LunaTranslator 大模型翻译接口完全指南通用接口参数调优、字段占位符与离线翻译模型接入【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslatorLunaTranslator视觉小说翻译器内置了面向主流大模型LLM的大模型通用接口可一键接入 OpenAI、Gemini、Claude、DeepSeek、千帆、混元等国内外数十个平台通过流式输出、上下文记忆、多 Key 轮询与自定义 Prompt 等手段提升视觉小说与 Galgame 场景下的翻译质量同时它还提供了面向 Hy-MT2、SakuraLLM 等专用离线翻译模型的专用接口。本文以项目日语文档docs/ja/guochandamoxing.md为骨架结合仓库源码与默认配置完整讲解接口的每个参数、字段占位符用法、主流平台接入方式与离线翻译模型调用原理帮助你在实际游玩与汉化流程中快速配出稳定、高质量的大模型翻译链路。大模型通用接口是什么在 LunaTranslator 中大模型通用接口配置项名chatgptlike见 默认配置是一个遵循 OpenAI Chat Completions 兼容协议的统一翻译通道。它让用户把翻译引擎与具体模型厂商解耦无论你用的是 OpenAI、Azure、DeepSeek 还是本地 llama.cpp 服务只要对方暴露的是兼容接口就能在同一个配置界面里完成接入。从实现上看接口的核心逻辑集中在 gptcommon.py 的gptcommon类继承自basetrans。其translate()方法会依次完成校验API接口地址是否填写、读取流式输出开关、根据接口地址自动识别 API 类型APIType并分派到 Gemini / Claude / OpenAI 兼容三种请求路径、解析流式或非流式响应、最后把本轮原文与译文写入_context历史缓冲区供后续轮次参考gptcommon.py L297-L345。正因为这层统一抽象LunaTranslator 才能在同一个界面里覆盖欧美、中国以及本地离线部署的几乎所有大模型服务。同时使用多个大模型接口如果你的诉求只是多个 Key 轮询直接把多个 Key 用|分隔填入API Key输入框即可程序会自动轮换并在出错时根据错误反馈调整各 Key 的权重对应源码中按SECRET_KEY取当前 Key 的 multiapikeycurrent 机制。但如果你想要同时对比多个不同的接口地址 / Prompt / 模型 / 参数下的翻译效果则需要复制接口实例点击翻译引擎上方的按钮选择大模型通用接口在弹出的窗口中为该副本命名确认后即会复制一份当前大模型通用接口的全部设置与 API 信息激活复制出的接口实例此时可以对其单独修改配置副本与原接口可同时运行从而以多套不同参数并行翻译、对比输出。这一操作本质上对应了配置系统中同名引擎可注册多个实例的设计复制后各实例的配置互不干扰非常适合做 Prompt 与模型选型对比实验。大模型通用接口参数详解以下参数均在大模型通用接口的设置界面中提供默认值可对照 默认配置 chatgptlike 段。API 接口地址常见大模型平台的接口地址通常可以直接从下拉列表中选择若列表存在遗漏请查阅目标平台官方文档手动填写完整的 API 地址。填入后程序会根据地址自动判定协议类型Gemini / Claude / OpenAI 兼容等见APIType解析选择对应的请求头与请求体构造方式。API Key在目标平台的后台获取。支持填写多个 Key用|分隔实现自动轮询并会根据错误反馈动态调整各 Key 的使用权重遇到某一 Key 频繁报错时会自动降低其权重提升整体稳定性。model模型大多数平台在正确填写接口地址与 Key 之后点击model旁的刷新按钮即可拉取该平台可用模型列表。若平台不提供模型枚举接口、且默认列表中没有所需模型则参照该接口的官方文档手动填写模型名即可。流式输出开启后模型输出将以流式增量逐段显示在翻译窗口中关闭则等待模型完整输出后一次性显示。对应源码中的usingstream分支开启时走parsestreamresp逐块解析关闭时走common_parse_normal_response一次性解析gptcommon.py L329-L340。附带上下文个数为了让大模型读得懂前文接口会把指定条数的历史原文与译文一并提供给模型从而显著改善人名、代词、剧情连贯性。设置为0即关闭该上下文优化。源码中每次翻译完成后原文与译文会被追加进_contextgptcommon.py L344-L345下一轮请求再按需截取。自定义 system prompt / 自定义 user message / prefill {#anchor-prompt}这三者是控制模型输出内容的三种手段可按喜好自定义也可保持默认。