PDFMathTranslate と Ollama による PDF のローカル翻訳

PDFMathTranslate は、数式や図表を含む論文 PDF の翻訳において、レイアウトの維持に強みを持つツールとして注目を集めています。本記事ではローカル LLM である Ollama を用いた利用方法に焦点を当てて解説します。

PDFMathTranslate

PDFMathTranslateは、学術論文の翻訳における課題を解決するために開発されたツールです。主な特徴は以下のとおりです。

1. 数式・図表の完全保持: 論文中の数式、グラフ、図表を元のレイアウトのまま保持します。目次や注釈も維持されるため、原文の構造を損なうことなく翻訳が可能
2. 多言語対応: 複数の言語間の翻訳をサポート
3. 各種 API 対応: OpenAI, Claude, Gemini, Ollama など、様々な LLM に対応

例：Transformer が発表された論文より

• Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., … Polosukhin, I. (2017). Attention is all you need.

Ollama との連携

Ollamaは、ローカル環境で LLM を実行するためのツールです。あらかじめインストールしておいてください。

PDFMathTranslate で Ollama を使用することには、以下のメリットがあります。

1. プライバシーの保護: 翻訳処理がローカル環境で完結するため、論文の内容が外部に送信されることはありません。
2. コスト削減: クラウドベースの翻訳サービスと異なり、API利用料などを気にすることなく、何度でも翻訳を行うことができます。（ただし、電気代を考慮すると割高になる可能性もあります）
3. オフライン環境での利用: インターネット接続がない環境でも翻訳が可能です。（事前にモデルがインストールされていることが前提です）

ローカル LLM のチャット以外の実用例としても注目に値します。開発者視点では LLM をツールに組み込む上でも参考になります。

インストール

本記事では Python 環境の管理ツールである uv を使った方法を説明します。

パッケージなどで uv をインストールしてください。Windows の場合は winget が利用できます。

winget install --id=astral-sh.uv -e

PDFMathTranslate の最新版を利用するため、GitHub リポジトリからの直接インストールを推奨します。

uv tool install --python 3.10 git+https://github.com/Byaidu/PDFMathTranslate.git

インストール後にアップデートするときは -U を付けます。

uv tool install -U --python 3.10 git+https://github.com/Byaidu/PDFMathTranslate.git

実行方法

コマンド例を示します。

uvx --python 3.10 pdf2zh -li en -lo ja -t 1 -s "ollama:gemma2:2b-instruct-q4_K_M;aya-expanse" PDFファイル

ホームディレクトリの .local/bin に実行可能ファイルがインストールされるため、そこにパスを通して利用する方法もあります。その場合 uvx --python 3.10 は不要です。

主なオプション：

• -li: 翻訳元言語（例：en - 英語）
• -lo: 翻訳先言語（例：ja - 日本語）
• -t 1: 使用するスレッド数（通常、ローカル LLM の並列実行は困難）
• -s: 翻訳エンジンとモデルの指定

モデルは環境変数 OLLAMA_MODEL でも指定可能です。その場合のオプションは -s ollama だけとなります。

環境変数を設定することで、別マシンの Ollama にアクセスすることも可能です。詳細は以下の記事を参照してください。

モデル指定

-s ollama: に続くモデル名はセミコロンで区切って複数指定できます。Ollama での処理が無限ループに陥ることが一定確率で発生するため、自動的に次のモデルを試すフォールバック機能としての役割を果たします。動作を安定させるため、複数指定を推奨します。

推奨する組み合わせは gemma2:2b-instruct-q4_K_M;aya-expanse です。ただし、aya-expanse は商用利用不可ライセンスのため、商用利用の場合は gemma2:2b-instruct-q4_K_M;gemma2:9b-instruct-q4_K_M の使用を推奨します。

利用するモデルはあらかじめ ollama に pull しておいてください。

ollama pull gemma2:2b-instruct-q4_K_M
ollama pull gemma2:9b-instruct-q4_K_M
ollama pull aya-expanse

3 つ指定することも可能です。その場合、指定した順にフォールバックされます。

無限ループを検出すると Response too long と表示して次の LLM にフォールバックします。

万一、それが無限に続く場合、PDFMathTranslate を [Ctrl]+[C] で強制終了させてください。Windows の場合はショートカットキーが利かないため、タスクトレイから Ollama の常駐プロセスを終了させて、タスクマネージャーで Python のプロセスを強制終了させてください。

処理時間

処理時間はハードウェアに大きく依存します。GPU（例：Radeon RX 7600 XT）使用時は、gemma2:2b-instruct-q4_K_M で 1 ページあたり約 5〜10 秒、CPU 処理時はその 5〜20 倍程度かかります。

処理可能なページ数に制限はありませんが（400 ページでの正常動作を確認）、実用的には処理時間との兼ね合いとなります。CPU 処理では 20 ページ程度が実用限界と思われます。

GPU と CPU の実行速度については、以下の記事を参照してください。

キャッシュ

翻訳結果はキャッシュされます。仮に翻訳途中で落ちたとしても、続きから再開できます。

キャッシュは溜まる一方のため、定期的に削除することをお勧めします。

場所の確認方法（Python）

>>> import os, tempfile
>>> os.path.join(tempfile.gettempdir(), "cache")
'C:\\Users\\USERNAME\\AppData\\Local\\Temp\\cache'

実装箇所

• https://github.com/Byaidu/PDFMathTranslate/blob/main/pdf2zh/cache.py

cache_dir = os.path.join(tempfile.gettempdir(), "cache")

参考

複数モデルサポートのプルリクエストでは、作者様に柔軟に対応していただきました。