• 命令行版（开发者/高级用户）
  如需使用命令行版本或参与开发：

1. 下载本项目 或 clone 仓库，解压到任意位置
2. 安装 Python 3.11.9。 下载
   安装时勾选下方 add Python to path
3. 安装Python依赖：双击 安装、更新依赖.bat，或手动执行 pip install -r requirements.txt

以下步骤适用于 Windows。从源码运行桌面端时，请先 clone 或下载本仓库源码，并在仓库根目录（包含 run_desktop_dev.bat 的目录）打开终端。

首次准备环境

1. 安装 Python 3.11.9 和 Node.js LTS，确保 python、node、npm 已加入 PATH。
2. 若要启动原生桌面窗口，安装 Rust，使用默认的 Windows MSVC 工具链；安装Rust时会提示安装VC工具链和SDK，要一并安装。
3. 安装完成后重新打开终端，在仓库根目录执行以下命令，建立项目独立的 Python 环境并安装依赖：

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
npm.cmd --prefix desktop ci

日常启动

双击仓库根目录的 run_desktop_dev.bat，或在终端执行：

.\run_desktop_dev.bat

启动脚本会自动激活仓库中的 .venv，并识别默认安装在 %USERPROFILE%\.cargo\bin 下的 Cargo。脚本会分别打开 Python 后端和前端开发控制台：

• 后端地址为 http://127.0.0.1:12333，前端开发地址为 http://127.0.0.1:1420/。
• 检测到 Cargo 时，会编译并打开 Tauri 桌面窗口。首次启动需要下载 Rust 依赖并编译，请等待控制台完成。
• 未检测到 Cargo 时，会启动浏览器开发模式；手动打开前端地址即可。此模式无需安装 Rust、C++ 编译工具或 WebView2。
• 前端代码修改后支持热更新，Rust 代码修改后会自动重新编译；修改 Python 后端代码后需要重启后端。

使用注意

• .venv 和依赖只需首次创建、安装。更新源码后，如果依赖有变化，重新执行上面的 Python 依赖安装命令和 npm.cmd --prefix desktop ci。
• 如果出现 ModuleNotFoundError，检查是否已将依赖安装到仓库的 .venv 中；启动脚本不会自动安装 Python 依赖。
• 启动前确保 12333 和 1420 端口未被其他实例占用。退出时在后端、前端两个开发控制台分别按 Ctrl+C 停止服务，再关闭控制台；只关闭桌面窗口不会停止单独运行的 Python 后端。

或者，参考资源包后缀表，比较资源包的后缀。

剧情脚本一般在一些有明显关键字的资源包，或在资源包中明显关键字的目录内，例如：scene、scenario、message、script等字样。并且脚本通常是由许多明显分章节、分人物，有的还分出了剧情和hs(例如带_h)，通常多翻找几个资源包就能找到。

或者，参考Dir-A佬的教程

特别的，针对新的krkrz引擎，GARbro已经无法打开资源包，可以用KrkrzExtract项目，将游戏拖到exe上启动。然后下一个全cg存档，直接把所有剧情ctrl一遍，也可以获取到脚本文件。

• 【2.1. 提取脚本文本】
      通常情况下，本项目是结合VNTextPatch工具来解包脚本的。 VNTextPatch是由外国大佬arcusmaximus开发的支持许多引擎脚本的提取与注入的通用工具。（但并不是这些引擎都能搞定了，实测有的游戏是会提取失败的）

    VNTextPatch是使用cmd操作的，为了降低上手难度，我搓了一个图形化的界面，你可以在项目的useful_tools/GalTransl_DumpInjector内找到，点击GalTransl_DumpInjector.exe运行。
    现在，你只需要选择日文脚本目录，然后选择保存提取的日文json的目录，这里一般将日文脚本放到叫script_jp的文件夹，再新建一个gt_input目录，用于存储提取出的脚本：
    需要注意GalTransl全程是使用name-message格式的JSON输入、处理和输出的。JSON是什么
提取出来的json文件可以用emeditor打开，一般是这个样子的：

[
  {
    "name": "咲來",
    "message": "「ってか、白鷺学園だったらあたしと一緒じゃん。\r\nセンパイだったんですねー」"
  }
]

