Zum Hauptinhalt springen
PromptQuorumFür Menschen gemacht. Strukturiert für KI.
Startseite/Lokale LLMs Pro
Productivity & Knowledge Tools

TranslateBooksWithLLMs-Rezension: Ganze Bücher mit einem lokalen oder Cloud-LLM übersetzen

·11 Min. LesezeitVon Hans Kuepper · Gründer von PromptQuorum · Entdeckungsplattform für Open-Weight- und Open-Source-KI

TranslateBooksWithLLMs (TBL) ist eine kostenlose Open-Source-Anwendung, die ganze Bücher, Untertitel und Dokumente – EPUB, DOCX, TXT und SRT – mit einem lokal gehosteten Modell über Ollama oder einem Cloud-LLM-Anbieter wie OpenAI, Gemini, Mistral, DeepSeek, Poe oder OpenRouter übersetzt. Sie ist als fertige Desktop-App für Windows und macOS (Intel und Apple Silicon), als selbst gehostete Web-Oberfläche und als Kommandozeilen-Tool verfügbar, ohne Dateigrößenbegrenzung dank eines intelligenten Chunking-Systems, das die Formatierung erhält und eine unterbrochene Übersetzung von einem Checkpoint aus fortsetzen kann. Sie steht unter der AGPL-3.0, einer Copyleft-Lizenz, und hat zum Zeitpunkt dieser Rezension über 2.400 GitHub-Sterne.

Wichtigste Erkenntnisse

  • TranslateBooksWithLLMs (github.com/hydropix/TranslateBooksWithLLMs), kurz „TBL", ist eine kostenlose Open-Source-App zum Übersetzen ganzer Bücher, Untertitel und Dokumente
  • Entwickelt von jemandem mit dem GitHub-Handle hydropix; diese Rezension fand kein Unternehmen, keine Finanzierungsrunde und keinen kommerziellen Träger hinter dem Projekt
  • Lizenziert unter AGPL-3.0, bestätigt über die Lizenz-Metadaten des GitHub-Repositorys
  • Unterstützt die Formate EPUB, DOCX, TXT und SRT, ohne Dateigrößenbegrenzung durch intelligentes, tokenbasiertes Chunking, das Formatierung und Untertitel-Timecodes erhält
  • Funktioniert kostenlos mit einem lokalen Ollama-Modell oder mit Cloud-Anbietern – OpenAI, Google Gemini, Mistral, DeepSeek, Poe, OpenRouter, NVIDIA NIM – sowie jedem OpenAI-kompatiblen lokalen Server wie llama.cpp, LM Studio oder vLLM
  • Bietet ein Checkpoint-/Fortsetzungssystem, optionale Glossar- und Schreibstil-Extraktion für konsistente Terminologie und Tonalität über ein ganzes Buch hinweg sowie optionale Text-zu-Sprache-Ausgabe über Edge-TTS
  • Zum Zeitpunkt dieser Rezension über 2.400 GitHub-Sterne und 319 Forks; das Repository wurde am 22. Mai 2025 angelegt

📍 In einem Satz

TranslateBooksWithLLMs (TBL) ist eine kostenlose Open-Source-Anwendung (AGPL-3.0), verfügbar als Windows/macOS-Desktop-App, Web-UI und CLI, die ganze Bücher, Untertitel und Dokumente (EPUB, DOCX, TXT, SRT) mit einem lokalen Ollama-Modell oder einem Cloud-LLM-Anbieter übersetzt – ohne Dateigrößenbegrenzung und mit einem Checkpoint-System, das unterbrochene Aufträge fortsetzt.

💬 In einfachen Worten

Statt ein Buch Kapitel für Kapitel in ein Chatfenster zu kopieren, nimmt TranslateBooksWithLLMs die gesamte Datei, zerlegt sie im Hintergrund in handhabbare Abschnitte, übersetzt jeden Abschnitt unter Beibehaltung von Kontext und Formatierung und setzt die fertige Datei wieder zusammen – und setzt automatisch fort, falls der Vorgang unterwegs unterbrochen wird.

📌Hinweis: Diese Rezension basiert auf dem eigenen GitHub-Repository, der README und der Dokumentation von TranslateBooksWithLLMs, nicht auf unabhängigen Übersetzungsqualitätstests von PromptQuorum. Das Projekt verlinkt eigene, community-gepflegte Übersetzungsqualitäts-Benchmarks auf seinem GitHub-Wiki – diese sind als selbst veröffentlichte Erstanbieter-Daten zu behandeln, nicht als unabhängig geprüfter Benchmark.

