LibreTranslate 离线实战3 步起自建翻译服务双模型约 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本文写给要在无网络环境跑机器翻译的人。LibreTranslate 是一个免费、可自托管、支持离线的翻译 API翻译完全依赖本机模型运行时不碰外网。最低成本Python 3.10、只装 en 和 zh 两个模型、磁盘约 600MB、默认监听5000端口。结论先行模型仅装 en、zh 时磁盘约 600MB全量约 4GB默认监听127.0.0.1:5000--host/--port可改装模型需要联网装完后运行期零联网Python 3.8 至 3.13 均可pyproject.toml 的 classifiers工作线程--threads默认 4按核数调前置检查Python 版本我实测 3.10官方支持 3.8网络状态下载模型那一步必须在线之后可断网磁盘余量留 1GB 以上模型 600MB 加 venv 依赖端口 5000 未被占用或被占后改用--port最小可用搭建取源码并建虚拟环境git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate python -m venv venv source venv/bin/activate成功信号venv/bin/activate可执行提示符前出现(venv)。装依赖由 pyproject.toml 锁定全部版本pip install .成功信号结尾出现Successfully installed argos-translate-lt-1.12.1 Flask-2.2.5 ...。落语言模型只装中英python scripts/install_models.py --load_only_lang_codes en,zh成功信号日志打印Loaded support for 2 languages (2 models total)!。模型写入~/.local/share/argos-translate/packagesWindows 在AppData\Roaming\argos-translate\packages。起进程python main.py --host 127.0.0.1 --port 5000离线时日志会出现Cannot update models (normal if youre offline): ...。这不是错误是 libretranslate/init.py 里boot()捕获联网异常后的正常提示忽略即可。体积与依赖控制磁盘预算模块大小可否省略en、zh 模型约 600MB否全量模型约 4GB是venv 依赖未实测否离线依赖流程在有网机器上准备目标机纯本地安装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.txtLinux 间迁移选 manylinux wheelWindows 目标机加--platform win_amd64。两个优化点语言按需装--load_only_lang_codes用逗号分隔的 ISO 639-1 短码代码对照 libretranslate/locales 目录名离线运行时确认 libretranslate/default_values.py 三个默认值不动UPDATE_MODELS为False、SHARED_STORAGE为memory://、API_KEYS_REMOTE为空场景选型如果你只在本机调试就直接python main.py配--load-only en,zh对齐已装模型如果你要上生产就用docker build --build-arg with_modelstrue --build-arg modelsen,zh -f docker/Dockerfile .构建期装好模型如果目标机连 Python 都没有就整包拷贝源码、venv 和模型目录再附一份 Portable Python如果你要多实例共享限流计数就给--shared-storage指一个 Redis 地址验收与排障起服务后按顺序执行curl http://localhost:5000/health预期响应{status:ok}。curl -X POST http://localhost:5000/translate \ -d qHello worldsourceentargetzh预期响应含translatedText字段的中文译文和detectedLanguage。最后断开网络重跑这两条响应不变即离线闭环成立。现象先查什么怎么修语言不可用或找不到模型--load-only短码与已装模型是否一致用同一组代码重跑 scripts/install_models.py翻译慢--threads当前值按 CPU 核数调整生产去掉--debug目标机装依赖失败是否混用了在线源统一走--no-index --find-links离线缓存启动即退出端口占用日志--port换端口先把中英双模型跑通再按场景选本地、Docker 或便携形态。后续可关注两个方向模型量化进一步压缩体积以及纯前端 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 离线实战3 步起自建翻译服务双模型约 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本文写给要在无网络环境跑机器翻译的人。LibreTranslate 是一个免费、可自托管、支持离线的翻译 API翻译完全依赖本机模型运行时不碰外网。最低成本Python 3.10、只装 en 和 zh 两个模型、磁盘约 600MB、默认监听5000端口。结论先行模型仅装 en、zh 时磁盘约 600MB全量约 4GB默认监听127.0.0.1:5000--host/--port可改装模型需要联网装完后运行期零联网Python 3.8 至 3.13 均可pyproject.toml 的 classifiers工作线程--threads默认 4按核数调前置检查Python 版本我实测 3.10官方支持 3.8网络状态下载模型那一步必须在线之后可断网磁盘余量留 1GB 以上模型 600MB 加 venv 依赖端口 5000 未被占用或被占后改用--port最小可用搭建取源码并建虚拟环境git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate cd LibreTranslate python -m venv venv source venv/bin/activate成功信号venv/bin/activate可执行提示符前出现(venv)。装依赖由 pyproject.toml 锁定全部版本pip install .成功信号结尾出现Successfully installed argos-translate-lt-1.12.1 Flask-2.2.5 ...。落语言模型只装中英python scripts/install_models.py --load_only_lang_codes en,zh成功信号日志打印Loaded support for 2 languages (2 models total)!。模型写入~/.local/share/argos-translate/packagesWindows 在AppData\Roaming\argos-translate\packages。起进程python main.py --host 127.0.0.1 --port 5000离线时日志会出现Cannot update models (normal if youre offline): ...。这不是错误是 libretranslate/init.py 里boot()捕获联网异常后的正常提示忽略即可。体积与依赖控制磁盘预算模块大小可否省略en、zh 模型约 600MB否全量模型约 4GB是venv 依赖未实测否离线依赖流程在有网机器上准备目标机纯本地安装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.txtLinux 间迁移选 manylinux wheelWindows 目标机加--platform win_amd64。两个优化点语言按需装--load_only_lang_codes用逗号分隔的 ISO 639-1 短码代码对照 libretranslate/locales 目录名离线运行时确认 libretranslate/default_values.py 三个默认值不动UPDATE_MODELS为False、SHARED_STORAGE为memory://、API_KEYS_REMOTE为空场景选型如果你只在本机调试就直接python main.py配--load-only en,zh对齐已装模型如果你要上生产就用docker build --build-arg with_modelstrue --build-arg modelsen,zh -f docker/Dockerfile .构建期装好模型如果目标机连 Python 都没有就整包拷贝源码、venv 和模型目录再附一份 Portable Python如果你要多实例共享限流计数就给--shared-storage指一个 Redis 地址验收与排障起服务后按顺序执行curl http://localhost:5000/health预期响应{status:ok}。curl -X POST http://localhost:5000/translate \ -d qHello worldsourceentargetzh预期响应含translatedText字段的中文译文和detectedLanguage。最后断开网络重跑这两条响应不变即离线闭环成立。现象先查什么怎么修语言不可用或找不到模型--load-only短码与已装模型是否一致用同一组代码重跑 scripts/install_models.py翻译慢--threads当前值按 CPU 核数调整生产去掉--debug目标机装依赖失败是否混用了在线源统一走--no-index --find-links离线缓存启动即退出端口占用日志--port换端口先把中英双模型跑通再按场景选本地、Docker 或便携形态。后续可关注两个方向模型量化进一步压缩体积以及纯前端 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
