Biblioteca OCR de Python de código abierto que detecta y reconoce texto en PDF e imágenes con modelos de deep learning basados en PyTorch.
zyddnys/manga-image-translator
Herramienta open source que detecta, reconoce, traduce, borra y vuelve a maquetar texto en manga y otras imágenes, principalmente del japonés al chino o al inglés.
- Estrellas
- 10,519
- Forks
- 1,078
- Issues abiertos
- 144
- Último commit
- hace 10 días
¿Qué es?
Manga Image Translator es un pipeline de Python para traducir texto dentro de imágenes, como páginas de manga, cómics y capturas de pantalla. Combina la detección de texto, el OCR, la traducción automática, el inpainting para eliminar el texto original y la representación del texto traducido sobre la imagen. Está orientado principalmente al japonés y también admite chino simplificado y tradicional, inglés y otros idiomas.
El proyecto se puede ejecutar como una herramienta local para procesar por lotes una carpeta de imágenes, como servidor web con una interfaz de navegador, como servicio API o mediante Docker. La traducción puede usar servicios en línea como DeepL, Baidu, Youdao o API compatibles con OpenAI, o modelos sin conexión como NLLB, M2M100 y Sugoi. Los usuarios pueden ajustar las opciones de detección, inpainting, fuentes y renderizado mediante flags de línea de comandos o un archivo de configuración JSON.
El README indica que el proyecto está en una fase inicial de desarrollo. La demo alojada ya no funciona, por lo que es necesario alojarlo por cuenta propia.
Funciones clave
- 01Detecta regiones de texto en mangas e imágenes y luego les aplica OCR.
- 02Elimina el texto original mediante inpainting y vuelve a representar la traducción.
- 03Admite muchos traductores, incluidas API en línea y modelos sin conexión como NLLB y Sugoi.
- 04Ofrece procesamiento local por lotes, una interfaz web, un servidor API e imágenes de Docker.
- 05Permite ajustar la detección, el escalado, las fuentes y la colorización mediante flags o un archivo de configuración.
Casos de uso
- Leer páginas de manga o doujinshi en japonés que no tengan traducción oficial.
- Traducir por lotes una carpeta de imágenes de cómics o capturas de pantalla para leerlas personalmente.
- Preparar imágenes traducidas para la maquetación manual exportando fondos limpios con inpainting.
- Ejecutar un servicio interno de traducción de imágenes mediante su API o servidor web.
Inicio rápido
- 1
Asegúrate de tener Python 3.12 o una versión posterior instalada y luego clona el repositorio
git clone https://github.com/zyddnys/manga-image-translator.git - 2
Crea un entorno virtual
python -m venv venv - 3
Activa el entorno virtual (Linux/macOS)
source venv/bin/activate - 4
Instala las dependencias desde requirements.txt
pip install -r requirements.txt
Antes de usarlo
- Según el README, el proyecto está en una fase inicial de desarrollo y tiene muchas carencias.
- Para compilar una dependencia se necesitan un compilador de C++ y Git; los usuarios de Windows también necesitan Microsoft C++ Build Tools.
- La imagen de Docker ocupa unos 15 GB y, para usar la GPU, se necesita una versión de PyTorch compatible con la versión de CUDA instalada.
- Tiene licencia GPL-3.0, una licencia copyleft.
Temas
Preguntas frecuentes
- ¿Qué es manga-image-translator?
- Herramienta open source que detecta, reconoce, traduce, borra y vuelve a maquetar texto en manga y otras imágenes, principalmente del japonés al chino o al inglés. Manga Image Translator es un pipeline de Python para traducir texto dentro de imágenes, como páginas de manga, cómics y capturas de pantalla. Combina la detección de texto, el OCR, la traducción automática, el inpainting para eliminar el texto original y la representación del texto traducido sobre la imagen. Está orientado principalmente al japonés y también admite chino simplificado y tradicional, inglés y otros idiomas.
- ¿manga-image-translator es gratuito? ¿Qué licencia tiene?
- manga-image-translator es open source bajo la licencia GPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿manga-image-translator sigue mantenido?
- Mantenimiento activo. El último commit de manga-image-translator fue el 11 oct 2026.
- ¿Para qué puedo usar manga-image-translator?
- Leer páginas de manga o doujinshi en japonés que no tengan traducción oficial. Traducir por lotes una carpeta de imágenes de cómics o capturas de pantalla para leerlas personalmente. Preparar imágenes traducidas para la maquetación manual exportando fondos limpios con inpainting. Ejecutar un servicio interno de traducción de imágenes mediante su API o servidor web.
- ¿Cómo se instala manga-image-translator?
- Asegúrate de tener Python 3.12 o una versión posterior instalada y luego clona el repositorio: git clone https://github.com/zyddnys/manga-image-translator.git Crea un entorno virtual: python -m venv venv Activa el entorno virtual (Linux/macOS): source venv/bin/activate Instala las dependencias desde requirements.txt: pip install -r requirements.txt
- ¿Dónde consigo manga-image-translator?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/zyddnys/manga-image-translator
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Motor de OCR de código abierto (libtesseract) y herramienta de línea de comandos para extraer texto de imágenes, con reconocimiento basado en LSTM y compatibilidad con más de 100 idiomas.
Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.
Biblioteca de PyTorch con arquitecturas de modelos de imagen, pesos preentrenados y scripts de entrenamiento, validación y exportación para tareas de visión artificial.
Implementación en PyTorch del Vision Transformer (ViT) y muchas de sus variantes para clasificación de imágenes y otras tareas de visión.
Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial.