text-Humanizer란 무엇인가요?
text-Humanizer는 AI가 생성한 텍스트를 더 자연스러운 문장 구조, 다양한 언어 패턴, 풍부한 문체적 다양성을 갖춘 글로 변환하는 무료 MIT 라이선스 Python 프로젝트입니다. 소스 텍스트의 의미를 유지하도록 설계된 다국어 재작성 및 번역 파이프라인을 사용합니다.
이 프로젝트는 en, ja, zh, ko, de, fr, es 언어 코드를 지원합니다. README에는 재작성된 콘텐츠가 여러 AI 탐지기를 우회할 수 있다고도 명시되어 있습니다. 그러나 탐지 결과가 보장되는 것은 아니므로, 저자 정보를 허위로 표시하거나 공개 의무를 회피하기 위한 용도가 아니라 책임감 있게 사용해야 합니다.
주요 기능
- 의미 보존: 원래 의미를 유지하려고 하면서 콘텐츠를 재작성합니다.
- 자연스러운 표현: 다양한 문장 구조, 표현, 정보 흐름을 도입합니다.
- 다국어 처리: 여러 지원 언어로 콘텐츠를 입력하고 생성할 수 있습니다.
- 유연한 문체: 다양한 어조와 글쓰기 스타일에 맞춰 재작성을 조정하도록 설계되었습니다.
- 선택적 DeepL 단계: DeepL API 키가 설정되어 있으면 다른 번역 엔진을 추가합니다.
- 오픈 소스 이용: MIT 라이선스로 배포됩니다.
재작성 파이프라인 작동 방식
text-Humanizer는 한 번의 패러프레이징을 적용하는 대신 여러 언어 모델 및 번역 단계를 거쳐 콘텐츠를 처리합니다.
- DeepSeek 재작성: DeepSeek가 표현, 문장 구조, 정보 흐름을 변경하면서 의미가 같은 버전을 생성합니다. 또한 파이프라인은 구조적 변화를 도입하기 위해 중국어를 중간 표현으로 사용합니다.
- 터키어로 번역: Google Translate가 중간 결과를 터키어로 변환하여 언어 간 구문 변화를 추가합니다.
- 선택적 일본어 번역: DeepL API 키를 사용할 수 있으면 DeepL이 터키어 텍스트를 일본어로 번역합니다. 이를 통해 두 번째 번역 엔진과 추가적인 언어적 변화를 적용합니다.
- 최종 재구성: DeepSeek가 결과를 설정된 원래 언어로 번역하고 재구성하여 번역 과정에서 생긴 흔적을 제거하고 읽기 쉬운 문장 흐름을 복원합니다.
여러 변환이 이루어지므로 최종 텍스트를 주의 깊게 검토하세요. 이름, 기술 용어, 숫자, 인용문, 미묘한 의미 차이는 수동으로 확인해야 할 수 있습니다.
사전 요구 사항
프로젝트를 설치하기 전에 다음을 준비하세요.
- Python 3.6 이상.
- 저장소를 복제하기 위한 Git.
- DeepSeek API 키.
- 추가 번역 단계를 활성화하려는 경우 선택 사항인 DeepL API 키.
설치
1. 저장소 복제
git clone https://github.com/SpaceDudem/text-humanizer.git
cd text-humanizer2. Python 종속 항목 설치
pip install -r requirements.txt환경에서 Python 3에 별도의 명령을 사용한다면 pip3와 같이 해당 패키지 설치 관리자를 사용하세요.
3. 구성 파일 생성
Windows에서는 다음 명령으로 예시 구성을 복사하세요.
copy .\config\config.example.toml .\config.tomlLinux 또는 macOS에서는 다음을 사용하세요.
cp ./config/config.example.toml ./config.toml이 명령은 애플리케이션에서 사용하는 루트 수준의 config.toml 파일을 생성합니다.
text-Humanizer 구성
config.toml을 열고 API 제공업체와 대상 언어에 필요한 옵션을 설정하세요.
target_language: 입력 및 출력에 사용할 언어입니다. 프로젝트에 나열된 사용 가능한 코드는en,ja,zh,ko,de,fr,es입니다.deepseek_api_key: 필수 DeepSeek API 키입니다.deepl_api_key: 터키어에서 일본어로 번역하는 단계에 사용하는 선택적 DeepL API 키입니다.base_url: API 기본 URL 재정의 값입니다. 제공업체의 기본값을 사용하려면 비워 두세요.model: 사용할 모델 슬러그입니다. 제공업체의 기본값을 사용하려면 비워 두세요.temperature: LLM 출력의 변동성을 제어합니다. 프로젝트에서는1.3을 권장합니다.
