外文原版漫画本地一键翻译需要什么显卡？
结论：manga-image-translator、BallonsTranslator、comic-translate 的 README 都没写显存下限，给不出确切数字。本文整理三者的 GPU/CPU 支持情况，以及 low vram mode 等相关选项。
更新：2026-10-16
结论
这个问题目前给不出确切数字：manga-image-translator、BallonsTranslator、comic-translate 三个项目的 README 都没写显存下限。能确定的有三点：manga-image-translator 可以只用 CPU 跑，有 N 卡时可开启 GPU；BallonsTranslator 检测到 N 卡或 Apple silicon 会自动启用 GPU；comic-translate 的桌面版本身不支持 GPU 加速。
三者 GPU/CPU 支持一览
| 工具 | CPU 运行 | GPU 支持（README） | 显存下限 |
|---|---|---|---|
| manga-image-translator | 可以 | --use-gpu，需与 CUDA 版本匹配的 PyTorch；Docker 可用 Nvidia GPU | README 未说明 |
| BallonsTranslator | 可以 | Nvidia 显卡或 Apple silicon 默认启用；AMD 可按 README 用 ZLUDA 方案 | README 未说明 |
| comic-translate | 桌面版只用 CPU | 仅源码运行时可用，N 卡建议装 onnxruntime-gpu | README 未说明 |
manga-image-translator
--use-gpu：开启 GPU，自动在 mps 和 cuda 之间切换。--use-gpu-limited：开启 GPU，但离线翻译器不用 GPU。- 本地安装要用 GPU 的话，需要按 PyTorch 官网说明装与 CUDA 版本匹配的 PyTorch。Docker 用 GPU 需要 Nvidia Container Runtime。
- 离线翻译器 m2m100_hf 在 README 里标注支持 Nvidia CUDA 和 AMD ROCm（经 PyTorch）。
BallonsTranslator
- 检测到 Nvidia 显卡或 Apple silicon 时默认启用 GPU 加速。
- AMD 显卡：README 给出了 ZLUDA（ROCm）方案。文本检测和 OCR 可以设为 Cuda，图像修复要继续用 CPU。首次运行需要等待编译。
- 本地跑 Sakura-13B-Galgame 时，单卡显存不足可以勾选
low vram mode（默认已开启）。 - 用 LLM 翻译时，「翻译历史」的 Token 预算调得越大，本地模型的内存和显存占用可能明显增加。
comic-translate
- 桌面安装包目前不支持 GPU 加速，README 写明 GPU 加速只在源码运行时可用。
- 有 NVIDIA 显卡、从源码运行时，README 建议执行
uv pip install onnxruntime-gpu。 - 翻译这一步调用的是 GPT-4.1、Claude-4.5、Gemini-2.5 等大模型服务（README 所列），不在本地显卡上运行。
怎么判断自己的电脑够不够
README 没给数字，我们也不替它下结论。比较稳妥的做法是：先用 CPU 模式或桌面版把整套流程跑通，再按 README 打开 GPU 选项，自己观察效果。本地硬件不够的话，可以了解租云 GPU 路线。
数据来源与核验日期
- https://github.com/zyddnys/manga-image-translator
- https://github.com/dmMaze/BallonsTranslator
- https://github.com/ogkalu2/comic-translate
核验日期：2026-10-16。
合规提示
本页工具仅用于自己拥有合法阅读权的作品，请勿用于搬运或传播未经授权的漫画。公开分享机翻结果时，请注明是机翻。