AI教程

使用 text-humanizer 流程让 AI 生成的文本更具人性化

了解如何安装、配置和运行 text-humanizer。这是一个开源 Python 项目，可在保留原意的同时改写 AI 生成的文本。本教程将介绍多语言转换流程、API 配置、支持的语言、基本命令以及实用的自定义技巧。

AI我搜编辑部2026年9月17日阅读约 7 分钟

什么是 text-humanizer？

text-humanizer 是一个免费的开源 Python 项目，通过由多语言大语言模型驱动的流水线改写 AI 生成的内容。它的目标是在保留源文本含义的同时，生成更自然的句式、更丰富的措辞和更高的风格多样性。

该项目将 DeepSeek 与翻译服务结合起来，先将文本转换为多种语言，再用原始语言重新构建文本。README 声称，这一过程可以绕过许多 AI 检测器，但检测结果可能有所不同，不应将其视为保证。

主要功能

在提升自然度的同时保留原始含义。
引入多样的句式结构和语言模式。
支持不同的写作风格和语气。
使用多语言改写与翻译流水线。
通过列出的语言代码支持英语、日语、中文、韩语、德语、法语和西班牙语。
提供可选的 DeepL 集成，以增加跨语言变化。
以 MIT 许可证发布为免费开源软件。

改写流水线的工作方式

步骤 1：DeepSeek 改写

DeepSeek 会生成与输入内容语义等价的版本，同时修改措辞、句式结构和信息组织方式。根据项目文档，此阶段还会使用中文作为中间表示，以减少与原始语言相关的模式。

步骤 2：Google 翻译

中间输出会经过 Google 翻译并译为土耳其语。由于语法和翻译行为存在差异，这一步会引入跨语言变化。

步骤 3：可选的 DeepL 翻译

如果提供 DeepL API 密钥，土耳其语文本会通过 DeepL 翻译成日语。这个可选阶段会向流水线加入另一种语言和独立的翻译引擎。

步骤 4：DeepSeek 最终重构

DeepSeek 会将结果翻译并重构为输入和输出所选的语言。最终处理旨在消除翻译痕迹、恢复易读的句子衔接，并保留原始含义。

前置条件

安装项目之前，请确保具备以下条件：

Python 3.6 或更高版本。
用于克隆仓库的 Git。
DeepSeek API 密钥。
如果要启用额外的 DeepL 阶段，还需要可选的 DeepL API 密钥。
访问外部模型和翻译服务所需的互联网连接。

安装

1. 克隆仓库

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

2. 安装依赖

安装项目定义的 Python 软件包：

pip install -r requirements.txt

如果你的系统将 pip 映射到其他 Python 安装，请根据环境使用适当的命令，例如 python -m pip 或 python3 -m pip。

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，使用等效的复制命令：

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

配置

运行应用程序前，打开 config.toml 并配置可用选项。

target_language：选择输入和输出使用的语言。列出的值包括 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。
base_url：覆盖 API 基础 URL。留空则使用提供商默认值。
model：设置模型标识。留空则使用提供商默认值。
temperature：控制大语言模型的采样温度。项目建议使用 1.3。

根据文档设置的配置大致如下。请保留所提供示例文件中的确切结构和字段位置：

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

将占位符替换为实际的 DeepSeek 密钥。如果不想使用可选的 DeepL 翻译阶段，请将 deepl_api_key 留空。

基本用法

在仓库目录中启动 humanizer：

python main.py

在 Python 3 使用独立可执行文件名的系统上，请运行：

python3 main.py

程序会根据 config.toml 中的语言和提供商设置处理文本。例如，将 target_language 设置为 en 可将流水线配置为处理英语输入和输出。要处理日语文本，请将其改为 ja，然后重新启动程序。

语言更改示例

对于德语输入和输出：

target_language = "de"

对于西班牙语输入和输出：

target_language = "es"

只能使用项目配置支持的语言代码。

高级配置提示

启用可选的 DeepL 阶段

将有效的 DeepL 密钥添加到 deepl_api_key，即可启用土耳其语到日语的翻译阶段。没有该密钥时，流水线会跳过这一步。

调整温度

README 建议将温度设置为 1.3。此设置旨在鼓励 LLM 改写时产生更多变化。如果你尝试其他值，请仔细比较输出，确保原意保持不变。

使用自定义端点或模型

base_url 设置可以覆盖默认 API 端点，而 model 可以指定模型标识。若要使用提供商的默认值，请将任一字段留空。自定义值应与所使用的 API 服务相匹配。

多次翻译后检查含义

该项目旨在保留语义，但每个改写和翻译阶段都可能引入细微变化。发布最终结果前，请检查名称、数字、引语、技术术语和事实性表述。

保护 API 凭据

请将 API 密钥视为机密信息。避免发布已填入内容的 config.toml，也不要将凭据提交到公共代码仓库。

负责任地使用

使用 text-humanizer 来改善清晰度、语气和文体多样性，而不是冒充作者身份或规避要求披露 AI 辅助的规则。

AI 检测系统的结果并不一致，任何改写流程都无法保证特定的检测结果。请遵守适用于你工作的披露、学术诚信、出版和平台政策。

结语

text-humanizer 结合 DeepSeek、Google Translate 和可选的 DeepL 处理，为多语言文本改写提供了可配置的方法。克隆代码仓库、安装依赖并添加 API 设置后，你可以使用 python main.py 启动流程。请检查每项结果，确认其可读性、事实准确性和语义保真度。

源代码和 MIT 许可证可在 text-humanizer GitHub 代码仓库中获取。