개념적인 구성은 다음과 같을 수 있습니다.
target_language = "en"
deepseek_api_key = "YOUR_DEEPSEEK_API_KEY"
deepl_api_key = ""
base_url = ""
model = ""
temperature = 1.3config.example.toml에 이미 있는 정확한 형식을 사용하세요. 자리 표시자 키를 실제 자격 증명으로 바꾸고 config.toml을 커밋하지 마세요.
휴머나이저 실행
저장소 디렉터리에서 애플리케이션을 시작하세요.
python main.py필요한 경우 대신 python3 main.py를 사용하세요. 실행 중인 애플리케이션이 제공하는 인터페이스를 통해 텍스트를 입력한 다음, 설정된 파이프라인이 재작성 및 번역 단계를 수행하도록 하세요.
기본 사용 예시
영어 작업 흐름에서는 target_language를 en으로 설정하고 유효한 DeepSeek 키를 입력한 다음 main.py를 실행하세요. 그런 다음 다음과 같이 딱딱한 문장을 처리할 수 있습니다.
The implementation of this system provides users with the ability to rewrite content in a more natural manner.
파이프라인은 표현과 문장 흐름이 변경된, 의미가 유사한 결과를 반환해야 합니다. 정확한 결과는 결정적이지 않으며 선택한 모델, temperature, 번역 단계, API 동작에 따라 달라집니다.
고급 구성 팁
선택적 DeepL 단계 활성화
deepl_api_key에 유효한 값을 추가하면 터키어에서 일본어로 번역하는 단계를 포함할 수 있습니다. DeepL을 사용하지 않는 파이프라인을 선호한다면 비워 두세요. 대표적인 텍스트로 두 모드를 비교하세요. 추가 번역 단계는 언어적 변 variation을 늘리는 동시에 확인해야 할 세부 사항도 증가시킬 수 있습니다.
출력 다양성 조정
README에서는 temperature를 1.3으로 설정할 것을 권장합니다. 이 설정은 더 다양한 표현을 유도하기 위한 것입니다. temperature를 실험할 때는 한 번에 하나의 변경만 적용하고, 결과에서 이름, 사실, 도메인별 용어가 여전히 보존되는지 비교하세요.
모델 또는 사용자 지정 엔드포인트 선택
특정 제공업체 지원 모델 슬러그가 필요하면 model을 설정하세요. 기본 API 엔드포인트를 재정의해야 할 때만 base_url을 설정하세요. 그렇지 않으면 두 값을 모두 비워 제공업체의 기본값을 사용하세요.
긴 콘텐츠 또는 전문 콘텐츠를 섹션별로 테스트
기술, 법률, 학술 또는 데이터 중심 자료는 작은 섹션으로 나누어 개별적으로 검토하세요. 다단계 재작성은 의미 보존을 목표로 하더라도 정확한 용어나 관계에 영향을 줄 수 있습니다. 게시하기 전에 최종 섹션을 모두 원문과 비교하세요.
구성 문제 해결
- 명령을 복제한
text-humanizer디렉터리에서 실행하고 있는지 확인하세요. config.toml이 예상되는 루트 위치에 있는지 확인하세요.deepseek_api_key에 유효한 키가 포함되어 있는지 확인하세요.target_language에 지원되는 언어 코드 중 하나를 사용하는지 확인하세요.- 선택적 단계가 실패하면
deepl_api_key를 확인하거나 일시적으로 비워 두세요. - 사용자 지정 API 설정을 사용하는 경우
base_url및model값을 확인하세요.
결론
text-Humanizer는 DeepSeek 재작성과 다국어 번역을 결합하여 원래 의미를 보존하면서 더욱 다양하고 자연스러운 문장을 생성하려고 합니다. 종속 항목을 설치하고 API 키를 구성한 후 python main.py로 워크플로를 시작할 수 있습니다. 출력 결과는 초안으로 간주하고 중요한 세부 사항을 확인하며, 해당 저작자 표시 및 공개 규정에 따라 프로젝트를 사용하세요.