自定义 system prompt定义模型的角色与总体约束。自定义 user message定义每轮发送给模型的用户侧消息模板。prefill以assistant角色的预填内容引导模型续写方向。源码中通过_gptlike_create_prefill(prefill_use, prefill)生成并以{role: assistant, content: prefill}追加到消息末尾gptcommon.py L443-L446常用于强制模型先输出指定格式。在自定义 system prompt 与 user message 中可以使用以下字段引用动态信息字段含义{sentence}当前待翻译的文本{srclang}/{tgtlang}源语言 / 目标语言。若 prompt 中只使用英文则替换为语言名称的英文否则替换为当前 UI 语言下的语言名称{contextOriginal[N]}N 条历史原文。N 为数字时取指定条数{contextTranslation[N]}N 条历史译文。N 为数字时取指定条数{contextBoth[N]}N 条历史原文 译文。若写{contextBoth[N]}会引用附带上下文个数的设置值若写{contextBoth[10]}则直接使用 10 条{DictWithPrompt[XXXXX]}引用专有名词翻译词条。当没有匹配到的词条时该字段会被整体清除避免破坏翻译内容XXXXX是一段引导 LLM 使用给定词条优化翻译的 prompt可自行定义若禁用自定义 user message则使用内置默认引导 prompt这些字段在源码中均有对应实现{contextOriginal/Translation/Both}由__parsecontextN用正则统一替换N与数字两种写法分别对应读取配置中的附带上下文个数与使用输入的数字gptcommon.py L369-L376{DictWithPrompt[...]}由__if_has_dwp处理字典为空时按清除字段、保留相邻换行/字符的策略回退gptcommon.py L378-L407。Temperature / max tokens / top p / frequency penalty模型的采样参数用于调节翻译的随机性与长度上限。注意部分平台的部分模型不接受top p、frequency penalty等参数或已弃用max tokens而改用max completion tokens——界面上为这些参数提供了独立开关遇到平台报错时关闭对应开关即可。默认配置中Temperature默认 0开启、top_p默认 0.3开启、frequency_penalty默认 0关闭、use_max_completion_tokens默认 false即默认发送max_tokens默认值 4096。reasoning effort部分平台支持的思考强度控制选项none / minimal / low / medium / high / xhigh见 默认配置选项列表。对Gemini 平台各选项会自动映射为 Gemini 的thinkingBudget映射规则为none/minimal→0停用思考对 Gemini-2.5-Pro 模型不适用low→512medium→-1开启动态思考high/xhigh→24576thinking.type部分平台主要是 DeepSeek支持的思考模式开关可选disabled/enabled。开启后可让模型先输出推理过程再给出译文适合需要可解释翻译结果的场景结合流式输出时思考过程会被单独展示。其他参数以上仅覆盖通用参数。若你的平台还提供其他有用的参数如top_k、presence_penalty、logprobs等可在其他参数customparams默认配置中rank: -1排在最末中手动添加键值对程序会将其合并进请求体与请求头。常见大模型平台接入速查大模型通用接口的地址下拉列表内置了大多数主流平台。以下整理各平台的基本接入信息Key 均在各平台开发者后台获取。