Lesen auf:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

TranslateBooksWithLLMs (github.com/hydropix/TranslateBooksWithLLMs), oft „TBL" abgekürzt, ist eine kostenlose Open-Source-Anwendung zum Übersetzen ganzer Bücher, Untertitel und Dokumente – entweder mit einem lokalen Modell über Ollama oder mit einem Cloud-LLM-Anbieter. Die App gibt es als herunterladbare Desktop-Anwendung für Windows und macOS, als browserbasierte Web-UI (localhost:5000) für alle, die sie aus dem Quellcode oder via Docker betreiben, sowie als Kommandozeilen-Tool für skriptgesteuerte oder Batch-Nutzung. Diese Rezension behandelt, was die App tatsächlich leistet, wie man sie installiert, was sie kostet und für wen sie geeignet ist. Diese Rezension ergänzt den TranslateBooksWithLLMs-Eintrag im Local LLM Software Directory.

Was ist TranslateBooksWithLLMs?

TranslateBooksWithLLMs ist eine kostenlose Open-Source-Anwendung, die um eine Aufgabe herum gebaut ist: ein ganzes Buch, Dokument oder eine Untertiteldatei mit einem LLM zu übersetzen, statt Seite für Seite oder Chat-Nachricht für Chat-Nachricht. Die eigene GitHub-Beschreibung besagt, dass die App „vollständige Bücher und Dokumente mit Ollama, OpenAI-kompatiblen Modellen, Gemini, Mistral, DeepSeek, Poe oder OpenRouter übersetzen" kann und dass sie „die Formatierung erhält, dort fortsetzt, wo man aufgehört hat, und keine Dateigrößenbegrenzung kennt".

  • Produkttyp: eine eigenständige Übersetzungsanwendung mit drei Schnittstellen – einer fertigen Desktop-App, einer lokalen Web-UI und einem Kommandozeilen-Tool – kein Plugin für ein anderes Programm
  • Ersteller: eine Person mit dem GitHub-Handle hydropix; im Repository ist zum Zeitpunkt dieser Rezension kein rechtlicher Name oder Firmenname veröffentlicht
  • Lizenz: AGPL-3.0, eine Copyleft-Open-Source-Lizenz, bestätigt über die Lizenz-Metadaten des GitHub-Repositorys
  • Repository: github.com/hydropix/TranslateBooksWithLLMs, angelegt am 22. Mai 2025
  • Umfang: über 2.400 GitHub-Sterne, 319 Forks, 11 Mitwirkende und 25 offene Issues zum Zeitpunkt dieser Rezension
  • Kern-Engine: eine Python-Übersetzungspipeline, die Eingabetext in Abschnitte zerlegt, jeden Abschnitt an den konfigurierten LLM-Anbieter sendet und die Ausgabe unter Erhalt der Struktur wieder zusammensetzt

Projektgeschichte und Versions-Meilensteine

Das GitHub-Repository von TranslateBooksWithLLMs wurde am 22. Mai 2025 angelegt und wird seitdem kontinuierlich weiterentwickelt – von einem primär kommandozeilenbasierten Übersetzungsskript hin zu einer vollständigen Desktop-Anwendung mit einem gemeinsamen, geräteübergreifenden Web-Arbeitsbereich. Die unten genannten Versionsnummern stammen aus den eigenen GitHub-Releases des Projekts; für alles, was nach dem Veröffentlichungsdatum dieser Rezension erschienen ist, direkt die Releases-Seite prüfen.

  1. 1
    Repository angelegt – 22. Mai 2025
    Why it matters: Das Projekt startet als Python-basiertes Werkzeug zur Übersetzung von Büchern und Dokumenten rund um Ollama und andere LLM-Anbieter.
  2. 2
    v1.4.x-Serie – Mai–August 2026
    Why it matters: Laut GitHub-Releases-Liste eine lange Reihe kleinerer Releases (v1.4.1 bis v1.4.11) bis Mitte 2026, die auf eine stetige, inkrementelle Feature- und Fehlerbehebungs-Lieferung hindeutet.
  3. 3
    v1.5.0 – 2. August 2026
    Why it matters: Laut GitHub-Releases-Liste beginnt eine neue Nebenversionslinie; die konkreten Release-Notes auf GitHub geben Auskunft über die Änderungen.
  4. 4
    v1.5.6–v1.5.9 – 9.–24. August 2026
    Why it matters: Laut GitHub-Releases-Liste fortgesetzte Patch-Iterationen im gesamten August 2026.
  5. 5
    v1.5.10 – 6. September 2026: aktuellster getaggter Release zum Zeitpunkt dieser Rezension
    Why it matters: Der aktuelle Release zum Zeitpunkt dieser Rezension; die Desktop-App, das Checkpoint-/Fortsetzungssystem, die Glossar- und Stil-Extraktion sowie die Multi-Provider-Unterstützung, die in dieser Rezension beschrieben werden, sind alle in dieser Version bereits vorhanden.