    其中，每个{object(对象)}是一句话，message是消息内容，如果object还带了name，说明是对话。不过可能并不是所有类型的脚本都可以带name提取，当可以正确提取name时，GalTransl的翻译质量会更好。
    PS. GalTransl只支持指定格式的json文件输入，但并不是说GalTransl就与VNTextPatch工具绑定了，也可以使用SExtractor工具，现在也支持导出GalTransl需要的name-message格式JSON

• 【2.2. 使用桌面端翻译（推荐）】     从 Release 下载最新版，解压后双击 GalTransl Desktop.exe 启动桌面端。桌面端会自动启动后端服务，无需手动操作。

    启动后的基本流程：

1. 新建项目：在首页点击"新建项目"，选择项目存放位置，导入待翻译文件
2. 配置翻译后端：在新建项目向导中选择翻译后端（如Deepseek、OpenAI等），填入API Key和Endpoint。也可以在左侧"后端配置"页面预先配置多个后端方案
3. 设置字典：在项目的"项目字典"页面配置GPT字典和常规字典（建议至少配置人名字典）
4. 开始翻译：在"翻译工作台"页面点击开始翻译，实时查看翻译进度和结果
5. 查看缓存与问题：翻译完成后在"缓存与问题"页面查看自动找错结果，修正缓存后重新生成

    桌面端支持同时打开多个项目、深色模式、自定义背景等功能，具体可在"设置"页面调整。

• 【2.2b. 使用命令行翻译（高级用户）】     如需使用命令行版本，在项目示例文件夹sampleProject中，将config.inc.yaml重命名为config.yaml，将日文json文件放入gt_input文件夹，编辑config.yaml配置翻译后端：

# 翻译后端相关设置
backendSpecific:
  OpenAI-Compatible: # (ForGal/ForNovel/GenDic)OpenAI API兼容接口通用
    tokens:
      - token: sk-example-key1
        endpoint: https://api.deepseek.com # 请求地址，加不加v1都可以
        modelName: deepseek-chat
      - token: sk-example-key2
        endpoint: https://openrouter.ai/api/v1/chat/completions # /chat/completions结尾则不自动补v1
        modelName: deepseek/deepseek-chat-v3-0324:free
        stream: true # 支持为单个token设置流式请求

• 一些收费api转发项目，例如：硅基流动（modelName: "deepseek-ai/DeepSeek-V3.1-Terminus"）、oaipro等等，以上只是举例，更多中转可以谷歌，本项目不担保它们的稳定性及可用性。

    但要注意这里获取的key填入的同时要修改endpoint地址，一般在对应平台的说明里能找到：

      - token: sk-example-key1
        endpoint: https://api.siliconflow.cn # 请求地址，加不加v1都可以

    修改好项目设置后，确保你已经安装了需要的依赖（见环境准备），然后双击run_GalTransl_terminal.bat，输入项目路径即可开始翻译。

    但是，不建议就这样开始翻译了，请至少要先学会GPT字典的使用，或者选择GenDic来生成一个人名字典，为你要翻译的gal设定好各角色的人名字典，这样才能保证基本的翻译质量。

    翻译完成后，记得修修缓存，因为大模型经常会犯错。GalTransl会自动查找一些常见问题并记录于缓存中。可以对缓存进行修正，并重新运行程序来基于缓存重新生成结果json，见自动化找错章节和翻译缓存章节

• 【2.3. 构建中文脚本】
      如果你是使用GalTransl提取注入工具提取的脚本，构建同理，选择日文脚本目录、中文json目录、中文脚本保存目录，然后点'注入'，即可将文本注入回脚本。但这里面有一些坑，第四章会提到。

注：

1. 这里一般把中文脚本保存目录叫script_cn，因为日文脚本目录叫script_jp
2. 一般使用什么工具导出，就用什么工具导入。所以要先尝试导入导出是否都正常再开始翻译。

