deepseek v4 翻译小说使用感受

julytc

qwjhb 发表于 2026-4-25 11:59
notebooklm有个问题是注意力太集中在前半段，如果生本书扔进去术语表可能主要是前几章的
我先说的做法是not ...

我是先生成一个小术语表 统一人称 关键概念词 地名等这些术语 然后将生成的术语表和小说txt 扔进aistuido 用专门的关键词在提取一遍，notebooklm直接提取的话问了几轮后的确会出现重复回答的情况

花咲茜

我正好相反，需要把自己写的中文小说翻成日文

qwjhb

julytc 发表于 2026-4-26 01:25
我是先生成一个小术语表 统一人称 关键概念词 地名等这些术语 然后将生成的术语表和小说txt 扔进aistuido ...

那效果应该差不多，我现在的做法就是有点费token
每批文本都要经过 术语提取 翻译 总结 三**模型调用
先在上下文大了 我可以试试一次整章翻译 可能效果会好点

另外你有处理术语人名的变体吗？我碰到原文用了人名的昵称，但是被大模型识别出全名是在术语表里出现过，然后昵称就被翻译成了全名状态，导致文中好好说话的地方有时候会变成“你妈叫你全名”的感觉

jojog

花咲茜 发表于 2026-4-26 08:45
我正好相反，需要把自己写的中文小说翻成日文

claudecode然后挂个ds的api用脚本接进去然后润色下效果最好，其他的都翻译腔

julytc

qwjhb 发表于 2026-4-26 11:15
那效果应该差不多，我现在的做法就是有点费token
每批文本都要经过 术语提取 翻译 总结 三**模型调用
先 ...

我的方法比较笨 人名分为三部分 姓 名 全名各一个术语表 昵称也建立一个条目 这样比较容易缓解这种问题

zerona

老哥，把这个帖子的关闭时间看看能不能关掉或者延长点，不然一个月就看不了太惨了。

qwjhb

julytc 发表于 2026-4-26 15:19
我的方法比较笨 人名分为三部分 姓 名 全名各一个术语表 昵称也建立一个条目 这样比较容易缓解这种问题 ...

看来还是得设计术语表，还好英文昵称比较固定可以通过全名预测出来。
毕竟大模型翻译不是cat 看看要么重新设计下术语表，
比如设计个角色信息 把名字、昵称指向角色 大模型应该能理解。

—— 来自 Xiaomi 2512BPNDAC, Android 16, 鹅球 v3.5.99

julytc

qwjhb 发表于 2026-4-26 15:56
看来还是得设计术语表，还好英文昵称比较固定可以通过全名预测出来。
毕竟大模型翻译不是cat 看看要么重 ...

这是我用的提取人名术语表的关键词 希望对你有用 前者用在notebooklm生成小术语表 后者用在aistuido生成完整术语表
生成一份书中人名和其昵称的术语表 要全，按照全文风格，时代气氛，以及角色阶级，年龄进行翻译，不要出现前面是小姐后面是女士的情况，并以以下json格式输出
{
"src": "原文",
"dst": "翻译",
"info": ""
},info的内容保持为空,


