Skip to content

ROADMAP.md

Latest commit

 

History

History
352 lines (251 loc) · 7.6 KB

ROADMAP.md

File metadata and controls

352 lines (251 loc) · 7.6 KB

AnimeTranslator 开发路线图

记录项目后续开发计划，按模块分类，标注优先级和状态。

📊 优先级说明

标记 含义
P0 核心功能，近期重点开发
P1 重要功能，计划中
P2 增强功能，待定
✅ 已完成

🌐 翻译模块 (Translation)

P0 - 多目标语言支持

目标：支持将日语字幕翻译成多种目标语言，非硬编码中文

架构设计（Provider + Prompt 模板化）：

src/animetranslator/
├── providers/
│   ├── __init__.py
│   ├── base.py              # Provider 基类
│   ├── translation/
│   │   ├── __init__.py
│   │   ├── base.py          # TranslationProvider 基类
│   │   └── deepseek.py      # DeepSeek 实现
│   └── prompt/
│       ├── __init__.py
│       ├── manager.py       # 提示词管理器
│       └── templates/
│           ├── zh_CN.yaml   # 中文翻译模板
│           ├── en_US.yaml   # 英文翻译模板
│           └── ko_KR.yaml   # 韩文翻译模板

优先支持的语言：

  • English (en_US)
  • 简体中文 (zh_CN) - 重构现有实现
  • 繁體中文 (zh_TW)
  • 한국어 (ko_KR)

后续支持：

  • 用户自定义语言模板
  • 自定义提示词文件路径

配置设计：

# 翻译目标语言
TARGET_LANGUAGE=en_US

# 自定义提示词目录（可选，优先级高于内置）
# PROMPT_TEMPLATES_DIR=/path/to/custom/prompts

提示词模板示例 (en_US.yaml)：

language: en_US
field_name: en_translated
display_name: English

ass_style:
  format: "{ja}\\N{{\\fs45}}{translated}"
  font: Arial

prompt: |
  You are an expert anime translator.
  Translate Japanese dialogue to natural, fluent English.
  
  Rules:
  - Preserve anime-specific terms and character names
  - Handle honorifics appropriately (-san, -chan, etc.)
  - Remove Whisper hallucinations (set to "")
  
  Return JSON: {"1": {"ja_corrected": "...", "en_translated": "..."}}

输出文件命名：

目标语言 输出文件名
zh_CN video_bilingual.ass (保持兼容)
en_US video_en.ass
ko_KR video_ko.ass

P0 - 多服务商支持

目标：支持多个翻译 API 服务商，避免单点故障

计划支持的服务商：

  • DeepSeek（当前支持）
  • OpenAI GPT-4o / GPT-4-turbo
  • Anthropic Claude
  • Google Gemini
  • 阿里云通义千问 (Qwen)
  • 智谱 ChatGLM
  • OpenAI 兼容接口（支持任意自建服务）

配置设计：

TRANSLATION_PROVIDER=deepseek
TRANSLATION_FALLBACK=openai,claude

DEEPSEEK_API_KEY=sk-xxx
DEEPSEEK_MODEL=deepseek-chat

OPENAI_API_KEY=sk-xxx
OPENAI_MODEL=gpt-4o

CLAUDE_API_KEY=sk-xxx
CLAUDE_MODEL=claude-3-5-sonnet

P0 - 改进崩溃降级逻辑

当前问题：

  • 3次重试失败后直接返回原文，标注 【API失败暂缺】
  • 无备用服务切换机制

改进方案：

主服务失败
  → 重试 3 次
  → 切换备用服务 1（如 OpenAI）
  → 重试 2 次
  → 切换备用服务 2（如 Claude）
  → 最终降级返回原文

配置设计：

TRANSLATION_MAX_RETRIES=3
TRANSLATION_FALLBACK_ENABLED=true
TRANSLATION_FALLBACK_ORDER=openai,claude
TRANSLATION_TIMEOUT=120

