xxnuo/mtranserver

MTranServer Docker 镜像文档

镜像概述和主要用途

MTranServer 是一个轻量级、超快速的自托管离线翻译服务器。该 Docker 镜像提供了一个便捷的部署方式，使用户能够在本地环境中快速搭建安全、私密的翻译服务，无需依赖外部 API 或网络连接。

核心功能和特性

• 离线运行：完全本地部署，无需互联网连接即可提供翻译服务
• 低资源消耗：优化的资源占用，适合在各种硬件环境中运行
• 超快速响应：高效的翻译引擎，提供即时翻译结果
• 自托管架构：数据完全在本地存储和处理，确保隐私安全
• 多语言支持：支持多种语言之间的互译（具体语言取决于模型配置）
• 轻量级部署：通过 Docker 容器化，简化部署和维护流程

使用场景和适用范围

• 对数据隐私有严格要求的企业或个人用户
• 需要在无网络环境下提供翻译功能的场景
• 开发需要集成翻译功能的本地应用程序
• 教育机构或研究环境中的语言学习辅助工具
• 资源受限的服务器或边缘计算设备
• 对翻译响应速度有较高要求的应用场景

详细的使用方法和配置说明

前提条件

• Docker Engine (20.10.x 或更高版本)
• Docker Compose (可选，用于多容器部署)
• 至少 2GB 可用内存（推荐 4GB 或更高以获得更好性能）

获取镜像

bash
docker pull xxnuo/mtranserver:latest

基本使用方法

使用 docker run 部署

bash
docker run -d \
  --name mtranserver \
  -p 8080:8080 \
  -v ./models:/app/models \
  -v ./data:/app/data \
  --restart unless-stopped \
  xxnuo/mtranserver:latest

使用 docker-compose 部署

创建 docker-compose.yml 文件：

yaml
version: '3.8'

services:
  mtranserver:
    image: xxnuo/mtranserver:latest
    container_name: mtranserver
    restart: unless-stopped
    ports:
      - "8080:8080"
    volumes:
      - ./models:/app/models  # 模型文件存储目录
      - ./data:/app/data      # 应用数据存储目录
    environment:
      - MODEL_SIZE=base       # 模型大小配置 (base/large)
      - MAX_CONCURRENT=5      # 最大并发请求数
      - CACHE_SIZE=1000       # 翻译结果缓存大小

启动服务：

bash
docker-compose up -d

配置参数说明

环境变量

卷挂载

API 使用示例

基本翻译请求

bash
curl -X POST http://localhost:8080/api/translate \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello world",
    "source_lang": "en",
    "target_lang": "zh"
  }'

响应示例

json
{
  "success": true,
  "data": {
    "source_text": "Hello world",
    "translated_text": "你好世界",
    "source_lang": "en",
    "target_lang": "zh",
    "processing_time_ms": 42
  }
}

维护和更新

查看日志

bash
docker logs -f mtranserver

更新镜像

bash
# 拉取最新镜像
docker pull xxnuo/mtranserver:latest

# 停止并删除现有容器
docker stop mtranserver && docker rm mtranserver

# 使用新镜像启动容器（使用之前的 docker run 命令）

常见问题

1. 首次启动缓慢：首次启动时会下载翻译模型，可能需要几分钟时间，具体取决于网络速度。

2. 内存占用过高：如果使用 large 模型，建议至少分配 4GB 内存。可通过切换到 base 模型减少内存占用。

3. 翻译质量问题：离线翻译质量通常低于在线服务，可尝试使用 large 模型改善翻译结果。

4. 端口冲突：如果 8080 端口已被占用，可通过 -p 参数映射到其他端口，如 -p 8081:8080。

注意事项

• 该服务主要用于个人或内部使用，生产环境部署需考虑添加额外的安全措施
• 所有翻译数据均在本地处理，确保数据隐私和安全
• 模型文件较大（base 模型约 1GB，large 模型约 3GB），请确保有足够的存储空间