欧美平台平台API Key 获取备注OpenAI平台 API Keys 页默认模型示例gpt-4o-miniGeminiAI Studio API Key 页支持reasoning effort→thinkingBudget自动映射Nvidiabuild.nvidia.com 开发者区提供 NIM 系列模型Claude (Anthropic)Anthropic 控制台模型列表见 Anthropic 官方文档CohereCohere 控制台 API Keysx.aixAI 控制台GroqGroq 控制台 Keys主打高速推理OpenRouterOpenRouter 设置页 Keys聚合多家模型一个 Key 通用Mistral AIMistral 控制台 API KeysAzure OpenAI需自行拼接口地址格式https://{endpoint}.openai.azure.com/openai/deployments/{deployName}/chat/completions?api-version2023-12-01-preview将{endpoint}与{deployName}替换为你的资源名与部署名CerebrasCerebras 云控制台 → API Keys中国平台平台接入要点备注DeepSeek平台 API Keys 页获取支持thinking.type思考模式开关小米 MiMo小米 MiMo 平台控制台 API Keys阿里云百炼大模型百炼控制台 API Key 页模型列表见阿里云百炼文档字节跳动火山引擎火山方舟控制台创建 API Key模型文档见火山方舟文档月之暗面 (Moonshot)Moonshot 平台 API Keys智谱 AI智谱开放平台 API Keys模型列表见智谱文档讯飞星火大模型参考官方文档获取APIKey和APISecret需按APIKey:APISecret的格式填入API Key输入框注意是冒号拼接腾讯混元大模型参考腾讯云官方文档获取模型列表见腾讯云文档百度千帆大模型见下方警告MiniMaxMiniMax 平台快速接入文档警告百度千帆API Key请使用百度智能云 IAM 的 Access Key、Secret Key 来生成接口 BearerToken 后作为API Key填入或者直接按Access Key:Secret Key的格式将两者一起填入API Key输入框。注意这不是千帆 ModelBuilder 旧版 v1 接口的 API Key、Secret Key两者不能通用。使用 API 聚合管理器统一管理如果你同时使用多个大模型平台、多把 Key也可以借助new-api之类的 API 中继 / 聚合工具把多家模型与多个密钥统一管理后再接入 LunaTranslator 的大模型通用接口。这样在 LunaTranslator 中只需维护一个接口地址与一个 Key便于统一计费与权限管控中继工具的 LunaTranslator 对接文档可参考其官方使用说明。特定离线翻译模型Hy-MT2 与 SakuraLLM除了通用接口外还存在一批为离线翻译专门设计或针对特定场景微调的翻译大模型。大部分这类模型部署好之后直接用上面的大模型通用接口即可调用但部分模型必须使用专用的 prompt 格式才能发挥最佳翻译效果例如严格的只输出译文指令、术语表引导、历史对话拼接等。为此 LunaTranslator 提供了独立的特定离线翻译模型接口对应实现 sakura_base.py 中的TS类。该接口的特点是不提供用户自定义 prompt 设置而是由程序按模型发布者提供的 prompt 格式自动构造消息从而保证提示词与模型微调时所用的训练格式完全一致。目前该接口支持以下模型作者模型语言tencentHy-MT2通用SakuraLLMSakuraLLM GalTransl日语 → 中文SakuraLLM 系列的 prompt 版本机制TS类通过prompt_version_1配置选择具体的 prompt 版本并支持auto自动探测。各版本的 system / user 消息在 sakura_make_messages 中逐条构造SakuraLLM v0.9轻小说风格翻译system 提示词定义轻小说翻译模型身份user 消息为将下面的日文文本翻译成中文拼接原文SakuraLLM v0.10在 v0.9 基础上增加术语表引导——将专有名词翻译词条以src-dst格式列出并强调注意使役态/被动态主语宾语、不擅自增删换行SakuraLLM v1.0精简术语表用法词条为空时直接走普通翻译提示GalTransl面向视觉小说翻译system 提示词强调视觉小说翻译模型user 消息按历史翻译 → 术语表 → 结合历史剧情 → 翻译文本的顺序拼接SakuraLLM v1.5轻小说/漫画/Galgame 通用风格。翻译完成后原文与译文分别写入context与contextReal两个历史缓冲区供下一轮按附带上下文个数截取translate 尾部逻辑。Hy-MT2 的调用逻辑Hy-MT2版本走 hymt2_make_messages目标语言为中文简体/繁体时使用中文指令将以下文本翻译成{}注意只需要输出翻译后的结果不要额外解释否则使用英文指令存在专有名词词条时会以参考下面的翻译形式把词条表嵌入 user 消息并要求只输出翻译后的结果同时支持把contextReal中的历史对话以多轮消息的形式拼接到请求前部。