    构建好中文脚本后，下一步就是想办法让游戏读取。首先目前主流引擎基本都是支持免封包读取的，可以继续参考Dir-A佬的教程，看看你要搞的引擎支不支持免封包读取。
    特别的，针对krkr/krkrz引擎，可以使用arcusmaximus大佬的KirikiriTools工具，下载里面的version.dll，丢到游戏目录里，然后在游戏目录里新建一个"unencrypted"文件夹，将脚本直接丢进去（不用新建二级目录），就可以让krkr读取

    在这一章首先需要了解一下unicode、sjis(shift jis)、gbk编码的基础知识，为了偷懒在这里我还是放Dir-A佬的文章，如果你对这块不了解的话，先去读一下。

如果你在做的引擎支持unicode编码，例如krkr、Artemis引擎等，一般就可以直接玩了。但如果引擎是使用sjis编码的话，直接打开会是乱码，这时候需要通过2种路线尝试使其可以正常显示中文：

路线1：使用GBK编码注入脚本，然后修改引擎程序使其支持GBK编码
路线2：仍然使用jis编码注入脚本，但通过jis隧道或jis替换（推荐）2种方式，结合通用注入dll在运行过程中通过动态替换来显示中文

GalTransl提取注入工具的VNTextPatch模式注入脚本时默认是以sjis或unicode(utf8)编码注入的，这取决于引擎类型。

• 使用路线1
  （注：这个模式现在有bug，有的引擎会卡死）在注入前勾选"GBK编码注入"，在这个模式下所有GBK编码不支持的字符将被替换成空白，例如音符♪
  然后需要ollydbg或windbg工具，在这里下载，用于修改引擎。
  最后还是去看Dir-A佬的教程，里面有教如何下断点、修改，完全没接触过逆向的话这可能很难，但没办法，照着视频多试试。

• 使用路线2
  在注入脚本时先什么都不勾选，如果有提示"sjis_ext.bin包含文字：xxx"的话，说明程序是以sjis编码注入的，并把这些不支持显示的字符放到script_cn目录内的sjis_ext.bin里供sjis隧道模式调用了。

jis隧道：仍然来自arcusmaximus大佬的VNTranslationTools项目中的VNTextProxy组件。VNTextPatch在将文本注入回脚本时，会将sjis编码不支持的字符临时替换为sjis编码中未定义的字符，VNTextProxy通过DLL劫持技术HOOK游戏，并在遇到这些字符时再把它还原回去。

当使用sjis隧道模式时，将script_cn内的sjis_ext.bin文件移动到游戏目录内，然后将useful_tools\VNTextProxy内的所有dll逐个丢到游戏目录内(一般推荐先试version.dll，或使用PEID/DIE等工具查输入表)，运行游戏，看有没有哪个dll可以正确的hook游戏并让不显示的文本可以正常显示（不正常的话那些地方会是空的）。不正常的话，删掉这个DLL，换下一个。详细设置见此

jis替换：来自AtomCrafty大佬的UniversalInjectorFramework(通用注入框架)项目，也是通过DLL劫持技术HOOK游戏，并可以将某个字符根据设置替换成指定的另一个字符，不限编码。我建立了一套替换字典，按一些规则梳理了jis编码内不支持的简中汉字与jis支持的日文汉字的映射关系，可以满足99.99%常用简体中文汉字的正常显示(见hanzi2kanji_table.txt)，并将替换功能写在了GalTransl提取注入工具内(新：现在SExtractor也支持替换，并且更好用)。在替换后结合UniversalInjectorFramework的动态Hook替换功能在游戏中将这些日文汉字替换回简中文字，实现游戏的正常显示。

当使用sjis替换模式时，可以先运行一遍GalTransl提取注入工具的注入文本，获取游戏不支持的文字列表（注入后会提示"sjis_ext.bin包含文字：xxx"），然后，勾选"sjis替换模式注入"，把这些文字复制到右边的文本框内，再点击注入。注入后会获得一个sjis替换模式配置。

