改，線上服務已經換成 Token 制。網路上流傳的「每月免費 1000 頁」，就是這句過時文件的四處轉載。

還有兩個影響實際用量的規則值得記住。翻譯任務啟動時，系統按每頁 3,000 Token 預扣額度（啟用術語提取加倍為 6,000），完成後多退少補，翻譯失敗全額返還，所以一次丟大檔案不會莫名其妙把額度燒光。另外官方明說表格密集的 PDF 會消耗顯著更多的 Token，術語提取功能預設又是開啟的，想省額度的人可以自己衡量要不要關。

用線上版，等於同意它收集你上傳的文件

線上版的上傳介面下方有一行小字，值得每個人在丟檔案前完整讀一遍：為持續提升服務品質，本功能將收集您上傳的文件內容及翻譯過程中的錯誤日誌，您的繼續使用將被視為同意。這不是隱私政策裡的抽象條款，就貼在上傳按鈕旁邊，而且講的是文件內容本身，不是去識別化後的中繼資料。對照另一個規則更能看出邊界：翻譯記錄與相關檔案只免費保留 14 天，逾期可能因快取清理自動刪除且無法恢復。你的檔案進得去、它會讀、兩週後理論上會刪，這三件事合起來就是線上版的隱私形狀。

翻譯的架構層面，官方在常見問題裡花了一整節解釋為什麼線上版不支援自帶 API 金鑰：它採用後端翻譯架構，所有翻譯邏輯都在伺服器端執行，若開放自訂端點，使用者得把金鑰交給後端，還有伺服器暴露、併發能力不可控等一串風險。這個解釋技術上成立，但它同時劃清了一條線：想讓文件不出門、想用自己的模型，線上版從設計上就不打算提供，你只能走開源那條路。頁面本身也掛著 Google Tag Manager 與 Rewardful 的推薦系統腳本，這在商業服務裡是常態，只是與「開源工具」的想像有段距離。

自己跑引擎：裝得起來，但要自帶模型金鑰

把引擎抓到本機跑，是三條路裡最乾淨、也最需要動手的一條。實際在本機以 uv 工具安裝（uv tool install 或 uvx –from BabelDOC），一次帶進 84 個相依套件，安裝後 babeldoc –version 回報 0.6.4，與 GitHub 最新版和線上版介面標示的版本三方一致，安裝路徑本身沒有障礙。真正的門檻在後面：這個引擎目前只支援 OpenAI 相容的大模型 API，命令列參數就三個：模型名稱、API 端點、金鑰，預設模型是 gpt-4o-mini。翻譯的錢和流量都走你自己申請的金鑰，官方建議用相容性好的模型，也明言可以接 Ollama 這類本機模型，金鑰欄填任意值即可，等於離線環境也有解。

自架路線有幾個對學術翻譯很實際的設計。雙語對照有兩種輸出形態，預設是原文與譯文同一頁上下並排，也可以切成原譯交替的分頁模式，搭配閱讀器的雙頁顯示正好左右對照；純譯文與雙語兩種 PDF 都會輸出，不要哪個可以明確關掉。術語控制有兩層：自動術語提取預設開啟，翻譯前先把全文的關鍵詞整理成詞彙表再餵給模型，這也是前面提到額度消耗加倍的來源；你也可以自己準備 CSV 詞彙表，欄位是原文詞、譯文詞，甚至能限定某條術語只套用在特定目標語言，對前後一致性要求高的論文翻譯來說，這比事後手工校對省力得多。

第一次執行前還有一個容易漏掉的前提：版面分析模型、字型與文字映射表這些資產，會在你第一次跑的時候從 GitHub、HuggingFace 或 ModelScope 三個來源裡挑最快的下載，檔案都有 SHA3-256 驗證。公司網路或離線環境可以先產出離線資產包再搬進去，這部分官方文件寫得完整。版面分析本身是在本機跑的（ONNX 推理，macOS 會走 CoreML），翻譯文字才會送進你指定的模型端點，所以資料流向很單純：PDF 不出門，文字內容去你的模型那裡。

浮水印是另一個預設值陷阱。控制參數 watermark-output-mode 的預設值是 watermarked，輸出會蓋上平鋪浮水印，舊的 –no-watermark 參數已標記廢棄，要乾淨輸出得明確指定 no_watermark。對自己出錢跑自己金鑰的人來說，這個預設值值得知道。