离线模型清单与量化文件仓库中维护了一份离线翻译模型清单 llm_model_list.json按series系列、account作者、repos仓库与具体 GGUF 文件含文件大小、时间戳、sha256组织涵盖Hy-MT2Hy-MT2-7B-GGUFQ4_K_M / Q6_K / Q8_0约 4.68.0 GB与Hy-MT2-1.8B-GGUFQ4_K_M / Q6_K / Q8_0约 1.11.9 GB标注为通用语言SakuraLLMGalTransl-v4-4B-2601、Sakura-14B-Qwen3-v1.5-GGUF、Sakura-GalTransl-14B-v3.8、Sakura-GalTransl-7B-v3.7、Sakura-7B-Qwen2.5-v1.0-GGUF、Sakura-32B-Qwen2beta-v0.10pre1-GGUF等语言标注为ja-zh日语→中文另含 Shisa.AI 等系列。以Hy-MT2-7B-GGUF/Hy-MT2-7B-Q6_K.gguf为例清单同时给出 6.16 GB 的文件大小与 sha256 校验值便于在部署本地 llama.cpp / Ollama 服务后核对下载文件完整性。部署完成后将该本地服务的 OpenAI 兼容地址填入特定离线翻译模型接口或直接使用大模型通用接口即可开始翻译。总结LunaTranslator 的大模型翻译体系由大模型通用接口与特定离线翻译模型接口两层构成前者用统一的 OpenAI 兼容抽象覆盖国内外数十个云平台与本地服务通过流式输出、附带上下文、字段占位符、多 Key 轮询与思考参数调节实现精细化调优后者为 Hy-MT2、SakuraLLM 这类专用离线模型内置发布者提供的 prompt 模板保证翻译效果与模型微调场景一致。配合文档 docs/ja/guochandamoxing.md中文对照版见 docs/zh/guochandamoxing.md、默认配置 config.json 与核心实现 gptcommon.py、sakura_base.py你可以根据平台兼容性、翻译质量与延迟需求快速搭建并对比出最适合自己游玩的翻译方案。【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LunaTranslator 大模型翻译接口完全指南：通用接口参数调优、字段占位符与离线翻译模型接入
LunaTranslator 大模型翻译接口完全指南通用接口参数调优、字段占位符与离线翻译模型接入【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslatorLunaTranslator视觉小说翻译器内置了面向主流大模型LLM的大模型通用接口可一键接入 OpenAI、Gemini、Claude、DeepSeek、千帆、混元等国内外数十个平台通过流式输出、上下文记忆、多 Key 轮询与自定义 Prompt 等手段提升视觉小说与 Galgame 场景下的翻译质量同时它还提供了面向 Hy-MT2、SakuraLLM 等专用离线翻译模型的专用接口。本文以项目日语文档docs/ja/guochandamoxing.md为骨架结合仓库源码与默认配置完整讲解接口的每个参数、字段占位符用法、主流平台接入方式与离线翻译模型调用原理帮助你在实际游玩与汉化流程中快速配出稳定、高质量的大模型翻译链路。大模型通用接口是什么在 LunaTranslator 中大模型通用接口配置项名chatgptlike见 默认配置是一个遵循 OpenAI Chat Completions 兼容协议的统一翻译通道。它让用户把翻译引擎与具体模型厂商解耦无论你用的是 OpenAI、Azure、DeepSeek 还是本地 llama.cpp 服务只要对方暴露的是兼容接口就能在同一个配置界面里完成接入。从实现上看接口的核心逻辑集中在 gptcommon.py 的gptcommon类继承自basetrans。其translate()方法会依次完成校验API接口地址是否填写、读取流式输出开关、根据接口地址自动识别 API 类型APIType并分派到 Gemini / Claude / OpenAI 兼容三种请求路径、解析流式或非流式响应、最后把本轮原文与译文写入_context历史缓冲区供后续轮次参考gptcommon.py L297-L345。正因为这层统一抽象LunaTranslator 才能在同一个界面里覆盖欧美、中国以及本地离线部署的几乎所有大模型服务。同时使用多个大模型接口如果你的诉求只是多个 Key 轮询直接把多个 Key 用|分隔填入API Key输入框即可程序会自动轮换并在出错时根据错误反馈调整各 Key 的权重对应源码中按SECRET_KEY取当前 Key 的 multiapikeycurrent 机制。