TBL：整本英文书丢给 AI 翻译，EPUB 排版和目录居然还能保住

而是翻译完一打开：目录没了，标题层级乱了，斜体、脚注、段落样式全挤成一锅粥。几百页内容，翻译可能只花一会儿，重新排版能把人送走。

最近翻到 TBL，也就是 Translate Books with LLMs。它最抓我的地方没那么玄乎，就一个：文件进去什么结构，翻译出来尽量还是什么结构。

EPUB 的章节、样式和目录会保留；SRT 字幕的时间轴不会因为翻译被重新打散；Word 文档也不用先拆成纯文本再一段段塞给模型。当前主要支持 EPUB、SRT、DOCX 和 TXT，项目称长篇内容会自动切块处理，并在分段之间保留上下文。

别小看字幕时间轴这个点。

普通聊天工具翻字幕，经常把两句话合并，或者顺手改掉序号。文字看着是通顺了，往播放器里一塞，人物嘴都说完了，字幕才慢悠悠冒出来。TBL 是保留原始时间戳，只动里面的文本。看课程、访谈和外语视频的人，应该懂这能省多少脏活。

模型这块也没绑死。DeepSeek、Gemini、OpenAI 这些云端接口可以接，想让原文留在自己电脑上，也能走 Ollama 或其他 OpenAI 兼容接口。老鬼看这种工具一般先想的不是“支持多少模型”，而是换模型要不要重写一圈代码。这里基本就是选 Provider、填 Key 或改接口地址，链路比较直。

还有个很现实的设计：断点续译。

翻几百页小说，最怕跑到凌晨撞上限流、网络断开，第二天发现得从第一页重新烧 Token。TBL 会自动保存检查点，中断后可以接着上次进度继续。长任务里，这功能比多支持几个模型实在得多。

不过先别急着把所有文件往里扔。PDF 目前并不在核心支持列表里，带扫描页、复杂表格的文档也不能想当然指望它原样搞定；项目 issue 里仍有人在提 PDF OCR 支持。另外，长篇翻译最终质量还是看模型、提示词和术语一致性，格式保住了，不代表小说人物名一定从头到尾不漂。

好在它给 Windows 和 macOS 做了打包版本，不想装 Python、配环境的，解压运行后在浏览器里操作就行。

手里有英文原版书、外语字幕，或者几十上百页 Word 资料的，可以先拿一小章试试。对我来说，TBL 最值钱的不是“AI 翻译”四个字，而是翻完以后，不用再从目录和时间轴开始收拾残局。