Was kann man mit TranslateBooksWithLLMs tun?

Der Funktionsumfang von TranslateBooksWithLLMs dreht sich darum, am Ende eine vollständige, korrekt formatierte übersetzte Datei aus einem LLM herauszubekommen – auch für Dokumente, die weit über ein einzelnes Chat-Kontextfenster hinausgehen. Hier steht, was jeder Teil laut der eigenen README und Dokumentation des Projekts tatsächlich tut.

  • Übersetzung ohne Längenbegrenzung durch Chunking – die App teilt die Eingabe in tokenbasierte Abschnitte (standardmäßig 450 Tokens, laut dokumentierter .env-Konfiguration) und übersetzt jeden davon unter Erhalt des Kontexts zwischen den Segmenten, sodass buchlanger Text keine harte Grenze darstellt
  • Formaterhalt – EPUB-Struktur und -Styling, DOCX-Formatierung und SRT-Untertitel-Timecodes bleiben in der übersetzten Ausgabe laut der eigenen Beschreibung des Projekts erhalten
  • Checkpoint und Fortsetzung – eine unterbrochene Übersetzung (geschlossene App, Verbindungsabbruch, Rate-Limit) kann dort fortgesetzt werden, wo sie stehen geblieben ist, statt von vorn zu beginnen
  • Wiederverwendbare Schreibstil-Presets – ein Stil-Preset aus Beispielbüchern extrahieren (oder von Hand schreiben) und auf jeden Abschnitt einer neuen Übersetzung anwenden, für ein konsistentes Register und einen konsistenten Ton über das ganze Buch hinweg
  • Automatische Glossar- und Stil-Extraktion – ist kein Preset bereit, leitet die Option „Auto" mit einem zusätzlichen LLM-Aufruf vor Beginn des Auftrags sowohl ein Glossar als auch ein Stilprofil direkt aus dem zu übersetzenden Dokument ab
  • Multi-Provider-Unterstützung – kostenlos mit einem lokalen Ollama-Modell, mit jedem OpenAI-kompatiblen lokalen Server (llama.cpp, LM Studio, vLLM, LocalAI) oder mit einem Cloud-Anbieter: OpenAI, Google Gemini, Mistral, DeepSeek, Poe, OpenRouter oder NVIDIA NIM
  • API-Schlüssel-Rotation – eine kommagetrennte Liste von API-Schlüsseln für einen einzelnen Anbieter konfigurieren, und die App wechselt automatisch zum nächsten Schlüssel, sobald einer ein Rate-Limit erreicht
  • Geräteübergreifender, gemeinsamer Web-Arbeitsbereich – die Web-UI kennt keine Benutzerkonten; jeder Browser, der auf denselben laufenden Server zeigt, sieht nahezu in Echtzeit denselben Auftragsfortschritt, dieselbe Historie und die meisten Einstellungen
  • Optionale Text-zu-Sprache-Ausgabe – zusätzlich zum übersetzten Dokument selbst über Edge-TTS Audio aus dem übersetzten Text erzeugen
  • Benachrichtigungen – bei Abschluss eines langen Übersetzungsauftrags eine Push-Benachrichtigung erhalten (über ntfy, Discord, Slack, gotify oder einen benutzerdefinierten HTTP-Webhook)

Anwendungsbeispiele: Drei Wege, TranslateBooksWithLLMs zu nutzen

Dies sind konkrete Arbeitsabläufe auf Basis der oben genannten, von TranslateBooksWithLLMs selbst dokumentierten Funktionen – keine hypothetischen Anwendungsfälle.