但如果你想要同时对比多个不同的接口地址 / Prompt / 模型 / 参数下的翻译效果则需要复制接口实例点击翻译引擎上方的按钮选择大模型通用接口在弹出的窗口中为该副本命名确认后即会复制一份当前大模型通用接口的全部设置与 API 信息激活复制出的接口实例此时可以对其单独修改配置副本与原接口可同时运行从而以多套不同参数并行翻译、对比输出。这一操作本质上对应了配置系统中同名引擎可注册多个实例的设计复制后各实例的配置互不干扰非常适合做 Prompt 与模型选型对比实验。大模型通用接口参数详解以下参数均在大模型通用接口的设置界面中提供默认值可对照 默认配置 chatgptlike 段。API 接口地址常见大模型平台的接口地址通常可以直接从下拉列表中选择若列表存在遗漏请查阅目标平台官方文档手动填写完整的 API 地址。填入后程序会根据地址自动判定协议类型Gemini / Claude / OpenAI 兼容等见APIType解析选择对应的请求头与请求体构造方式。API Key在目标平台的后台获取。支持填写多个 Key用|分隔实现自动轮询并会根据错误反馈动态调整各 Key 的使用权重遇到某一 Key 频繁报错时会自动降低其权重提升整体稳定性。model模型大多数平台在正确填写接口地址与 Key 之后点击model旁的刷新按钮即可拉取该平台可用模型列表。若平台不提供模型枚举接口、且默认列表中没有所需模型则参照该接口的官方文档手动填写模型名即可。流式输出开启后模型输出将以流式增量逐段显示在翻译窗口中关闭则等待模型完整输出后一次性显示。对应源码中的usingstream分支开启时走parsestreamresp逐块解析关闭时走common_parse_normal_response一次性解析gptcommon.py L329-L340。附带上下文个数为了让大模型读得懂前文接口会把指定条数的历史原文与译文一并提供给模型从而显著改善人名、代词、剧情连贯性。设置为0即关闭该上下文优化。源码中每次翻译完成后原文与译文会被追加进_contextgptcommon.py L344-L345下一轮请求再按需截取。自定义 system prompt / 自定义 user message / prefill {#anchor-prompt}这三者是控制模型输出内容的三种手段可按喜好自定义也可保持默认。自定义 system prompt定义模型的角色与总体约束。自定义 user message定义每轮发送给模型的用户侧消息模板。prefill以assistant角色的预填内容引导模型续写方向。源码中通过_gptlike_create_prefill(prefill_use, prefill)生成并以{role: assistant, content: prefill}追加到消息末尾gptcommon.py L443-L446常用于强制模型先输出指定格式。在自定义 system prompt 与 user message 中可以使用以下字段引用动态信息字段含义{sentence}当前待翻译的文本{srclang}/{tgtlang}源语言 / 目标语言。若 prompt 中只使用英文则替换为语言名称的英文否则替换为当前 UI 语言下的语言名称{contextOriginal[N]}N 条历史原文。N 为数字时取指定条数{contextTranslation[N]}N 条历史译文。N 为数字时取指定条数{contextBoth[N]}N 条历史原文 译文。若写{contextBoth[N]}会引用附带上下文个数的设置值若写{contextBoth[10]}则直接使用 10 条{DictWithPrompt[XXXXX]}引用专有名词翻译词条。当没有匹配到的词条时该字段会被整体清除避免破坏翻译内容XXXXX是一段引导 LLM 使用给定词条优化翻译的 prompt可自行定义若禁用自定义 user message则使用内置默认引导 prompt这些字段在源码中均有对应实现{contextOriginal/Translation/Both}由__parsecontextN用正则统一替换N与数字两种写法分别对应读取配置中的附带上下文个数与使用输入的数字gptcommon.py L369-L376{DictWithPrompt[...]}由__if_has_dwp处理字典为空时按清除字段、保留相邻换行/字符的策略回退gptcommon.py L378-L407。Temperature / max tokens / top p / frequency penalty模型的采样参数用于调节翻译的随机性与长度上限。