LibreTranslate 自托管指南：三步跑通自己的免费翻译API

LibreTranslate 自托管指南三步跑通自己的免费翻译API【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/LibreTranslateLibreTranslate 是一个基于 AGPLv3 协议的开源机器翻译 API你可以把它部署在自己的服务器上全程离线工作不经过任何第三方的翻译服务。它把翻译引擎Argos Translate 的开源模型直接跑在你机器上通过 RESTful 接口提供文本翻译、文件翻译和语言自动检测还自带一个浏览器里的操作界面。如果你的数据不能出内网、不想按调用量给商业 API 付费、或者需要一个随时可改可审计的自建翻译 API它就是目前最省事的选择之一。先说清楚它适合谁不适合谁把自托管翻译服务想象成在家里自己装一台打印机墨盒语言模型是你自己的印多少张不跟谁交钱纸数据也不经过任何外人。代价是打印机的质量取决于你买的墨盒而不是印厂中央的顶级设备。所以我的判断很直接——它适合内网系统、个人项目、隐私敏感业务、中小流量场景以及必须完全可控的合规需求。它不适合指望它替代顶级商业引擎的场景Argos 的开源模型翻译日常对话、文档、工单绰绰有余但和头部商用模型比长难句和文学性文本的质量是有差距的。预期摆正它就不会让你失望。三步跑起来Docker 最省心整个项目用 Python 写的 Flask 应用核心路由和校验逻辑都在 libretranslate/app.py依赖和模型打包都挺干净。生产上我推荐直接用官方镜像一条命令的事docker run -d -p 5000:5000 -v lt-local:/home/libretranslate/.local --name libretranslate libretranslate/libretranslate这里有个容易忽略的细节第一次启动时它会自动下载语言模型每个语言对几十到几百 MB所以首次启动必须能联网之后就可以完全离线跑了。模型统一放在/home/libretranslate/.local所以上面那条命令挂了个卷避免重启容器后重新下载。仓库里还有个更简单的入口 run.sh会帮你检查 Docker 环境再启动嫌输命令麻烦可以直接用它docker-compose.yml 则适合需要长期运维的场景。想从源码跑也行流程就四步克隆仓库后pip install -e .再执行python scripts/install_models.py模型安装脚本支持--load_only_lang_codes只装指定语言最后python main.py --host 0.0.0.0 --port 5000。克隆地址用git clone https://gitcode.com/GitHub_Trending/li/LibreTranslate。翻译 API 怎么调一个 curl 就够服务起来后浏览器打开http://服务器IP:5000就能看到内置的 Web 界面输入文本选语言对即可翻译文件txt、docx、pdf 等也能直接传。接口党不用看图翻译的核心就一个/translate端点curl -X POST http://localhost:5000/translate \ -d qHello, world! -d sourceauto -d targetzh返回 JSONtranslatedText字段就是结果source传auto时会顺带返回detectedLanguage相当于翻译和语言检测一次搞定。这个端点还有不少实用参数q可以传数组做批量翻译format支持text和html两种输入alternatives能要多个候选译文完整参数定义在 app.py 的 swagger 注释里。配合起来看这几个辅助端点就够了/languages返回已装的语言和可译目标/health给容器健康检查用/docs是自动生成的 Swagger 界面——接口文档不用查外部资料开着它点就行。调通了接口下一步通常是把它交给团队或上线这就到了加固环节。 API 密钥和请求限制怎么开默认状态下任何人都能无限调用你的服务内网无所谓暴露公网就是事故。项目内置了一套很完整的防滥用机制限流与封禁逻辑在 libretranslate/flood.py常用开关有这么几个启动时加--api-keys然后用自带管理工具签发密钥python manage.py keys add 60000它会生成一个 UUID 并打印出来60000 是这把钥匙每分钟允许的请求数。密钥存在 SQLite 里默认路径db/api_keys.db实现见 libretranslate/api_keys.py还支持按密钥单独设置--char-limit字符上限。如果嫌管本地库麻烦--api-keys-remote可以把密钥校验转发给你自己的远端服务。几个高频开关建议记一下--req-limit按分钟限流、--char-limit按字符限流、--batch-limit限制单批文本条数超限的请求会触发封禁计数屡教不改的 IP 会被 ban。真被爬虫盯上了直接开--under-attack所有请求强制带密钥裸调一律 403。资源层面--load-only en,zh,fr只加载需要的语言能省下大几 GB 内存--threads默认 4 个线程机器核多可以调高--metrics加个--metrics-auth-token就暴露出 Prometheus 指标端点/metrics接入监控台一劳永逸。部署在反代后面时--url-prefix让它挂在子路径下--trust-forwarded-for则让限流能读到真实客户端 IP。️ 避坑指南上线前必看默认只监听 127.0.0.1源码方式启动不写--host 0.0.0.0的话别的机器根本访问不到这是被问得最多的为什么连不上。默认全无限流req-limit、char-limit默认都是 -1不限制内网自嗨没问题公网部署前一定要把限额加上这是自托管翻译服务被刷爆的第一原因。auto 检测不是万能的短句、夹杂专有名词或两种语言的混合文本容易误判。稳定场景里source能明确传就明确传别依赖自动检测。离线环境装模型要提前备货--update-models只会在启动时尝试更新内网机器建议在有网环境先跑一遍模型下载把整个.local目录拷过去。别全量加载语言每个语言对都是一个实体模型全装下来内存和磁盘都不友好。按业务需要--load-only这是性能优化的第一杠杆。顺带一提libretranslate/tests/test_api/ 下的测试文件test_api_translate.py、test_api_detect_language.py等基本覆盖了所有接口的行为边界改配置前翻一翻比猜参数行为要快得多。自托管翻译 API 这事技术门槛其实不高真正的成本在于想清楚你的流量有多大、数据要守住哪道门、模型质量够不够你的场景。把这三件事答完上面这些开关怎么组合基本就水到渠成了。【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