打开useful_tools/UniversalInjectorFramework文件夹，里面也是很多dll，也是逐个尝试，一般推荐先试winmm.dll，把目录内的uif_config.json一并复制到游戏目录，然后编辑这个json，按GalTransl提取注入工具提供的配置填写source_characters和target_characters。
然后运行游戏，如果游戏可以正常运行，并且弹出了一个像这样的控制台：
那多半就搞定了。如果不正常的话，删掉这个DLL，尝试换下一个。
注：UniversalInjectorFramework也支持sjis隧道模式，可以设置tunnel_decoder为True然后在mapping里填入sjis_ext.bin包含文字。
注：UniversalInjectorFramework的控制台窗口可以隐藏，详细配置文件设置见此

• 举例来说，你可以提前在这里对每个角色名的中文翻译进行定义，并说明这个角色的设定，例如性别、大致年龄、职业等。通过自动给GPT喂这些设定，可以自动调整合适的人称代词他/她、称谓等，并固定人名为假名时的中文翻译。
• 再比如，可以在这里为GPT补充一些它总是翻不对的词语，如果提供一定的解释，它会理解的更好。

• 通过下面这个例子认识GPT字典喂人物设定的用法，每行的格式为日文[Tab]中文[Tab]解释(可不写)，注意中间的连接符为TAB

フラン	芙兰	name, lady, teacher
笠間	笠间	笠間 陽菜乃’s lastname, girl
陽菜乃	阳菜乃	笠間 陽菜乃's firstname, girl
张三	张三	player's name, boy
$str20	$str20	player's codename, boy

这几条字典都是定义角色用的：

• 第一条可以理解为我想告诉GPT：“假名フラン的翻译是芙兰，这是人名，是位女士，是老师”。这样GPT在翻译フラン先生的时候就会翻译成芙兰老师而不会是芙兰医生。
• 二三条是同一个人的日本姓和名，经测试姓名必须拆成两行写，不然GPT3.5会不认识。
• 第四条是设定主角的推荐写法。注意即使日文和中文相同，也要再重复一遍
• 第五条是主角在脚本中使用占位符而不是名字时的推荐写法。
• 设定不要太复杂，否则会让GPT多很多奇怪脑补。

• 通过下面这个例子认识GPT字典喂生词的用法，每行的格式亦为日文[Tab]中文[Tab]解释(可不写)，注意中间的连接符为TAB

大家さん  房东
あたし	我/人家	use '人家' when being cute

• 当你发现GPT不太认识这个词，例如“大家さん”，并且这个词含义比较唯一，那么就可以像这样加进通用GPT字典里，解释不是必要的。
• 第二行的中文写了一个多义词“我/人家”，并且在解释中写了“当扮可爱时用人家”。GPT3.5没那么聪明，但GPT4基本可以灵活运用。
• 想让GPT更瑟？自己加字典（

在程序目录中，Dict文件夹内有"通用GPT字典.txt"，在sampleProject文件夹内会有"项目GPT字典.txt"，一般人名定义写进项目字典，通用提高翻译质量的词汇写进通用字典。
只有当本次发送给GPT的人名和句子中有这个词，这个词的解释才会被送进本轮的对话中。
但不要什么词都往里加，什么都往里加只会害了你，推荐只写各角色的设定和总是会翻错的词。

运行时字典会动态的展示在每一次请求里：

译前字典多用于一些口齿不清的矫正情况，以及多个词代表同个意思的话，可以用译前字典先统一，减少GPT字典的输入。

译后字典就是比较常见的字典，在译后将某个词替换成另一个词，但是此处我改进了一个叫"条件字典"的东西。条件字典实际上就是在替换前增加了一步判断，用于避免误替换、过度替换等情况。
每行格式为pre_jp/post_jp[tab]判断词[tab]查找词[tab]替换词

• pre_jp/post_jp代表判断词查找的位置，定义在"翻译缓存"章节讲
• 判断词：如果在查找位置(pre_jp/post_jp)中找到判断词，才会激活后面的替换。
• 判断词可以在开头加"!"代表"不存在则替换"，否则一般是代表"存在则替换"。
• 判断词可以使用[or]或[and]关键字连接，多个[or]连接代表"有一个条件满足就进入替换"，多个[and]连接代表"条件都满足才进入替换"。
• 查找词、替换词，同普通字典，将a替换成b。