注意部分平台的部分模型不接受top p、frequency penalty等参数或已弃用max tokens而改用max completion tokens——界面上为这些参数提供了独立开关遇到平台报错时关闭对应开关即可。默认配置中Temperature默认 0开启、top_p默认 0.3开启、frequency_penalty默认 0关闭、use_max_completion_tokens默认 false即默认发送max_tokens默认值 4096。reasoning effort部分平台支持的思考强度控制选项none / minimal / low / medium / high / xhigh见 默认配置选项列表。对Gemini 平台各选项会自动映射为 Gemini 的thinkingBudget映射规则为none/minimal→0停用思考对 Gemini-2.5-Pro 模型不适用low→512medium→-1开启动态思考high/xhigh→24576thinking.type部分平台主要是 DeepSeek支持的思考模式开关可选disabled/enabled。开启后可让模型先输出推理过程再给出译文适合需要可解释翻译结果的场景结合流式输出时思考过程会被单独展示。其他参数以上仅覆盖通用参数。若你的平台还提供其他有用的参数如top_k、presence_penalty、logprobs等可在其他参数customparams默认配置中rank: -1排在最末中手动添加键值对程序会将其合并进请求体与请求头。常见大模型平台接入速查大模型通用接口的地址下拉列表内置了大多数主流平台。以下整理各平台的基本接入信息Key 均在各平台开发者后台获取。欧美平台平台API Key 获取备注OpenAI平台 API Keys 页默认模型示例gpt-4o-miniGeminiAI Studio API Key 页支持reasoning effort→thinkingBudget自动映射Nvidiabuild.nvidia.com 开发者区提供 NIM 系列模型Claude (Anthropic)Anthropic 控制台模型列表见 Anthropic 官方文档CohereCohere 控制台 API Keysx.aixAI 控制台GroqGroq 控制台 Keys主打高速推理OpenRouterOpenRouter 设置页 Keys聚合多家模型一个 Key 通用Mistral AIMistral 控制台 API KeysAzure OpenAI需自行拼接口地址格式https://{endpoint}.openai.azure.com/openai/deployments/{deployName}/chat/completions?api-version2023-12-01-preview将{endpoint}与{deployName}替换为你的资源名与部署名CerebrasCerebras 云控制台 → API Keys中国平台平台接入要点备注DeepSeek平台 API Keys 页获取支持thinking.type思考模式开关小米 MiMo小米 MiMo 平台控制台 API Keys阿里云百炼大模型百炼控制台 API Key 页模型列表见阿里云百炼文档字节跳动火山引擎火山方舟控制台创建 API Key模型文档见火山方舟文档月之暗面 (Moonshot)Moonshot 平台 API Keys智谱 AI智谱开放平台 API Keys模型列表见智谱文档讯飞星火大模型参考官方文档获取APIKey和APISecret需按APIKey:APISecret的格式填入API Key输入框注意是冒号拼接腾讯混元大模型参考腾讯云官方文档获取模型列表见腾讯云文档百度千帆大模型见下方警告MiniMaxMiniMax 平台快速接入文档警告百度千帆API Key请使用百度智能云 IAM 的 Access Key、Secret Key 来生成接口 BearerToken 后作为API Key填入或者直接按Access Key:Secret Key的格式将两者一起填入API Key输入框。注意这不是千帆 ModelBuilder 旧版 v1 接口的 API Key、Secret Key两者不能通用。使用 API 聚合管理器统一管理如果你同时使用多个大模型平台、多把 Key也可以借助new-api之类的 API 中继 / 聚合工具把多家模型与多个密钥统一管理后再接入 LunaTranslator 的大模型通用接口。这样在 LunaTranslator 中只需维护一个接口地址与一个 Key便于统一计费与权限管控中继工具的 LunaTranslator 对接文档可参考其官方使用说明。特定离线翻译模型Hy-MT2 与 SakuraLLM除了通用接口外还存在一批为离线翻译专门设计或针对特定场景微调的翻译大模型。