使用开源 text-Humanizer 流程让 AI 生成的文本更自然

什么是 text-Humanizer？

text-Humanizer 是一个免费的 MIT 许可 Python 项目，用于将 AI 生成的文本转换为句子结构更自然、语言模式更多样、风格多样性更高的文章。它采用多语言改写与翻译流程，旨在保留源文本的含义。

该项目支持语言代码 en、ja、zh、ko、de、fr 和 es。其 README 还说明，改写后的内容可以绕过许多 AI 检测器。不过，检测结果并无保证，因此应负责任地使用该工具，而不应借此虚假声明作者身份或规避披露要求。

主要功能

• 保留含义：在尝试保留原始语义的同时改写内容。
• 自然措辞：引入不同的句子结构、表达方式和信息组织方式。
• 多语言处理：支持使用多种语言输入和生成内容。
• 风格灵活：旨在适应不同的语气和写作风格进行改写。
• 可选的 DeepL 阶段：配置 DeepL API 密钥后，可增加另一个翻译引擎。
• 开放源代码：基于 MIT 许可证发布。

改写流程的工作方式

text-Humanizer 不会只执行一次释义改写，而是让内容经过多个语言模型和翻译阶段。

1. DeepSeek 改写：DeepSeek 会生成语义等价的版本，并修改措辞、句子结构和信息组织方式。该流程还使用中文作为中间表示，以引入结构变化。
2. 翻译为土耳其语：Google Translate 会将中间输出转换为土耳其语，增加跨语言的句法变化。
3. 可选的日语翻译：如果提供了 DeepL API 密钥，DeepL 会将土耳其语文本翻译为日语。这会引入第二个翻译引擎和更多语言变化。
4. 最终重构：DeepSeek 会将结果翻译并重构为配置的原始语言，同时去除翻译痕迹，恢复易读的句子流畅度。

由于涉及多次转换，请仔细检查最终文本。名称、技术术语、数字、引文和细微差异可能需要人工核验。

前置条件

安装项目之前，请准备以下内容：

• Python 3.6 或更高版本。
• 用于克隆仓库的 Git。
• DeepSeek API 密钥。
• 可选的 DeepL API 密钥，用于启用额外的翻译阶段。

安装

1. 克隆仓库

git clone https://github.com/SpaceDudem/text-humanizer.git
cd text-humanizer

2. 安装 Python 依赖

pip install -r requirements.txt

如果你的环境将 Python 3 映射到单独的命令，请使用相应的软件包安装器，例如 pip3。

3. 创建配置文件

在 Windows 上，使用以下命令复制示例配置：

copy .\config\config.example.toml .\config.toml

在 Linux 或 macOS 上，使用：

cp ./config/config.example.toml ./config.toml

此命令会创建应用程序使用的根目录级 config.toml 文件。

配置 text-Humanizer

打开 config.toml，并设置 API 提供商和目标语言所需的选项。

• target_language：用于输入和输出的语言。项目列出的可用代码包括 en、ja、zh、ko、de、fr 和 es。
• deepseek_api_key：必需的 DeepSeek API 密钥。
• deepl_api_key：可选的 DeepL API 密钥，用于土耳其语到日语的翻译阶段。
• base_url：API 基础 URL 覆盖值。留空则使用提供商的默认值。
• model：所需的模型标识。留空则使用提供商的默认值。
• temperature：控制 LLM 输出的变化程度。项目建议使用 1.3。

配置文件的概念示例如下：

target_language = "en"
deepseek_api_key = "YOUR_DEEPSEEK_API_KEY"
deepl_api_key = ""
base_url = ""
model = ""
temperature = 1.3

请使用 config.example.toml 中已有的准确格式。将占位密钥替换为真实凭据，并且不要提交 config.toml

运行人性化处理工具

从仓库目录启动应用程序：

python main.py

如有必要，可以改用 python3 main.py。通过运行中应用程序提供的界面输入文本，然后让配置好的流程执行改写和翻译阶段。

基本使用示例

对于英语工作流，将 target_language 设置为 en，提供有效的 DeepSeek 密钥，然后运行 main.py。之后，你可以处理如下这类生硬的句子：

该系统的实现使用户能够以更自然的方式改写内容。

该流程应返回措辞和句子衔接有所变化、但语义相近的版本。具体结果具有不确定性，取决于所选模型、温度、翻译阶段和 API 行为。

高级配置技巧

启用可选的 DeepL 阶段

为 deepl_api_key 添加有效值，即可包含土耳其语到日语的翻译步骤。如果希望使用不含 DeepL 的流程，请将其留空。请在具有代表性的文本上比较两种模式，因为额外的翻译阶段可能会增加语言表达的变化，同时也会产生更多需要核查的细节。

调整输出变化程度

README 建议将 temperature 设置为 1.3。此设置旨在鼓励使用更多样的措辞。尝试调整 temperature 时，请一次只更改一项，并比较结果是否仍能保留名称、事实和特定领域术语。

选择模型或自定义端点

如果需要特定的、由服务提供商支持的模型标识，请设置 model。仅在需要覆盖默认 API 端点时设置 base_url。否则，请将这两个值留空，以使用服务提供商的默认设置。

分段测试长篇或专业内容

对于技术、法律、学术或数据密集型材料，请分别检查较小的段落。即使目标是保持语义不变，多阶段改写也可能影响精确术语或内容之间的关系。发布前，请将每个最终段落与源文进行比较。

排查配置问题

• 确认命令是在克隆的 text-humanizer 目录中运行的。
• 检查预期的根目录位置是否存在 config.toml。
• 确认 deepseek_api_key 包含有效密钥。
• 确保 target_language 使用受支持的语言代码之一。
• 如果可选阶段失败，请检查 deepl_api_key，或暂时将其留空。
• 使用自定义 API 设置时，请核实 base_url 和 model 的值。

结语

text-Humanizer 将 DeepSeek 改写与跨语言翻译相结合，旨在保留原意的同时生成更多样、更自然的文本。安装依赖并配置 API 密钥后，可以使用 python main.py 启动工作流程。请将其输出视为草稿，核实重要细节，并按照适用的署名和披露规则使用本项目。