翻译缓存与json_jp是一一对应的，在翻译过程中，翻译结果会优先写进缓存里，当一个文件被翻译完成后，才会出现在json_cn里。

首先，总结一些要点：

1. 当你想重翻某句时，打开对应的翻译缓存文件，删掉该句的pre_zh整行(不要留空行)
2. 当你想整段重翻时，直接删对应的数个object块，重翻某文件时，直接删对应的翻译缓存文件。
3. 当GalTransl正在翻译时，不要修改正在翻译的文件的缓存，改了也会被覆写回去。
4. json_cn结果文件 = 翻译缓存内的pre_zh/proofread_zh + 译后字典替换 + 恢复对话框
5. 当新的post_jp与缓存内的post_jp不一致时，会触发重翻，一般发生在添加了新的译前字典时

下面是翻译缓存的典型样例：

    {
        "index": 4,
        "name": "",
        "pre_jp": "欠品していたコーヒー豆を受け取ったまでは良かったが、\r\n帰り道を歩いていると汗が吹き出してくる。",
        "post_jp": "欠品していたコーヒー豆を受け取ったまでは良かったが、\r\n帰り道を歩いていると汗が吹き出してくる。",
        "pre_zh": "领取了缺货的咖啡豆还好，\r\n但是走在回去的路上就汗流浃背了。",
        "proofread_zh": "领了缺货的咖啡豆倒是没问题，\r\n可是走在回去的路上，汗水就冒了出来。",
        "trans_by": "NewBing",
        "proofread_by": "NewBing",
    },

解释一下每个字段的含义:

• 基本参数：
  index 序号
  name 人名
  pre_jp 原始日文
  post_jp 处理后日文。一般来讲，post_jp = pre_jp 去除对话框 + 译前字典替换。你会代码的话也可以在此处加入自己的处理
  pre_zh 原始中文
  proofread_zh 校对的中文
  （没有post_zh，post_zh在结果文件夹里。）
  trans_by 翻译引擎/翻译者
  proofread_by 校对引擎/校对者
  problem 存储问题。见下方自动化找错。
  post_zh_preview 用于预览json_cn，但对它的修改并不会应用到json_cn，要修改pre_jp/proofread_zh

• 简单讲下如何用Emeditor修缓存：选中一个文件，先右键-Emeditor打开，然后把transl_cache内所有文件全选拖进去。
  这时候标签可能会占很大位置，右键标签-自定义标签页，将"标签不合适时"改成"无"，这样标签就只会在一行了（需要使用Emeditor专业版）。
  接着ctrl+f搜索，搜索你感兴趣的关键字（如problem、doub_content），勾选"搜索组群中所有文档"，即可快速在所有文件中搜索，或点提取快速预览所有的问题。

• VSCode也是非常好的修缓存工具，只要使用VsCode打开缓存文件夹，然后全局搜索如problem，就可以快速定位所有问题

• 在确定需要修改的内容后，直接修改对应句子的pre_zh，或proofread_zh，然后重新跑一遍Galtransl，很快就会生成新的json_cn

# 自动问题分析配置，在-前面加#号可以禁用
problemAnalyze:
  problemList: # 要发现的问题清单
    - 词频过高 # 重复大于20次
    - 标点错漏 # 标点符号多加或漏加
    - 残留日文 # 日文平假名片假名残留
    - 丢失换行 # 缺少换行符，一般没事
    - 多加换行 # 换行符比原句多，可能导致溢出屏幕
    - 比日文长 # 比日文长1.3倍以上
    - 字典使用 # 没有按GPT字典要求翻译
    - 语言不通 # 疑似没有被翻译成目标语言，翻译为中文时检查是否包含非GBK字符
    #- 引入英文 # 本来没有英文，译文引入了英文
    #- 比日文长严格 # 严格查找，不能比日文长

目前支持找以上问题，有的项目被#号注释，可以取消来开启，或手动加上#号关闭对应问题的查找。

找到问题后会存在翻译缓存里，见翻译缓存章节，使用Emeditor批量提取problem关键字就可以看到目前所有的问题了，并通过修改缓存的pre_jp来修正问题。

（新） 现在还可以通过在config.yaml中配置retranslKey来批量重翻某个问题，例如 retranslKey: "残留日文"