Einen EPUB-Roman vollständig offline mit Ollama übersetzen

Ollama installieren und ein Modell laden (das Dokumentationsbeispiel nutzt ollama pull qwen3:14b), die TranslateBooksWithLLMs-Desktop-App herunterladen und starten, localhost:5000 im Browser öffnen, eine EPUB-Datei hineinziehen, Quell- und Zielsprache wählen und den Auftrag starten. Da Ollama Anfragen serialisiert, läuft die Übersetzung Abschnitt für Abschnitt — während der Übersetzung wird kein Buch- oder Dokumenttext vom eigenen Rechner gesendet, und es entstehen keine Kosten pro Token.

Untertiteldateien per Kommandozeile mit einem Cloud-Anbieter im Batch übersetzen

Aus einer Quellcode-Installation heraus python translate.py -i movie.srt --provider openrouter --openrouter_api_key YOUR_KEY -m anthropic/claude-sonnet-4 -tl French --parallel 4 ausführen. Cloud-Anbieter unterstützen über --parallel die gleichzeitige Übersetzung mehrerer Abschnitte, sodass eine Untertiteldatei schneller fertig wird als derselbe Auftrag gegen einen lokalen, jeweils nur eine Anfrage gleichzeitig verarbeitenden Ollama-Server.

Ein Schreibstil-Preset aus einer Lieblingsübersetzung extrahieren und wiederverwenden

In der Web-UI die Stil-Extraktionsfunktion auf ein gut übersetztes Beispielbuch anwenden, um ein wiederverwendbares Stil-Preset abzuleiten, das dessen Register und Rhythmus erfasst. Dieses Preset auf den Übersetzungsauftrag eines neuen Buchs anwenden, damit jeder Abschnitt in einer konsistenten Stimme übersetzt wird, statt den Stil des Modells über ein langes Dokument hinweg driften zu lassen.

TranslateBooksWithLLMs: Preise und Lizenzierung

TranslateBooksWithLLMs selbst ist kostenlos und quelloffen, lizenziert unter der AGPL-3.0. Es gibt keine kostenpflichtige Stufe, kein Abonnement und keine Kontopflicht für die Anwendung. Die tatsächlichen Kosten hängen vollständig davon ab, welchen Modellanbieter man zum Übersetzen nutzt.

  • Die Anwendung ist kostenlos, ohne vom Projekt selbst auferlegte Nutzungslimits, Wasserzeichen oder Feature-Sperren
  • Das Übersetzen mit einem lokalen Ollama-Modell kostet nur die eigene Hardware und den eigenen Stromverbrauch – keine Gebühr pro Wort oder Token an TranslateBooksWithLLMs oder an Ollama
  • Das Übersetzen mit einem Cloud-Anbieter (OpenAI, Gemini, Mistral, DeepSeek, Poe, OpenRouter oder NVIDIA NIM) kostet, was dieser Anbieter für API-Nutzung berechnet; mehrere dieser Anbieter veröffentlichen eine kostenlose Stufe, aber TranslateBooksWithLLMs kontrolliert oder garantiert diese Preisgestaltung nicht
  • Lizenz: AGPL-3.0, bestätigt über die Lizenz-Metadaten des GitHub-Repositorys – dies ist eine Copyleft-Lizenz mit einer Network-Use-Klausel: Wer den Code verändert und als Netzwerkdienst für andere betreibt, ist in der Regel verpflichtet, auch den veränderten Quellcode verfügbar zu machen; das unterscheidet sich deutlich von einer permissiven Lizenz wie MIT oder Apache 2.0, daher den Lizenztext selbst prüfen, falls diese Verpflichtung für den eigenen Anwendungsfall relevant ist
  • Diese Rezension fand keine Hinweise auf eine Finanzierungsrunde, ein Unternehmen oder einen kommerziellen Träger hinter dem Projekt – die eigene README verlinkt eine Ko-fi-Seite für freiwillige Spenden, was zu einem unabhängig gepflegten, community-getragenen Open-Source-Projekt passt

Lokal (Ollama) vs. Cloud-Übersetzung in TBL

TranslateBooksWithLLMs unterstützt sowohl einen vollständig lokalen Übersetzungsweg über Ollama als auch einen Cloud-Anbieter-Weg; die beiden unterscheiden sich hauptsächlich in Geschwindigkeit, Kosten und Datenschutz – nicht darin, welche Dateiformate oder Funktionen verfügbar sind.

