当前位置: 首页 > news >正文

职称材料准备神器——使用Zotero PDF2zh无痛准备SCI中文翻译版本

在准备职称材料的时候,发现了一个神器——Zotero PDF2zh 插件,这里记录下他的安装、配置、使用以及一些LLM api key获取。

目录

  • 一、安装
    • 1、安装Zotero
    • 2、下载安装插件
      • 1)下载项目文件
      • 2)安装插件
      • 2)插件设置
  • 二、配置环境
    • 1、创建环境
    • 2、配置环境
  • 三、使用
  • 四、其他翻译服务
    • 1、Google Gemini

一、安装

1、安装Zotero

下载地址:https://www.zotero.org/download/
记得选下方这个,然后装去D盘

2、下载安装插件

1)下载项目文件

下载地址:https://github.com/guaguastandup/zotero-pdf2zh

2)安装插件

解压刚刚下载的文件zotero-pdf2zh-main.zip,然后打开zotero,点击上方红框

进入之后点击右上角的设置符号,点第三个,如图

选择刚刚解压的zotero-pdf2zh-main.zip里面的.xpi文件

2)插件设置

关掉刚刚界面,回到zotero,点击红框设置

在PDF2zh这里,将翻译服务修改成bing,因为他免费

二、配置环境

1、创建环境

需要安装anaconda管理环境,创建一个新的环境,可以看我其他的教程。官方现在推荐3.12.0版本Python,创建环境的时候注意下。

2、配置环境

刚刚解压的zotero-pdf2zh-main.zip,里面还有个server.zip,解压server.zip,并进入到里面。在红框处输入cmd回车,打开终端。

在终端activate刚刚创建的环境,然后输入:pip install -r requirements.txt

三、使用

还是在刚刚pip install完的终端,输入:python server.py

注意这个窗口,只要需要翻译,就不能关闭!

添加文件这里导入你要翻译的pdf

刚刚导入的pdf文件,右键选择红框

可以在终端看翻译进度,后面也会显示保存在哪里

输出格式:
Mono模式:仅保留中文译文
Dual模式:原文与译文逐段对照

四、其他翻译服务

其他翻译服务,需要配置LLM API
api key获取可以参照这里:https://blog.csdn.net/m0_73570600/article/details/155344739?ops_request_misc=&request_id=&biz_id=102&utm_term=LLM%20API%20key&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-1-155344739.142v102pc_search_result_base9&spm=1018.2226.3001.4187

1、Google Gemini

访问 Google AI Studio:https://ai.google.dev,并且登录Google 账号,依次点击红框





命名项目名称zotero,点击创建

回到这里刷新

依次点击红框

选择刚刚创建的zotero,并点击导入




然后将这个API 密钥和网站地址填入到LLM API配置管理,记得修改对应的翻译服务

http://www.jsqmd.com/news/162073/

相关文章:

  • 柯南变声器成真?基于 RVC 实现 Python 实时变声,男声秒变萝莉音
  • PyTorch-v2.8 + CUDA 12:高性能GPU计算的终极解决方案
  • jupyter notebook魔法命令:%timeit测试PyTorch-CUDA-v2.8性能
  • PyTorch-CUDA-v2.8镜像支持WSL2吗?Windows子系统实测
  • AI绘图封神王炸!Z-Image-Turbo图生图最新版!
  • cuda安装后nvidia-smi无显示?PyTorch-CUDA-v2.8内置诊断工具
  • PyTorch模型部署到生产:基于CUDA-v2.8构建API服务
  • PyTorch-CUDA-v2.8镜像支持A100/H100吗?高性能显卡实测反馈
  • anaconda prompt执行pytorch命令失败?换用镜像环境试试
  • GitHub热门项目都在用的PyTorch环境,现在一键就能部署
  • git clone超时解决方法:使用代理拉取PyTorch-CUDA-v2.8代码
  • github actions自动化构建PyTorch-CUDA-v2.8镜像
  • Python 里的“瑞士军刀”:用 Streamlit 搭建一个 AI 辅助的数据清洗工作台,告别 Excel 崩溃
  • github pages搭建文档站:展示PyTorch-CUDA-v2.8使用文档
  • 神州路由器的OSPF路由两种认证
  • 大数据领域 ETL 数据迁移的注意事项
  • Jupyter与SSH双模式支持:PyTorch镜像满足多种开发需求
  • PyTorch-CUDA-v2.8镜像体积优化:减少下载时间提升启动速度
  • 当 AI 学会欺诈:用 Python 训练一个对抗生成网络 (GAN),自动生成绕过人脸识别的“假照片”
  • anaconda配置pytorch环境缓慢?国内镜像加速不如直接用镜像
  • cuda安装驱动不匹配?PyTorch-CUDA-v2.8自动规避版本冲突
  • jupyter notebook扩展推荐:Variable Inspector for PyTorch-CUDA-v2.8
  • github issues提问技巧:关于PyTorch-CUDA-v2.8的问题如何描述
  • SQLAlchemy 2.0 类型注解指南:`Mapped` 与 `mapped_column`
  • docker compose部署多个PyTorch实例:基于CUDA-v2.8横向扩展
  • PyTorch-CUDA-v2.8镜像是否收费?完全开源免费可商用
  • git commit规范提交代码:配合PyTorch-CUDA-v2.8进行版本控制
  • 让照片“开口说话”:SadTalker 本地部署实战,一张静态图 + 一段音频生成数字人视频
  • PyTorch-CUDA-v2.8镜像支持T4/V100/A10?云服务器兼容性一览
  • LLMs之Data:《Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)》翻译与解读