# 【角色设定】
你现在是一位**出版级英中文学翻译专家、犯罪文学研究者以及语言学术语工程师**。
你具备以下能力：
* 英美推理小说翻译经验
* 刑侦、法医与法律术语识别能力
* 文学翻译术语标准化经验
* 专业术语库构建经验
你的任务不是简单提取词汇，而是建立一套**可用于整本小说翻译的标准化术语库（Glossary）**。
该术语库必须：
* 译名统一
* 术语精确
* 分类清晰
* 可长期复用
---
# 【任务目标】
请完整阅读我提供的**英文小说文本**。
在理解文本语境的基础上，提取所有**对翻译项目具有术语价值的词汇或表达**，并构建一个：
**英中推理小说翻译术语表（Glossary）**
该术语表将用于：
* 统一翻译
* 防止译名混乱
* 保证推理逻辑准确
---
# 【术语提取体系（核心模块）】
术语必须按以下逻辑进行识别。
---
# 一、实体名称体系（Named Entity System）
## 人名（Person）
必须拆分为三种形式：
* First Name
* Last Name
* Full Name
例如：
Arthur
Holmes
Sherlock Holmes
---
## 地名（Location）
包括：
* 国家
* 城市
* 街道
* 房屋
* 建筑
例如：
* Baker Street
* Whitehall
---
## 机构名称（Organization）
包括：
* 警察机构
* 政府机构
* 法院
* 医院
* 大学
* 公司
例如：
* Scotland Yard
* Metropolitan Police
---
# 二、案件与事件体系（Case & Event）
提取所有案件或事件名称，例如：
* The Locked Room Murder
* The Baker Street Murders
---
# 三、推理结构术语（Mystery Structure Terminology）
必须重点识别以下结构词：
* alibi
* motive
* suspect
* witness
* red herring
* timeline
---
# 四、推理诡计分类（Trick Taxonomy）
识别推理小说中的诡计术语，例如：
* locked-room trick
* time-shift trick
* body substitution
* alibi trick
* impossible crime
---
# 五、刑侦流程术语（Investigation Workflow）
识别侦查过程中的专业词汇，例如：
* interrogation
* surveillance
* search warrant
* evidence collection
---
# 六、证物本体分类（Evidence Ontology）
重点提取与案件证据相关的术语，例如：
* fingerprint
* bloodstain
* footprint
* bullet
---
# 七、法医术语（Forensic Terminology）
包括：
* autopsy
* toxicology
* rigor mortis
* livor mortis
---
# 八、法律术语（Legal Terminology）
包括：
* indictment
* testimony
* cross-examination
* jury
---
# 九、犯罪工具（Weapons）
例如：
* revolver
* dagger
* poison
* cyanide
---
# 十、人物称谓体系（Address System）
提取人物社会称谓，例如：
* Mr.
* Mrs.
* Dr.
* Professor
* Inspector
---
# 十一、文化语言表达（Cultural Expressions）
提取需要本地化处理的语言，例如：
* 英语俚语
* 警察行话
* 黑帮俚语
例如：
* perp
* snitch
* stakeout
---
# 【严格排除规则】
极其重要：
如果某个英文词汇：
* 在中文中已有**稳定固定译法**
* 且不存在翻译歧义
则不要列入术语表。
例如：
* police
* door
* car
这些普通词汇必须排除。
术语表只保留：
* 专业术语
* 推理结构词
* 关键剧情术语
* 需要统一译名的词汇
---
# 【译名选择规则】
当某个词存在多个译法时：
必须选择：
**最通行、最符合中国读者习惯的译名**
避免：
* 生造翻译
* 不常见译法
---
# 【输出格式】
请严格使用以下 JSON 格式输出。
不要输出任何解释。
每个术语单独一条。
info 字段保持为空。
格式如下：
JSON
{
"src": "原文",
"dst": "翻译",
"info": ""
},
---
# 【提取优先级】
术语提取必须遵循以下优先级：
最高优先级：
1 推理结构术语
2 推理诡计术语
第二优先级：
3 证物术语
4 刑侦流程术语
第三优先级：
5 法医术语
6 法律术语
第四优先级：
7 人名
8 地名
9 机构名
---
# 【最终目标】
生成一份**出版级英中推理小说术语库**。
该术语库必须：
* 译名统一
* 分类完整
* 可用于整本小说翻译项目

花咲茜

jojog 发表于 2026-4-26 11:19
claudecode然后挂个ds的api用脚本接进去然后润色下效果最好，其他的都翻译腔 ...

初翻26万字，结果发现汉字太TM多了，一些平时都不会用汉字表记的词也都写成汉字了，吁，还得手动改

别里科夫

我有本英文小说现在还在软件里边看边翻，没把握的句子看一眼ai的结果。有老翻译说做翻译掺了ai文本，整个文本看着就不会好。楼主你怎么看？

zxdrtyhn

可以换换LinguaGacha再跑一遍，是不同运行思路的同类软件

sbjpcn07

感谢分享。

alacab

qwjhb 发表于 2026-4-25 11:59
notebooklm有个问题是注意力太集中在前半段，如果生本书扔进去术语表可能主要是前几章的
我先说的做法是not ...

