LibreTranslate 离线部署实战3条命令装好翻译服务中英双模型约600MB【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate如果你的环境是一台断网机器或者内网严格限制外访但又需要一台随时可用的本地翻译服务LibreTranslate 可以试试。它是开源自托管机器翻译 API靠 Argos Translate 语言模型工作装好模型后翻译全程不碰外网。项目定位LibreTranslate 是免费开源的机器翻译 API自托管、无调用限制、不依赖任何专有服务。它的引擎核心是argos-translate-lt1.12.1Web 层用Flask2.2.5。模型一旦落到本地整个翻译闭环就与外网无关——这正是它适合离线场景的原因。最小安装先说清楚这三步分别解决拿代码、下模型、起服务的问题每步一个命令块。拿到源码并装依赖以 Python 3.10 为例pip install .会按pyproject.toml拉齐全部依赖git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate python -m venv venv source venv/bin/activate pip install .只装中英互译模型别全量下python scripts/install_models.py --load_only_lang_codes en,zh起服务监听本机 5000 端口python main.py --host 127.0.0.1 --port 5000启动日志出现Loaded support for 2 languages即模型加载成功。你可能会发现日志里有一句Cannot update models (normal if youre offline)——这是init.py的boot()在提示跳过模型索引刷新属正常现象别当错误处理。实测只装 en、zh 两个模型磁盘占用约 600MB启动很快。模型默认落在~/.local/share/argos-translate/packagesWindows 在AppData\Roaming\argos-translate\packages里面是成对的.argosmodel文件和元数据。按场景裁剪先问自己一句离线这件事你想解决的是体积、安装、还是配置对号入座。体积压到最小只装真用得上的语言对这是最省空间的办法。--load_only_lang_codes接受 ISO 639-1 短码逗号分隔可用代码对照 libretranslate/locales/ 目录名。实测全量装一遍约 4GB只留中英约 600MB再往下压不动了——这是模型本身的体积决定的。安装过程零联网有网机器先把依赖下成 wheel 存档目标机再离线安装pip freeze requirements_offline.txt pip download -r requirements_offline.txt -d dependencies/ --only-binary:all: pip install --no-index --find-links./dependencies/ -r requirements_offline.txt跨 Linux 发行版迁移时用 manylinux 兼容的 wheelWindows 目标机换--platform win_amd64。注意别把在线装包和离线缓存混着来依赖冲突大多出在这。配置默认值确认一遍全部配置走LT_前缀的环境变量默认值集中在 libretranslate/default_values.py。离线场景盯三处UPDATE_MODELS保持默认False、SHARED_STORAGE保持memory://内存计数不依赖 Redis、API_KEYS_REMOTE留空。这三处默认值天然适合离线一般不用动。日后要刷新模型在联网机执行python scripts/install_models.py --load_only_lang_codes en,zh --update然后把~/.local/share/argos-translate/packages整个打成更新包带走即可。部署形态选型形态做法适用场景代价本地直跑LT_MODEL_PATH指向模型目录python main.py开发测试最省事要自己保证--load-only参数与已装模型目录对齐否则容易报Model not foundDockerdocker build --build-arg with_modelstrue --build-arg modelsen,zh,fr -f docker/Dockerfile .生产环境推荐构建慢一些镜像体积大对应docker/Dockerfile里的with_models/models两个 ARG构建期装好模型运行时零联网便携版源码venv模型依赖整体拷进 U 盘目标机无网、甚至无 Python 的极端场景打包工作量最大无 Python 的机器还要带一份 Portable Python本地直跑最轻但靠人肉对齐参数Docker 把模型固化进镜像、最省心便携版本质是前两者的打包形态按你的目标机情况挑一个即可。自检与排错验收两条命令复制即用curl http://localhost:5000/health curl -X POST http://localhost:5000/translate \ -H Content-Type: application/x-www-form-urlencoded \ -d qHello%20worldsourceentargetzh翻译接口应返回{translatedText:你好世界,...,detectedLanguage:{...}}。最后断网重测一遍服务照常响应离线闭环才算成立。三个高频问题按症状→原因→解法记报Model not found多是--load-only或--load_only_lang_codes指定的短码与已装模型对不上。核对短码再确认模型目录可读。翻译慢CPU 没用满。--threads默认 4按核数调大生产环境顺手关掉--debug。依赖冲突装包方式混用了。坚持离线缓存 --no-index一条路走到底。接下来三件事就可以动手了先装en,zh双模型跑通翻译按目标机情况在本地、Docker、便携三种形态里选一个定型装完用上面的 curl 命令加断网重测完成验收。往后可以关注两个方向模型量化进一步压体积以及纯前端 WebAssembly 离线版。【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LibreTranslate 离线部署实战3条命令装好翻译服务中英双模型约600MB【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate如果你的环境是一台断网机器或者内网严格限制外访但又需要一台随时可用的本地翻译服务LibreTranslate 可以试试。