最近在看一套日文轻小说，找不到中文版，试了一圈市面上的方案：
- 沉浸式翻译逐段翻，角色名字一会儿一变，前后完全不统一
- 直接把一章丢给 AI ，上下文一长就开始漂移，设定记不住
- 传统机翻就不说了，纸鹤给你翻成起重机
问题的根源在于：长篇小说的翻译本质上是一个有状态的任务，但大多数工具把它当成一个无状态的文本转换在处理。
所以就自己写了一个：ePubTsuyaku
核心设计
整体是一条四阶段流水线，模拟人类读书→翻译的过程：
0. Reference Phase （可选） 如果有系列前作的精翻版，可以先喂进去。程序会提取惯用译名、人名对照和文风特征，作为后续阶段的软参考。翻系列作品的话这个功能很有用。
1. Summary Phase 按 EPUB spine 顺序串行读取每一章，让 LLM 生成章节摘要和上下文状态（人物关系、当前设定等）。这一步是串行的，目的是建立稳定的全书上下文链。
2. Translation Phase 每章切成多个批次，在冻结的章节上下文上并发翻译。关键点是"冻结"——翻译过程中不更新上下文，避免批次间互相污染。
3. Review Phase 对每个批次做结构化校对，LLM 对照原文打分。低于阈值的批次会带着校对反馈自动重翻，最多重试 N 次。
4. Rebuild 把译文回写进原始 EPUB 的 XHTML 结构，保留目录、资源、大部分元数据，生成新书。不是把原书拆了重建，是在原结构上做替换。
工程上的一些细节
断点续跑：进度写进 progress.json，任务中断后直接续，不用从头跑。
Provider 支持：兼容任意 OpenAI-compatible 接口。三个阶段（摘要/翻译/校对）可以分别指定不同模型，比如摘要用便宜的小模型，翻译用效果好的大模型。
Web UI：用 Flask 写了个本地界面，选书、上传、调参、看实时日志、下载结果都在一个页面里。不想敲命令行的话直接用这个。
翻译质量
用《玩乐关系》第三卷做了个横向对比测试，三个译本：本项目（ DeepSeek-v4-flash ）、沉浸式翻译（ Qwen3.6-plus 逐段）、谷歌机翻。
评测用的是配套写的另一个开源工具 translation-quality-evaluator，跑 LLM judge 对准确性、术语一致性、流畅度等六个维度打分。
结果大概是：本项目综合分 57.4 ，LLM 逐段 35.1 ，机翻 15.2 。术语一致性这项差距最明显，这也是流水线设计的主要目标。
翻译结果对比：
LLM judge 的翻译分数：
详细的评测数据和文本对比在这篇文章里： https://www.tritium.work/2026/05/24/ePubTsuyaku：基于 LLM 的长篇 EPUB 电子书翻译工具/
适合的场景
- 翻轻小说、网文、长篇小说这类上下文强依赖的 EPUB
- 系列作品，希望继承前作译名和语气
项目地址
GitHub： https://github.com/Tritium0041/ePubTsuyaku
官网： https://epub.tsuyaku.cyou/
MIT 协议，Python 3.9+，依赖用 uv 或 pip 装都行。欢迎试用，有问题或者想法直接开 Issue 。