PDF Translate Online（双栏阅读器）

一个本地 Docker 部署的 Web 应用，用于将英文科研 PDF 翻译为中文，并提供左原文/右译文的同步阅读体验。

效果演示视频

• 标题：计算机专业科研论文翻译器
• 地址：https://www.bilibili.com/video/BV1EzAZzXE4j/?spm_id_from=333.1387.upload.video_card.click
• 时长：6分47秒

点击封面可直接打开 B 站视频介绍页。

功能特性

• 单 PDF 会话上传
• 左原文 / 右译文双栏阅读（强同步滚动）
• 前 3 页优先翻译，其余页面后台继续处理
• BYOK 模型配置（OpenAI + OpenAI 兼容接口）
• 图片 OCR（本地 PaddleOCR + 百度云端 API）
• 小米 MiMo 推理模型支持
• SSE 实时推送页面翻译进度
• 会话级数据隔离与自动清理

Docker 启动

docker compose up --build

启动后访问：

• Web UI：http://localhost:5173
• API：http://localhost:8000

API Key 配置（必做）

方式一：在网页中填写（推荐）

1. 启动服务后打开 http://localhost:5173
2. 上传 PDF
3. 在页面顶部填写模型配置：
   • Base URL（例如 OpenAI 兼容地址）
   • 模型名称
   • API Key
4. 点击"开始翻译"

方式二：启动前预置默认 Key（可选）

在项目根目录新建 .env，填入：

VITE_DEFAULT_PRIMARY_API_KEY=你的模型Key

然后启动：

docker compose up --build

说明：

• 页面里仍可手动修改模型参数与 Key
• 不要把 API Key 提交到 Git 仓库或发到公开聊天记录中

四家模型 API Key 获取方式（官方）

1. DeepSeek

• 平台首页：https://platform.deepseek.com/
• Key 管理页：https://platform.deepseek.com/api_keys
• 官方文档：https://api-docs.deepseek.com/zh-cn/

操作步骤：

1. 注册并登录 DeepSeek 平台
2. 进入 API Keys 页面，新建一个 Key 并复制保存
3. 在本项目页面中填写：
   • Base URL：https://api.deepseek.com/v1
   • 模型名称：如 deepseek-chat
   • API Key：刚创建的 Key

2. 腾讯混元（Tencent Hunyuan）

• API Key 管理文档：https://cloud.tencent.com/document/product/1729/111008
• OpenAI 兼容接口文档：https://cloud.tencent.com/document/product/1729/111007
• 控制台入口：https://console.cloud.tencent.com/hunyuan/start

操作步骤：

1. 登录腾讯云账号（如页面提示，先完成实名认证）
2. 开通混元服务并进入控制台
3. 按官方文档创建 API Key
4. 在本项目页面中填写：
   • Base URL：https://api.hunyuan.cloud.tencent.com/v1
   • 模型名称：如 hunyuan-turbos-latest
   • API Key：控制台创建的 Key

3. 阿里云通义千问（DashScope / 百炼）

• API Key 获取文档：https://help.aliyun.com/zh/model-studio/get-api-key
• Model Studio 控制台：https://bailian.console.aliyun.com/

操作步骤：

1. 登录阿里云并开通 Model Studio（百炼）
2. 按官方文档创建 API Key
3. 在本项目页面中填写：
   • Base URL（中国站）：https://dashscope.aliyuncs.com/compatible-mode/v1
   • 模型名称：如 qwen-plus
   • API Key：刚创建的 Key

4. 小米 MiMo

• 平台首页：https://mimo.xiaomi.com/
• API Key 管理：https://mimo.xiaomi.com/api-keys
• 官方文档：https://mimo.xiaomi.com/docs

操作步骤：

1. 注册并登录小米 MiMo 开放平台
2. 进入 API Keys 页面，创建一个 Key 并复制保存
3. 在本项目页面中选择「小米 MiMo」预设，或手动填写：
   • Base URL：https://token-plan-sgp.xiaomimimo.com/v1（新加坡站）或 https://api.xiaomimimo.com/v1（国内站）
   • 模型名称：mimo-v2.5-pro
   • API Key：刚创建的 Key
4. 建议将超时设为 120 秒（MiMo 是推理模型，生成链较长，60 秒可能不够）

注意：MiMo 为推理模型，会先进行内部推理（reasoning），再输出翻译结果，因此响应时间比普通模型更长，但翻译质量通常更高。

图片 OCR 配置（可选）

如果 PDF 中有图表、架构图等包含文字的图片，可以启用 OCR 来识别并翻译图中文字。

启用方式

在项目根目录创建 .env 文件（已被 .gitignore 忽略，不会提交）：

REMOTE_OCR_TOKEN=你的百度PaddleOCR云API Token

然后修改 docker-compose.yml 中的环境变量：

ENABLE_IMAGE_OCR: "true"           # 本地 PaddleOCR（需要 paddleocr 依赖）
ENABLE_REMOTE_IMAGE_OCR: "true"    # 百度云端 PaddleOCR API

重启生效：docker compose up -d

安全提示：不要把 Token 直接写在 docker-compose.yml 里提交到 Git。使用 .env 文件或环境变量传入。

获取 PaddleOCR 云 API Token

• 平台地址：https://aistudio.baidu.com/
• API 文档：https://paddleocr.aistudio-app.com/
• 在控制台创建应用后获取 Token

开发模式热更新

使用 dev 覆盖配置启动（API、Worker、前端开发服务器热更新）：

docker compose -f docker-compose.yml -f docker-compose.dev.yml up -d --build redis api worker web-dev

开发模式行为：

• api：以 uvicorn --reload 方式运行，并挂载 ./backend
• worker：Python 文件变化后自动重启 Celery Worker
• web-dev：运行 Vite Dev Server，开启 HMR 与轮询（适配 Docker Desktop）

API 概览

• POST /v1/sessions
• POST /v1/sessions/{session_id}/start
• GET /v1/sessions/{session_id}/state
• GET /v1/sessions/{session_id}/events
• GET /v1/sessions/{session_id}/pages/{page_no}/original.png
• GET /v1/sessions/{session_id}/pages/{page_no}/translated.png
• GET /v1/sessions/{session_id}/report
• POST /v1/sessions/{session_id}/pages/{page_no}/retry
• DELETE /v1/sessions/{session_id}

说明

• 本项目按设计不提供"直接下载译文文件"的在线出口
• 会话数据是临时数据，过期或手动删除后会清理
• OCR 效果受源 PDF 图片清晰度与运行环境影响