它是开源自托管机器翻译 API靠 Argos Translate 语言模型工作装好模型后翻译全程不碰外网。项目定位LibreTranslate 是免费开源的机器翻译 API自托管、无调用限制、不依赖任何专有服务。它的引擎核心是argos-translate-lt1.12.1Web 层用Flask2.2.5。模型一旦落到本地整个翻译闭环就与外网无关——这正是它适合离线场景的原因。最小安装先说清楚这三步分别解决拿代码、下模型、起服务的问题每步一个命令块。拿到源码并装依赖以 Python 3.10 为例pip install .会按pyproject.toml拉齐全部依赖git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate python -m venv venv source venv/bin/activate pip install .只装中英互译模型别全量下python scripts/install_models.py --load_only_lang_codes en,zh起服务监听本机 5000 端口python main.py --host 127.0.0.1 --port 5000启动日志出现Loaded support for 2 languages即模型加载成功。你可能会发现日志里有一句Cannot update models (normal if youre offline)——这是init.py的boot()在提示跳过模型索引刷新属正常现象别当错误处理。实测只装 en、zh 两个模型磁盘占用约 600MB启动很快。模型默认落在~/.local/share/argos-translate/packagesWindows 在AppData\Roaming\argos-translate\packages里面是成对的.argosmodel文件和元数据。按场景裁剪先问自己一句离线这件事你想解决的是体积、安装、还是配置对号入座。体积压到最小只装真用得上的语言对这是最省空间的办法。--load_only_lang_codes接受 ISO 639-1 短码逗号分隔可用代码对照 libretranslate/locales/ 目录名。实测全量装一遍约 4GB只留中英约 600MB再往下压不动了——这是模型本身的体积决定的。安装过程零联网有网机器先把依赖下成 wheel 存档目标机再离线安装pip freeze requirements_offline.txt pip download -r requirements_offline.txt -d dependencies/ --only-binary:all: pip install --no-index --find-links./dependencies/ -r requirements_offline.txt跨 Linux 发行版迁移时用 manylinux 兼容的 wheelWindows 目标机换--platform win_amd64。注意别把在线装包和离线缓存混着来依赖冲突大多出在这。配置默认值确认一遍全部配置走LT_前缀的环境变量默认值集中在 libretranslate/default_values.py。离线场景盯三处UPDATE_MODELS保持默认False、SHARED_STORAGE保持memory://内存计数不依赖 Redis、API_KEYS_REMOTE留空。这三处默认值天然适合离线一般不用动。日后要刷新模型在联网机执行python scripts/install_models.py --load_only_lang_codes en,zh --update然后把~/.local/share/argos-translate/packages整个打成更新包带走即可。部署形态选型形态做法适用场景代价本地直跑LT_MODEL_PATH指向模型目录python main.py开发测试最省事要自己保证--load-only参数与已装模型目录对齐否则容易报Model not foundDockerdocker build --build-arg with_modelstrue --build-arg modelsen,zh,fr -f docker/Dockerfile .生产环境推荐构建慢一些镜像体积大对应docker/Dockerfile里的with_models/models两个 ARG构建期装好模型运行时零联网便携版源码venv模型依赖整体拷进 U 盘目标机无网、甚至无 Python 的极端场景打包工作量最大无 Python 的机器还要带一份 Portable Python本地直跑最轻但靠人肉对齐参数Docker 把模型固化进镜像、最省心便携版本质是前两者的打包形态按你的目标机情况挑一个即可。自检与排错验收两条命令复制即用curl http://localhost:5000/health curl -X POST http://localhost:5000/translate \ -H Content-Type: application/x-www-form-urlencoded \ -d qHello%20worldsourceentargetzh翻译接口应返回{translatedText:你好世界,...,detectedLanguage:{...}}。最后断网重测一遍服务照常响应离线闭环才算成立。三个高频问题按症状→原因→解法记报Model not found多是--load-only或--load_only_lang_codes指定的短码与已装模型对不上。核对短码再确认模型目录可读。翻译慢CPU 没用满。--threads默认 4按核数调大生产环境顺手关掉--debug。依赖冲突装包方式混用了。坚持离线缓存 --no-index一条路走到底。接下来三件事就可以动手了先装en,zh双模型跑通翻译按目标机情况在本地、Docker、便携三种形态里选一个定型装完用上面的 curl 命令加断网重测完成验收。往后可以关注两个方向模型量化进一步压体积以及纯前端 WebAssembly 离线版。【免费下载链接】LibreTranslateFree and Open Source Machine Translation API. Self-hosted, offline capable and easy to setup.项目地址: https://gitcode.com/GitHub_Trending/li/LibreTranslate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考