Kosten

Lokal (Ollama):
Kostenlos, abgesehen von eigener Hardware/Strom
Cloud-Anbieter:
Wird vom Anbieter pro API-Nutzung abgerechnet; mehrere bieten eine kostenlose Stufe

Datenschutz

Lokal (Ollama):
Text wird für die Übersetzung nirgendwohin gesendet — er bleibt auf dem eigenen Rechner
Cloud-Anbieter:
Text wird gemäß den eigenen Datenverarbeitungsbedingungen des Anbieters an dessen Server gesendet

Parallelität

Lokal (Ollama):
Serialisiert – ein Abschnitt nach dem anderen (PARALLEL_TRANSLATIONS wird ignoriert)
Cloud-Anbieter:
Unterstützt --parallel N für die gleichzeitige Übersetzung mehrerer Abschnitte, abhängig von den Rate-Limits des Anbieters

Einrichtung

Lokal (Ollama):
Erfordert zunächst die Installation von Ollama und das lokale Laden eines Modells
Cloud-Anbieter:
Erfordert nur einen API-Schlüssel des gewählten Anbieters

Übersetzungsqualität

Lokal (Ollama):
Hängt von Größe und Sprachabdeckung des lokalen Modells ab
Cloud-Anbieter:
Hängt vom gewählten Cloud-Modell ab; typischerweise eine größere Auswahl an größeren Modellen

Das Projekt verlinkt eigene, nach Zielsprache gegliederte Community-Übersetzungsqualitäts-Benchmarks auf seinem GitHub-Wiki – diese Seite direkt prüfen, um konkrete lokale und Cloud-Modelle für die eigene Zielsprache zu vergleichen, statt sich auf allgemeine Annahmen zur Qualität lokal vs. Cloud zu verlassen.

Im Verzeichnis vergleichen

Für wen eignet sich TranslateBooksWithLLMs?

TranslateBooksWithLLMs passt zu Menschen, die ein ganzes Buch, Dokument oder eine Untertiteldatei mit konsistenter Formatierung und Terminologie durchgängig übersetzt haben möchten – nicht zu einem kurzen Textschnipsel, der in ein Chatfenster eingefügt wird.

TranslateBooksWithLLMs nutzen, wenn man

  • ein vollständiges Buch, ein langes Dokument oder eine Untertiteldatei übersetzen muss und die Ausgabe die ursprüngliche Formatierung und Struktur behalten soll
  • die Möglichkeit haben möchte, vollständig lokal mit einem kostenlosen Ollama-Modell zu übersetzen, sodass während der Übersetzung kein Dokumenttext den eigenen Rechner verlässt
  • zusätzlich die Flexibilität haben möchte, auf ein größeres Cloud-Modell zu wechseln, wenn die lokale Übersetzungsqualität für ein bestimmtes Sprachpaar nicht ausreicht
  • möchte, dass eine Übersetzung über ein ganzes Buch hinweg terminologisch und im Ton konsistent bleibt, dank der Glossar- und Stil-Preset-Funktionen
  • damit einverstanden ist, eine selbst gehostete Desktop-App oder Web-UI zu betreiben, statt sich auf einen gehosteten kommerziellen Übersetzungsdienst zu verlassen

Sich anderswo umsehen, wenn man

  • eine Echtzeit-, interaktive Konversationsübersetzung möchte, statt eine vollständige Datei im Batch zu übersetzen
  • eine zertifizierte, professionelle oder rechtlich anerkannte menschliche Übersetzung benötigt – dies ist ein LLM-basiertes Werkzeug, und seine Ausgabe ersetzt keinen qualifizierten menschlichen Übersetzer, wo Zertifizierung oder rechtliche Genauigkeit erforderlich ist
  • ein poliertes, vollständig kommerzielles Produkt mit garantierten Support-SLAs möchte – TranslateBooksWithLLMs ist ein community-gepflegtes Open-Source-Projekt mit GitHub Issues und Discussions als Support-Kanal
  • plant, eine veränderte Version des Werkzeugs als gehosteten Dienst für andere Nutzer bereitzustellen, ohne vorher die Network-Use-Verpflichtungen der AGPL-3.0 zu prüfen

Konkurrenten und Alternativen

Dedizierte LLM-Werkzeuge zur Übersetzung ganzer Bücher sind im aktuellen Testkatalog von PromptQuorum eine schmale Nische – TranslateBooksWithLLMs hat unter den bestehenden FeatureAppPost-Tests der Seite keinen unmittelbaren, funktionsgleichen Rivalen. Die nächstliegenden verfügbaren Vergleiche sind andere lokal-LLM-gestützte Dokumenten- und Wissenswerkzeuge, die TranslateBooksWithLLMs' Schwerpunkt auf lokaler Verarbeitung ganzer Dokumente teilen, auch wenn keines davon ein übersetzungsspezifisches Werkzeug ist.