P1 - 服务端校对模式

目标：主服务翻译 → 校对服务润色，提升翻译质量

使用场景：

  • DeepSeek 翻译（性价比高）→ GPT-4 校对（质量高）
  • 适合对翻译质量要求较高的用户

配置设计：

PROOFREAD_ENABLED=true
PROOFREAD_PROVIDER=openai
PROOFREAD_MODEL=gpt-4o

流程：

DeepSeek 翻译 → GPT-4 校对润色 → 输出最终字幕

P2 - 多服务端同步调用

目标：同时调用多个 API，智能选择最佳结果

模式：

模式 说明
race 竞速模式，谁先返回用谁
vote 投票模式，多数结果一致则采纳
best 评分模式，用另一个 API 评估质量选最优

配置设计：

TRANSLATION_PARALLEL_MODE=race
TRANSLATION_PARALLEL_PROVIDERS=deepseek,openai

🎙️ 语音识别模块 (ASR)

P1 - 轻量级模型选项

  • 支持 Whisper Medium/Small
  • 降低显存需求至 4GB
  • 配置项：WHISPER_MODEL=medium|small

P2 - 多 ASR 引擎支持

  • WhisperX（更快的时间对齐）
  • Moonshine（轻量级替代方案）
  • FunASR Paraformer（阿里开源模型）

P2 - 多源语言支持

目标：支持从非日语视频生成字幕

  • 韩语视频识别（SOURCE_LANGUAGE=ko）
  • 英语视频识别（SOURCE_LANGUAGE=en）
  • 中文视频识别（SOURCE_LANGUAGE=zh）
  • 配置项：SOURCE_LANGUAGE=ja|ko|en|zh

注意：此功能与翻译模块的"多目标语言支持"不同

  • 源语言：视频中的原始语音语言
  • 目标语言：翻译后的字幕语言

🖥️ WebUI 模块

✅ 国际化 (i18n)

  • 英文界面支持
  • 自动检测系统语言
  • WebUI 语言切换下拉框
  • CLI 帮助文本国际化
  • 双语文档 (README)

P2 - 字幕编辑器

  • 实时预览字幕效果
  • 手动修正翻译结果
  • 时间轴调整
  • 保存修改后的字幕

P2 - Docker 部署

  • Dockerfile
  • docker-compose.yml
  • 一键部署脚本

📁 文件格式支持

✅ 已完成

  • MKV
  • MP4
  • AVI
  • MOV
  • FLV
  • WMV
  • WebM

P2 - 字幕格式支持

  • SRT 输出格式
  • SRT 输入（直接翻译现有字幕）
  • VTT 输出格式

🔧 配置与日志

✅ 已完成

  • 结构化日志系统
  • 配置自动验证
  • 日志文件持久化

P2 - 配置增强

  • WebUI 配置热更新
  • 配置预设（快速切换不同服务商组合）

🏗️ 架构优化

P1 - 模块化重构

目标：解耦各模块，支持整合包和功能扩展

当前问题：

  • alignment.py 508行，四阶段逻辑全部堆在一个类
  • webui.py UI与业务逻辑耦合
  • translation.py DeepSeek 硬编码
  • 无统一 Pipeline 抽象

优化方向：

  • 抽取 Provider 基类（ASR/翻译/VAD）→ 详见翻译模块 Provider 设计
  • 提示词模板化，支持自定义 → 详见翻译模块多目标语言支持
  • 拆分 alignment.py 为独立 stages/
  • 添加 Pipeline 编排器 + 事件系统
  • 分离 UI/业务逻辑

P2 - 插件系统

目标：支持第三方插件扩展

  • 插件加载机制
  • 插件 API 接口
  • 插件配置管理

P2 - 整合包支持

目标：支持配置预设，整合包无需改代码

  • YAML 配置文件支持
  • 配置预设系统（default/quality/fast/offline）
  • 整合包打包脚本

📋 版本规划

版本 重点功能 状态
v1.2.x 多格式视频支持、日志系统、国际化 (i18n) ✅ 已发布
v1.3.0 多目标语言支持、提示词模板化 计划中
v1.4.0 多服务商支持、降级逻辑改进、Provider 抽象 计划中
v1.5.0 校对模式、轻量级模型、Pipeline 编排器 计划中
v1.6.0 多 ASR 引擎、插件系统、整合包配置预设 计划中
v2.0.0 字幕编辑器、Docker 部署 远期规划

🤝 贡献指南

欢迎参与开发！请查看以下方式：

  1. 提交 Issue 报告 Bug 或建议新功能
  2. 提交 PR 贡献代码
  3. 参与文档翻译和改进

最后更新：2026-03-16