Mac 上一键翻译文档：PDF、Word、Markdown、图片和录音都能处理

Mon, 25 May 2026 10:00:00 +0200

本文介绍 Translate Document Quick Action，一个可以从 Finder 调用的 Mac 文档翻译工具，支持 PDF、Word、Markdown、TXT、图片 OCR 和音视频转录文本。

我开源了一个新的小工具：Translate Document Quick Action。

项目地址在这里：Jingyuan-Zheng/translate-document-quick-action。

它最初是一个 macOS Finder Quick Action：选中文档，右键运行，就在原文件旁边生成翻译后的文件。后来我把核心逻辑整理成了普通 Python 脚本，所以它也可以从命令行使用。

为什么要做这个工具

实际工作里的“翻译文档”很少只有一种格式。

今天可能是 PDF 报告，明天是 Word 文档，后天又变成 Markdown 笔记、截图、扫描图，甚至是一段会议录音，需要先转录再翻译。

很多工具只能解决其中一小段流程。Translate Document Quick Action 想解决的是更日常的问题：尽量把这些常见文件格式放进同一个入口里，让你不用每次都临时找工具、改脚本、搬文件。

支持哪些格式

目前项目支持：

PDF：通过 pdf2zh-next 翻译
DOCX：直接修改 Word XML，尽量保留原始包结构和媒体引用
Markdown：保护常见 Markdown 结构后翻译
TXT：按行保留文本结构
图片：可使用 macOS Vision OCR 的轻量方案，或接入 manga-image-translator
音频和视频：通过 MacWhisper 的 mw CLI 生成转录文本，并可继续翻译转录稿

输出文件会生成在原文件旁边，并且不会覆盖已有文件。单语译文会使用目标语言后缀，例如 _CN.docx；双语文件会使用源语言和目标语言后缀，例如 _EN_CN.docx。

翻译效果预览

PDF 双语输出使用 pdf2zh-next 的双语 PDF 模式，适合对照检查原文和译文，也尽量保持页面布局的可读性。

图 1：PDF 双语输出，方便对照原文与译文。

Markdown 和 TXT 的双语输出会按段落交错排列。这个形式很适合审校，因为你可以直接看到每段原文下面对应的译文。

图 2：TXT 输出保留按行检查的便利性。

图 3：Markdown 双语输出会尽量保留常见文档结构。

DOCX 的双语输出会在原段落后插入译文段落，同时尽量保留文档里的图片、媒体引用和原有结构。

图 4：DOCX 双语输出适合在 Word 里继续审阅。

图片翻译则可以走 macOS Vision OCR 的轻量路径：识别图片里的文字，翻译后再把译文画回检测到的文本区域。它适合截图、图表、幻灯片这类相对干净的图片。

图 5：图片双语输出会把原图和译图并排放在一起。

翻译引擎与隐私选择

文本翻译部分目前支持 Google、Bing 的网页端点，也支持本地 Ollama 适配器。

Google 和 Bing 的方式胜在方便，但它们不是官方付费 API，可能遇到限流，也可能因为上游行为变化而失效。如果是敏感文档，我更建议使用本地 Ollama 后端，或者把翻译适配器替换成正式的官方 API。

这个项目刻意把“文件结构处理”和“翻译后端”分开，后续要换引擎会比较直接。

安装方式

先安装 Python 依赖：

1
2
3

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

如果要翻译 PDF，需要单独安装 pdf2zh-next：

`1`	`uv tool install --python python3.13 "pdf2zh-next==2.6.4" --with "BabelDOC==0.5.16"`

如果要使用 macOS Finder Quick Actions，可以运行：

`1`	`python3 macos/install_quick_actions.py`

命令行用法

翻译 TXT、Markdown 和 DOCX：

`1`	`python3 scripts/translate_document_worker.py --engine google --lang-out zh --mode both file.txt notes.md paper.docx`

用 macOS Vision OCR 的轻量方案翻译图片：

`1`	`python3 scripts/translate_image_worker.py --image-engine simple-macos --text-engine google --lang-in auto --lang-out zh --mode both image.png`

转录音频或视频，并翻译转录稿：

`1`	`python3 scripts/translate_audio_worker.py --operation both --engine google --lang-out zh --mode dual interview.m4a`

使用时要注意什么

这是一个面向日常自动化的工具，不是“所有复杂文档都能完美翻译”的承诺。

DOCX 目前覆盖正文、页眉、页脚、脚注、尾注和批注等常见内容。像 SmartArt、嵌入对象、公式、复杂文本框这类 Word 高级结构，仍然需要更多测试。

图片里的 simple-macos 引擎适合干净截图、图表和幻灯片。它不是 AI 修图或智能重绘。如果背景复杂，或者是漫画这类场景，更适合接入可选的 manga-image-translator。

如果你的翻译工作经常在 PDF、Word、Markdown、截图和录音之间来回切换，这个项目至少能把入口统一起来，让常见任务不用再散落在一堆临时脚本里。

DOCX on 小景