Karakeep

Best known for:
Selbst hostbare Lesezeichen- und Notiz-App mit KI-gestützter Verschlagwortung, Zusammenfassung und Suche über gespeicherte Dokumente
Link:
Karakeep-Rezension
Artikel über Karakeep (3)

Auch erwähnt in:

Khoj

Best known for:
Selbst hostbares, quelloffenes persönliches KI-„zweites Gehirn", das Fragen über die eigenen Dokumente beantwortet
Link:
Khoj-Rezension
Artikel über Khoj (4)

Auch erwähnt in:

+4 weitere nicht angezeigt

Weder Karakeep noch Khoj übersetzen Dokumente – sie sind hier als die auf PromptQuorum bereits getesteten, lokal-LLM-gestützten, dokumentenorientierten Produktivitätswerkzeuge aufgeführt, die am nächsten liegen, nicht als direkte, funktionsgleiche Alternativen zu TranslateBooksWithLLMs. Siehe das Local LLM Software Directory für den vollständigen Katalog, falls später ein näherer Treffer hinzukommt.

Im Verzeichnis vergleichen

Häufige Fehler bei der Bewertung von TranslateBooksWithLLMs

Die meiste Verwirrung um TranslateBooksWithLLMs entsteht durch die Lizenzbedingungen, durch die Annahme, es funktioniere wie ein Live-Chat-Übersetzer, oder durch das Übersehen, dass die lokale Übersetzung Abschnitt für Abschnitt läuft.

Fehler 1: Annehmen, AGPL-3.0 sei dasselbe wie eine permissive Lizenz wie MIT

AGPL-3.0 ist eine Copyleft-Lizenz mit einer Network-Use-Klausel: Wer den Code verändert und als gehosteten Dienst für andere betreibt, muss in der Regel auch den veränderten Quellcode veröffentlichen. Das unterscheidet sich von permissiven Lizenzen wie MIT oder Apache 2.0 – bei einer geplanten Bereitstellung den Lizenztext direkt lesen, falls dies relevant ist.

Fehler 2: Echtzeit-, interaktive Übersetzung erwarten

TranslateBooksWithLLMs ist für das durchgängige Batch-Übersetzen einer vollständigen Datei gebaut, nicht für eine Live-, Zug-um-Zug-Chat-artige Übersetzungssitzung.

Fehler 3: Dieselbe Geschwindigkeit von lokaler und Cloud-Übersetzung erwarten

Die lokale Übersetzung über Ollama ist serialisiert – ein Abschnitt nach dem anderen –, unabhängig von der Einstellung PARALLEL_TRANSLATIONS, da eine einzelne Ollama-Instanz Anfragen sequenziell verarbeitet. Cloud-Anbieter unterstützen über --parallel die gleichzeitige Übersetzung mehrerer Abschnitte, abhängig von den Rate-Limits des jeweiligen Anbieters.

Fehler 4: Annehmen, dass Feinabstimmung für kleine Modelle wie bei little-coder-artigen Tools hier gilt

TranslateBooksWithLLMs ist eine allgemeine Übersetzungspipeline rund um das jeweils angebundene Modell, kein Werkzeug, das speziell auf kleine lokale Modelle abgestimmt oder dafür benchmarkt ist – die Übersetzungsqualität hängt von den Fähigkeiten des für ein bestimmtes Sprachpaar gewählten Modells ab, was die eigenen Wiki-Benchmarks des Projekts je Zielsprache behandeln.

Fehler 5: Annehmen, ein lokales Übersetzungswerkzeug kläre das Urheberrecht automatisch

Das Übersetzen und Weiterverbreiten eines urheberrechtlich geschützten Buchs oder Dokuments ohne die nötigen Übersetzungs- oder Vervielfältigungsrechte kann unabhängig vom verwendeten Werkzeug – lokal oder Cloud – eine Urheberrechtsverletzung darstellen. Dass das Modell auf dem eigenen Rechner läuft, ändert, wohin die Daten gehen, nicht, wem die Rechte am Ausgangstext gehören.

Häufig gestellte Fragen

Was ist TranslateBooksWithLLMs?

