AI 翻译、本地部署与 API

DeepSeek API、第三方 API 平台、本地部署、知识库、AI 聊天前端和翻译工具。

如何使用 DeepSeek 的 API？使用 DeepSeek API 不需要写代码，只需要在 platform.deepseek.com 充值并创建密钥，拿到「请求地址、API 密钥、模型名称」三个东西，填进任意支持 API 的聊天软件即可使用，最低 1 元起充。第三方 AI API 平台和公益站点是怎么回事？第三方 API 平台是把各家大模型 API 中转聚合再卖给你的服务，代表是 OpenRouter（最大最权威、更新最快、价格与官方一致）；公益站点则是志愿者把官方免费额度反向代理成 API 无偿共享，门槛最低但稳定性差。AI 按 token 收费是怎么算的？用 AI 到底贵不贵？AI API 按 token（可理解为"点卡"或"流量"）计费，日常聊天便宜到可以忽略（聊十分钟约 0.07 元），编程和 Agent 任务用国产模型也就几毛到几十块；真正烧钱的是"长文本 + 国外顶级模型"的组合，同一任务国产与国外顶流价差可达十几倍。AI 聊天前端软件怎么选？所有 AI 聊天前端软件本质上都是「空壳」——只提供聊天界面，真正干活的是你填进去的 API（地址、密钥、模型名），所以按平台和界面喜好随便选一个即可，手机端推荐免费的 ChatBox。企业本地部署大模型，选满血 R1 还是小模型加知识库？预算有限时，中小企业大多不需要执着于满血大模型——671B 的 R1 在 10 万级硬件上只有约 10 token/s、基本只够一人用；换成 32B 模型单人可达 32 token/s、16 人并发仍有 20 token/s，再配上 RAG 知识库，垂直领域的回答质量反而常常胜过满血模型。哪些 Qwen 模型能在本地部署？Qwen-Image-Edit 门槛最低，用量化一键包连 3060 老显卡都能跑（速度慢）；Qwen3-Next 需要至少 40G 显存或 64G 以上统一内存的 Mac；Qwen3-VL（235B）和 Qwen3-Omni（30B）对普通个人设备基本无缘，建议走 API。如何本地部署大模型做游戏翻译？准备一张 8G 以上显存的显卡，用 LM Studio 下载专为日本轻小说和 galgame 优化的 **Sakura** 模型，开启 LM Studio 的本地服务端（相当于本地 API），把地址填进 LunaTranslator 的离线翻译接口即可——速度快，翻译质量甚至能超过在线的更大参数模型。如何用 AI 实时汉化没有中文的游戏？实时 AI 汉化分两大步——先**获取游戏文本**（注入截取或 OCR 识别），再交给 **AI 大模型翻译润色**。开源工具 LunaTranslator 两步全包，一边玩一边出译文，效果远超传统机翻。游戏 AI 汉化工具怎么选？想一边玩一边实时翻译选 **LunaTranslator**（开源、取词+翻译全能）；想预翻译常见引擎的游戏用 **Mtool + AITranslator** 组合；专业汉化组做解包封装用 **GalTransl**；追求一键全自动可以看 RenpyThief，但它闭源且有争议。如何翻译 PDF 和视频字幕文件不乱格式？办公软件自带的文档翻译格式容易乱，解决办法是用专门针对复杂文档优化的解析引擎——例如沉浸式翻译自研的开源 PDF 解析引擎 BabelDOC，公式表格不崩；SRT 字幕文件则可以直接拖进翻译工具，逐句识别后接 AI 引擎批量翻译。浏览器自带翻译不好用怎么办？浏览器自带翻译的三大痛点（右键按钮时有时无、频繁翻译失败、整页替换看不了原文）可以用双语对照类翻译插件解决，代表是「沉浸式翻译」——基础功能完全免费，原文译文并排显示，还覆盖视频字幕和输入框翻译。数据少时微调大模型选 LoRA 还是全量微调？数据量少、质量一般时选 LoRA。全量微调会改动模型本体参数，小而杂的数据反而会破坏模型原有能力、降低性能；LoRA 不动基座模型，只外挂一个小矩阵记录任务特定的调整，风险小、显存需求低、训练快。