周末花一天时间跟 Claude 复刻了沉浸式翻译的 pdf 翻译功能

上周我有个研究生同学告诉我翻译外文的 pdf ，最好还是能够翻译后保持跟原文版面一模一样功能的。再我去帮他找软件的过程中，发现沉浸式翻译做的 pdf 翻译功能还蛮不错，平时虽然用它来翻译网站比较多，但是翻译 pdf 还真没怎么用过。

定眼一看，还是 beta 版，自信心上来了，感觉应该能捣鼓一个简单版的。于是周六花了一天的时间，跟 claude 尝试复刻这个功能，看看按照自己的方案能够做到什么样的程度。目前第一版就已经能够实现基本的翻译和排版效果，复杂的公式和图表还原的很不错。不过就像绝大多数翻译功能会遇到的问题一样，原文译文的长度难以控制，因此文本渲染上还有不少瑕疵，而且也只测试了 2 、3 篇论文，还不清楚真实能力是不是足够稳定😅。
一开始没发现，干到一半才发现人家已经开源了，还没仔细看人家的方案。要是跟人家实现方式一样，那就纯纯造轮子小丑了🤡。

但不得不说，vide coding 真上头，就是一天就差不多把我 cursor 一个月的额度干一半了，剩下得省着用了😥。

i.imgur.com/zYRMnT9.png
i.imgur.com/zHZSe1q.png
i.imgur.com/cif5wnO.png

SuperDaniel313

1 月 25 日

其实豆包的效果还可以的，直接发给豆包就行，能打开双语对照模式，还能截图提问。但只能因为 Web 端，移动端不行。

腾讯的 ima 也有类似的功能，但排版没豆包好，好像和微信读书一个模块出来的，排版效果很差。

看原版书还是推荐豆包

LuliYanng

1 月 25 日

@SuperDaniel313 ![doubao](

)
豆包好像只能实现这样。他能生成翻译后的论文吗？豆包的那种方式实现起来也简单，但是交互还是挺不错的。适合深入去探讨论文内容，而不仅仅只是简单的点击翻译了。要是两个功能结合起来不就更好了，既可以一眼看到翻译后的论文，还能直接点击跟进询问内容。😋

SuperDaniel313

1 月 26 日

@LuliYanng PDF 正上方有一个翻译全文，点击之后就是双排版的界面。左侧是原文，然后右侧会有一个译文。点击高亮块，它就能回显原文的对应文本。

我只用过它的翻译，跟豆包讨论问题，感觉跟智障说话差不多。

我更喜欢 NotebookLM ，不过 NotebookLM 更适合学习，双语对照好像没有。NotebookLM 的学习方式稍微割裂一点，也就是你自己有原版的 PDF ，然后看 PDF 之后不懂的就直接提问，没有划词提问。不过 NotebookLM 能干好几本书进去，可以进行主题学习。关键是背后的模型差异。Gemini 虽然被网友称为美国豆包，但是比中国豆包还是上好几个档次。

LuliYanng

1 月 26 日

@SuperDaniel313 okok ，看到这个功能了，虽然这个双语没有特别美观，不过基本够用了。notebooklm 我也有用，确实，模型的能力差距还是很大的。不过 gemini 还不至于跟豆包比，都不是一个水平的😂。像这种点击对照，然后自己设置 llm 的功能也完全可以做，不过暂时还没这个考虑，只是当个小项目玩玩。

SuperDaniel313

1 月 26 日

@LuliYanng 如果说搞着玩嘛，是可以玩玩。

实际上只需要把豆包的翻译用上，然后把原版书扔到 NotebookLM 里面。然后就能畅读原版书了呀。豆包拿来读，NotebookLM 拿来问。配合语音输入法，根本不需要划词啊，只需要直接说第几页，什么问题，然后 NotebookLM 就能直接定位到那里，然后跟你讲解。关键最牛的一点是，那些图表也能解读出来，不是单纯的文字，包括公式啊，都可以。这点 Gemini 是真的牛逼。

特别是那种翻译烂的，我觉得豆包的能力，即便再烂，也还是能解决基础的语言问题。至少在信息传递的这个层面上，不会像一些垃圾译本一样误人子弟。

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://study.congcong.us/t/1188233

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.