你是直接用这个翻译不走ainiee吗？

alacab

qwjhb 发表于 2026-4-26 11:15
那效果应该差不多，我现在的做法就是有点费token
每批文本都要经过 术语提取 翻译 总结 三**模型调用
先 ...

俄文小说这问题太严重了，每个人都n个名字，昵称还老重名

julytc

别里科夫 发表于 2026-4-26 21:03
我有本英文小说现在还在软件里边看边翻，没把握的句子看一眼ai的结果。有老翻译说做翻译掺了ai文本，整个文 ...

ai的确存在幻觉，有些遣词造句的确存在人机味道 但这个可以通过模型的进步和关键词的设定解决。如果你使用可以连接上下文的软件或者直接用web端生成翻译 自己对照原文进行修改 然后在喂给ai 让它拿你的译文和他生成的结果进行对比 为下面的翻译定下准则 几轮对话下来基本就可以让ai按照你的文风进行翻译（当然 人工审核依旧是不可缺少的），甚至你可以使用多个ai进行交叉校对。以免自己的翻译思路被一种ai定死。当然如果你是自己看 没必要那么麻烦。
总体而言 出版社拒绝ai有点跟画师或程序员最初继续ai的感觉一样。毕竟在世界知识 翻译需要的词法和语法方面 ai是绝对优势。只是受限于机能和上下文性能目前还很难做到有人味儿罢了

螺旋的小夜曲

我看他打折到5月5号，感觉1块钱至少可以翻译3本小黄本

qwjhb

alacab 发表于 2026-4-26 22:32
你是直接用这个翻译不走ainiee吗？

我自己写代码的
之前都不知道ainiee这个东西

—— 来自 Xiaomi 2512BPNDAC, Android 16, 鹅球 v3.5.99

qwjhb

我这次拿v4 pro翻译了一系列3本小说，改了改术语表的逻辑。
毕竟大模型不是cat软件，术语表好像信息太少，现在是变成了知识库概念。也还是先从notebooklm获取基础的

请分析以下电子书，为其生成一个翻译用的语义知识库，格式为 JSON。

书名：BOX - Neural Wraith 1 - 3
作者：K. D. Robertson

请提取以下内容：

1. characters（人物）：
   - 全名及对应中文译名
   - 昵称/简称及对应中文译名（注意：昵称应对应同一个中文称呼）
   - 角色定位（主角/配角/反派）
   - 性格特征
   - 主要人物关系
   - 说话风格（正式/随意/幽默/严肃等）

2. places（地点）：
   - 地名及中文译名
   - 简要描述

3. concepts（概念/专有术语）：
   - 原文及中文译名
   - 简要说明

4. world_setting（世界观/时代背景）：
   - time_period: 时代
   - culture: 文化背景
   - tech_level: 科技水平（如适用）
   - social_structure: 社会结构
   - translation_note: 整体翻译风格建议

5. cultural_strategy（文化处理策略）：
   - idioms: 习语/成语处理方式
   - measurements: 度量衡处理方式
   - proper_nouns: 专有名词翻译原则

输出 JSON 结构：
{
  "characters": { "姓名": { "translation": "", "nicknames": {}, "role": "", "traits": "", "relationships": {}, "speech_style": "" } },
  "places": { "地名": { "translation": "", "description": "" } },
  "concepts": { "术语": { "translation": "", "description": "" } },
  "world_setting": { "time_period": "", "culture": "", "tech_level": "", "social_structure": "", "translation_note": "" },
  "cultural_strategy": { "idioms": "", "measurements": "", "proper_nouns": "" }
}

v4pro的上下文足够大，先在是按章翻译，然后每章抽新知识、总结，合并知识库，翻译下一章。


不过翻译不太会命中缓存
3本花了我大概9块不到的样子。


通过网盘分享的文件：Neural Wraith 1 - 3_zh.epub
链接: https://pan.baidu.com/s/1ozxewrbEIMn3b5YLo4_JRw?pwd=uqk7 提取码: uqk7 复制这段内容后打开百度网盘手机App，操作更方便哦
--来自百度网盘超级会员v9的分享

增加个全译文输出的版本