想要介面的人，正門是 PDFMathTranslate-next

如果讀完上一段覺得命令列不是你的工具，那官方給你的答案也很明確：PDFMathTranslate-next。這是 2025 年 12 月才建立的專案，同樣 AGPL-3.0 授權，把 BabelDOC 當引擎，提供網頁介面（Windows 另有免安裝執行檔）與 Docker 部署，翻譯服務支援 DeepSeek、DeepL、Ollama、OpenAI 等更多選擇，正好補上 BabelDOC 只吃 OpenAI 相容 API 的限制。BabelDOC 的 README 把它推薦給需要自架的使用者，PDFMathTranslate 的 Zotero 外掛生態（zotero-pdf2zh）也建立在它之上。以約 681 顆星的規模對比 BabelDOC 本體的 9,500 顆，它還年輕，但這是官方欽定的自架圖形介面路線，不是第三方湊合的包裝。

順帶一提 Zotero 使用者會關心的分流：沉浸式翻譯官方的 Zotero 外掛目前僅限 Pro 會員使用，自架 PDFMathTranslate 生態的外掛則沒有這個門檻。

官方自己列出的能力邊界

回到翻譯品質的期望值管理。不少介紹文說 BabelDOC 精準處理公式與表格，對照官方文件，公式混排確實是它的主打能力，但表格是另一回事：命令列的表格翻譯參數還掛著實驗性標籤、預設關閉，完整的表格與線條支援、跨頁跨欄段落，全都還列在未完成的開發路線圖上。README 的已知問題也自列了四條：作者與參考文獻區塊可能被合併成一段、線條不支援、首字下沉不支援、過大的頁面會被跳過。

線上版的已知限制清單更長，挑幾條影響閱讀體驗的：部分公式段落可能重疊、譯文裡傾斜的文字會消失、作者資訊與目錄條目這類小段落可能識別不準、參考文獻區域預設不翻譯、掃描版與 OCR 版 PDF 不支援、不支援下劃線與圖表區域翻譯。手上的文件如果是掃描版，先走 OcrFlux 這類 PDF OCR 轉 Markdown 工具 把文字層救回來，再考慮翻譯會更實際。官方也明說電子書場景適合表格佔比低的，報紙雜誌不在適用範圍。速度方面，50 頁的文件官方說 1 到 5 分鐘、5,000 頁約 1 到 2 小時，這些是站方宣稱的數字，實際表現取決於文件複雜度與伺服器負載。

遇到問題時官方給的急救方案也值得先認識，免得翻壞了以為是自己的錯。如果譯文出現彩色色塊整塊變黑、整頁文字消失、或每個字中間多出空格，這時要開相容模式，代價是停用富文字翻譯、跳過字體子集化與清理步驟，輸出檔案會明顯變大。掃描版 PDF 則有一個明確標了臨時方案的出路：白底黑字的掃描檔可以在譯文下方墊白色矩形蓋住原文，但官方也警告，把這選項用在非掃描檔上可能丟內容，拿捏責任在使用者自己。導出 PDF 特別慢則是正常現象，最後階段的繪製指令清理本來就吃時間，等待就是了。

還有一個好消息：繁體中文（台灣）明確列在官方支援語言表內，而且屬於不依賴連字排版的完整支援等級，引擎原始碼的排版判定期也把 TW 代碼納入中日韓路徑。輸入端目前以英翻中為主要場景，其他語向官方自述尚未充分測試，拿它做中翻英或日翻中之前要有心理準備。

Pin

三種人，三條路

把三層拆開之後，選擇其實變簡單了。偶爾翻幾篇公開論文、不想架任何東西的人，線上版是最順的路，只要記得兩件事：免費額度換算下來約幾十到一百頁，以及上傳的文件內容會被收集，機密文件或未公開的研究手稿不該走這條路。想要完全掌控資料流向、有自己的模型金鑰或本機模型的人，直接跑 BabelDOC 引擎，付出的是命令列操作與額外參數的學習成本，記得調整浮水印預設值。想要圖形介面又要自架的人，裝 PDFMathTranslate-next，它是官方推薦的完整發行版，翻譯服務選擇也最多。

最後是授權提醒：AGPL-3.0 對一般個人使用完全友善，但它的傳染性條款對商業嵌入有實質影響，想把這個引擎接進自己對外提供的服務，先讓法務讀過授權條文再動工。如果你要的其實不是翻譯而是把 PDF 抽成可編輯的文字，PDF2MD 那類轉檔工具才是對口。至於那個流傳的「每月免費 1000 頁」，就讓它留在轉載文裡吧。