这两个工具支持对接 OpenAI ChatGPT 来进行内容翻译，其中沉浸式翻译还支持 PDF 、EPUB ，以及视频字幕的实时翻译。其翻译效果远超 Google 翻译，甚至人工翻译。其原因是推理模型本身基于内容的理解之后的翻译，而即使是英语专八水平，如果缺少特定领域知识（如：计算机、医学、物理学），也很难翻译出信达雅的水平。
虽然国内用户无法使用 OpenAI ChatGPT 的功能，但我们有自己的通义千问，结合 Higress 的多模型协议转换能力（在这篇《通义千问 2.5 “客串” ChatGPT4 ，你分的清吗？》中有介绍），就可以用极低的 API 调用成本用上这两个插件了。
通义千问前不久刚进行了一轮大降价：《击穿全网底价，通义千问 GPT-4 级大模型直降 97%！ 1 块钱能买 200 万 tokens 》
本文下面演示的效果就是基于1 块钱 200 万 tokens 额度（相当于 5 本新华字典的文字量）的 qwen-long 模型。
这里选取了 Rust 官方的 《 The Rust Programming Language 》 的 Understanding Ownership 一节的部分内容进行演示。因为是浏览器在线阅读，直接开启沉浸式翻译就可以看到双语显示：
我在 GitHub 上找到一个项目 star 数有 4.3k 的中文版：《 Rust 程序设计语言》，对比上面截取内容的翻译如下：
对比上面通义千问的翻译，阅读这个人工翻译内容，我的阅读速度明显下降了；推测人工翻译作者应该是在机器翻译的基础上，做了一些简单调整，所以有一些翻译并不是中文语境下的常见句式，例如：
英文原文：Think of being seated at a restaurant. When you enter, you state the number of people in your group, and the host finds an empty table that fits everyone and leads you there.
中文版翻译：想象一下去餐馆就座吃饭。当进入时，你说明有几个人，餐馆员工会找到一个够大的空桌子并领你们过去。
而这一段通义千问的翻译是：
想象一下在餐厅就座的情景。进入时，你告诉服务员你们一行的人数，然后服务员会找到一张足以容纳所有人的空桌子并带你们过去。
通义千问在翻译时，举例来说，做了这样的改进：
通义千问的翻译显然更容易阅读和理解。另外值得一题的是 《 The Rust Programming Language 》一书还在跟随 Rust 语言自身的演进不断迭代。但中文版《 Rust 程序设计语言》仍停留在 2021 年的版本。
这里选取了 Bob Nystrom 编写的 《 Crafting Interpreters 》 的 Garbage Collection 一节的部分内容进行演示。用的作者免费发布的开源 PDF ，用沉浸式翻译工具打开 PDF 即可。
效果炸裂！
“学而不思则罔”。在学习的过程中，我们难免会有疑问需要交流，对于这些英文技术内容，国内的讨论地方不多，我们可以去 Reddit 上和外国友人进行交流。例如这里就有对于 Crafting Interpreters 的一些讨论。
如果你的英文能力不佳，可以考虑使用 openai translator 来翻译你的问题，然后发布到 Reddit 上：
我这里手滑把“误”识别打成了“勿”识别，不过通义千问显然结合语境知道了我真正的意图，翻译成了“misidentification”。
Bravo!
对了，我们还可以来跟通义千问对话一下，看看他的回答：
这里使用了 Higress+NextChat ，把 gpt-4 模型映射为通义千问的 qwen-max 模型，所以截图显示为 gpt-4 ，具体方式可以参考这里： https://github.com/alibaba/higress/issues/938
Higress 支持用 Docker 启动：
# 创建一个工作目录
mkdir higress; cd higress
# 启动 higress ，配置文件会写到工作目录下
docker run -d --rm --name higress-ai -v ${PWD}:/data \
-p 8001:8001 -p 8080:8080 -e CONFIG_TEMPLATE=ai-proxy \
-e DEFAULT_AI_SERVICE=qwen -e DASHSCOPE_API_KEY="这里填 APIKey" \
higress-registry.cn-hangzhou.cr.aliyuncs.com/higress/all-in-one:1.4.0-rc.1
默认模型映射方式：
如有需求，你也可以在浏览器输入: http://localhost:8001, 登陆 Higress 控制台，在 qwen 这个路由的策略里找到 AI 代理插件，修改映射到其他模型：
找到沉浸式翻译的设置页，在翻译服务处选择 OpenAI ，点开设置。
沉浸式翻译比较消耗 token ，这里我们用最便宜的 qwen-long 模型。因为除了 gpt-4 都被 Higress 映射到了 qwen-long ，这里可以直接选 "gpt-3.5-turbo"。
然后再填入自定义接口地址： http://127.0.0.1:8080/api/openai/v1/chat/completions
这里不再需要填写 API Key ，因为 Higress 代理后没有配置 API Key ，当然你也可以设置一个自定义的 API Key ，然后将 Higress 地址暴露到外部给其他人使用，并通过 API Key 来进行认证. Higress 侧最简单的配置方式，就是为路由直接配置一个 Authorization Header 匹配，如下图配置后，API Key 就是 "my-custom-token"：
找到 openai translator 的设置页，服务提供商选择 OpenAI ，进行如下类似的配置，不过这里我们把模型改为 gpt-4 ，即 Higress 映射后的 qwen-max 。因为使用 openai translator 的场景一般不会输入太多 token ，我们使用 qwen-max 会比 qwen-long 有更好的翻译效果：
Higress 支持使用 qwen-long 模型的文件上传对话能力，可以用如下命令上传一份自定义的词典用于翻译上下文：
curl --location --request POST 'https://dashscope.aliyuncs.com/compatible-mode/v1/files' \
--header 'Authorization: Bearer 这里填 APIKey' \
--form 'file=@"./dict.txt"' \
--form 'purpose="file-extract"'
# 返回内容：
{"id":"file-fe-xxxxxxx","object":"file","bytes":596687,"created_at":1716635947,"filename":"doc.md","purpose":"file-extract","status":"processed"}
将返回 json 的 id 字段配置到 Higress AI 代理插件的配置中：
provider:
apiTokens:
- "sk-0e6c387446ff45d0924111475a82462e"
modelMapping:
'*': "qwen-long"
gpt-4: "qwen-max"
gpt-4-turbo: "qwen-max"
gpt-4o: "qwen-max"
qwenFileIds:
- "file-fe-xxxxxxx"
type: "qwen"
后续用 qwen-long 翻译就可以用上这些上下文信息了。当然这个玩法不仅局限于翻译，还可以用在基于文档的 FAQ 机器人搭建等场景。
Higress AI 代理插件目前支持的模型提供方列表如下
相应的详细配置方式可以查看：
https://github.com/alibaba/higress/tree/main/plugins/wasm-go/extensions/ai-proxy
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.