TranslateBooksWithLLMs (github.com/hydropix/TranslateBooksWithLLMs), kurz „TBL", ist eine kostenlose Open-Source-Anwendung (AGPL-3.0) zum Übersetzen ganzer Bücher, Untertitel (SRT) und Dokumente (EPUB, DOCX, TXT) mit einem lokalen Ollama-Modell oder einem Cloud-LLM-Anbieter.

Ist TranslateBooksWithLLMs kostenlos?

Ja, die Anwendung selbst ist kostenlos und quelloffen, ohne kostenpflichtige Stufe. Wer mit einem lokalen Ollama-Modell übersetzt, hat nur die Kosten der eigenen Hardware und des eigenen Stromverbrauchs. Wer einen Cloud-Anbieter anbindet (OpenAI, Gemini, Mistral, DeepSeek, Poe, OpenRouter oder NVIDIA NIM), zahlt diesem Anbieter direkt für die API-Nutzung.

Wie installiere ich TranslateBooksWithLLMs?

Die fertige Desktop-App für Windows oder macOS (Intel oder Apple Silicon) vom neuesten GitHub-Release herunterladen, entpacken und die ausführbare Datei starten – die Web-UI öffnet sich unter localhost:5000. Linux-Nutzer betreiben die App aus dem Quellcode (git clone plus ./start.sh) oder via Docker, da es zum Zeitpunkt dieser Rezension keine fertige Linux-Binärdatei gibt.

Funktioniert TranslateBooksWithLLMs offline?

Ja, bei Nutzung eines lokalen Modells über Ollama. Sind Ollama und ein Modell installiert, läuft die eigentliche Übersetzung vollständig auf dem eigenen Rechner — die App sendet keinen Buch- oder Dokumenttext zur Übersetzung an einen externen Server. (Sie kann weiterhin gewöhnliche Hintergrund-Netzwerkaufrufe ausführen, etwa Update-Prüfungen, die nichts mit dem Dokumentinhalt zu tun haben.) Die Nutzung eines Cloud-Anbieters erfordert dagegen eine Internetverbindung und sendet den eigenen Text an diesen Anbieter.

Welche Dateiformate unterstützt TranslateBooksWithLLMs?

EPUB, DOCX, TXT und SRT (Untertitel), laut der eigenen Dokumentation des Projekts. Es erhält EPUB-Formatierung und -Struktur, DOCX-Styling sowie SRT-Timecodes in der übersetzten Ausgabe.

Gibt es eine Dateigrößenbegrenzung?

Nein. TranslateBooksWithLLMs verwendet ein tokenbasiertes Chunking-System (standardmäßig 450 Tokens pro Abschnitt), das Dokumente beliebiger Länge verarbeitet, einschließlich tausendseitiger Bücher, und dabei den Kontext zwischen den Abschnitten erhält.

Kann ich eine unterbrochene Übersetzung fortsetzen?

Ja. Das Checkpoint-System von TranslateBooksWithLLMs speichert den Fortschritt automatisch, sodass ein unterbrochener Auftrag – durch eine geschlossene App, einen Verbindungsabbruch oder ein Rate-Limit – dort fortgesetzt werden kann, wo er stehen geblieben ist, statt von vorn zu beginnen.

Welche Cloud-Anbieter unterstützt TranslateBooksWithLLMs?

OpenAI, Google Gemini, Mistral, DeepSeek, Poe, OpenRouter und NVIDIA NIM sowie jeden OpenAI-kompatiblen lokalen Server wie llama.cpp, LM Studio oder vLLM, laut der eigenen README des Projekts.

Unter welcher Lizenz steht TranslateBooksWithLLMs?

AGPL-3.0, eine quelloffene Copyleft-Lizenz mit einer Network-Use-Klausel. Wer den Code verändert und als gehosteten Dienst für andere Nutzer betreibt, ist in der Regel verpflichtet, auch den veränderten Quellcode zu veröffentlichen – bei einer geplanten Nutzung, die dies betrifft, den Lizenztext direkt lesen.

Wer hat TranslateBooksWithLLMs entwickelt?

Eine Person mit dem GitHub-Handle hydropix, laut der Eigentümerschaft des Repositorys. Diese Rezension fand keinen veröffentlichten rechtlichen Namen oder Firmennamen und keine Hinweise auf eine Finanzierungsrunde hinter dem Projekt.

Quellen

← Zurück zu Lokale LLMs Pro

MCP