大部分这类模型部署好之后直接用上面的大模型通用接口即可调用但部分模型必须使用专用的 prompt 格式才能发挥最佳翻译效果例如严格的只输出译文指令、术语表引导、历史对话拼接等。为此 LunaTranslator 提供了独立的特定离线翻译模型接口对应实现 sakura_base.py 中的TS类。该接口的特点是不提供用户自定义 prompt 设置而是由程序按模型发布者提供的 prompt 格式自动构造消息从而保证提示词与模型微调时所用的训练格式完全一致。目前该接口支持以下模型作者模型语言tencentHy-MT2通用SakuraLLMSakuraLLM GalTransl日语 → 中文SakuraLLM 系列的 prompt 版本机制TS类通过prompt_version_1配置选择具体的 prompt 版本并支持auto自动探测。各版本的 system / user 消息在 sakura_make_messages 中逐条构造SakuraLLM v0.9轻小说风格翻译system 提示词定义轻小说翻译模型身份user 消息为将下面的日文文本翻译成中文拼接原文SakuraLLM v0.10在 v0.9 基础上增加术语表引导——将专有名词翻译词条以src-dst格式列出并强调注意使役态/被动态主语宾语、不擅自增删换行SakuraLLM v1.0精简术语表用法词条为空时直接走普通翻译提示GalTransl面向视觉小说翻译system 提示词强调视觉小说翻译模型user 消息按历史翻译 → 术语表 → 结合历史剧情 → 翻译文本的顺序拼接SakuraLLM v1.5轻小说/漫画/Galgame 通用风格。翻译完成后原文与译文分别写入context与contextReal两个历史缓冲区供下一轮按附带上下文个数截取translate 尾部逻辑。Hy-MT2 的调用逻辑Hy-MT2版本走 hymt2_make_messages目标语言为中文简体/繁体时使用中文指令将以下文本翻译成{}注意只需要输出翻译后的结果不要额外解释否则使用英文指令存在专有名词词条时会以参考下面的翻译形式把词条表嵌入 user 消息并要求只输出翻译后的结果同时支持把contextReal中的历史对话以多轮消息的形式拼接到请求前部。离线模型清单与量化文件仓库中维护了一份离线翻译模型清单 llm_model_list.json按series系列、account作者、repos仓库与具体 GGUF 文件含文件大小、时间戳、sha256组织涵盖Hy-MT2Hy-MT2-7B-GGUFQ4_K_M / Q6_K / Q8_0约 4.68.0 GB与Hy-MT2-1.8B-GGUFQ4_K_M / Q6_K / Q8_0约 1.11.9 GB标注为通用语言SakuraLLMGalTransl-v4-4B-2601、Sakura-14B-Qwen3-v1.5-GGUF、Sakura-GalTransl-14B-v3.8、Sakura-GalTransl-7B-v3.7、Sakura-7B-Qwen2.5-v1.0-GGUF、Sakura-32B-Qwen2beta-v0.10pre1-GGUF等语言标注为ja-zh日语→中文另含 Shisa.AI 等系列。以Hy-MT2-7B-GGUF/Hy-MT2-7B-Q6_K.gguf为例清单同时给出 6.16 GB 的文件大小与 sha256 校验值便于在部署本地 llama.cpp / Ollama 服务后核对下载文件完整性。部署完成后将该本地服务的 OpenAI 兼容地址填入特定离线翻译模型接口或直接使用大模型通用接口即可开始翻译。总结LunaTranslator 的大模型翻译体系由大模型通用接口与特定离线翻译模型接口两层构成前者用统一的 OpenAI 兼容抽象覆盖国内外数十个云平台与本地服务通过流式输出、附带上下文、字段占位符、多 Key 轮询与思考参数调节实现精细化调优后者为 Hy-MT2、SakuraLLM 这类专用离线模型内置发布者提供的 prompt 模板保证翻译效果与模型微调场景一致。配合文档 docs/ja/guochandamoxing.md中文对照版见 docs/zh/guochandamoxing.md、默认配置 config.json 与核心实现 gptcommon.py、sakura_base.py你可以根据平台兼容性、翻译质量与延迟需求快速搭建并对比出最适合自己游玩的翻译方案。【免费下载链接】LunaTranslator视觉小说翻译器 / Visual Novel Translator项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考