Quand on cherche un outil pour traduire des mangas, un nom revient souvent : manga-image-translator. C'est l'un des projets open source de traduction de manga les plus connus sur GitHub, cité dans de nombreux tutoriels et discussions de forums.
Mais en ouvrant sa page GitHub, beaucoup de lecteurs décrochent : lignes de commande, versions de Python, CUDA, Docker, clés d'API… Concrètement, qu'est-ce que c'est ? Est-ce que votre ordinateur peut le faire tourner ? Et quelle différence avec un traducteur de manga en ligne ?
Cet article s'appuie sur le README officiel du projet pour expliquer son fonctionnement, ses prérequis d'installation et ses limites connues, afin de vous aider à savoir s'il vous convient. Vous voulez simplement traduire des images de manga en ligne, sans rien installer ? Avec notre traducteur d'images de manga, vous importez des pages, des captures d'écran ou des fichiers PDF/CBZ entiers directement dans votre navigateur et récupérez des pages traduites avec un lettrage propre.
La fiche d'identité du projet
Élément | Détail |
|---|---|
Où le trouver | GitHub : zyddnys/manga-image-translator |
Licence | GPL-3.0 (open source) |
Communauté | Environ 10 000 étoiles et 1 000 forks (octobre 2026) |
Langues | Surtout le japonais, mais aussi le chinois, l'anglais, le coréen, le français et une vingtaine d'autres langues |
Fonctions | Détection du texte, OCR, effacement du texte (inpainting), traduction, lettrage, plus des options d'agrandissement et de colorisation |
Modes d'utilisation | Traitement par lots en local, interface web, API, Docker |
Dernière mise à jour du README | 10 mai 2025 |
Dès les premières lignes du README, l'auteur prévient que le projet en est encore à un stade précoce de développement et présente de nombreux défauts. C'est un point important à garder en tête : il s'agit d'un projet communautaire en évolution, pas d'un logiciel prêt à l'emploi.
Comment ça marche : cinq modules à la chaîne
manga-image-translator n'est pas un modèle unique, mais une chaîne de plusieurs modèles. Chaque étape peut être remplacée par un autre modèle, et c'est ce qui fait sa particularité.
Étape | Rôle | Modèles ou services disponibles (extrait) |
|---|---|---|
1. Détection | Repérer où se trouve le texte | default, ctd, dbconvnext, paddle… |
2. OCR | Lire le texte détecté | 48px (par défaut), 32px, mocr… |
3. Inpainting | Effacer le texte d'origine et reconstruire le dessin | lama_large (par défaut), lama_mpe, sd… |
4. Traduction | Traduire vers la langue cible | sugoi (par défaut, hors ligne), DeepL, OpenAI, DeepSeek, Gemini, Sakura, NLLB… |
5. Lettrage | Replacer la traduction dans l'image | default, manga2eng |
S'y ajoutent des options d'agrandissement d'image (waifu2x, esrgan…) et de colorisation des pages en noir et blanc (mc2).
Ces cinq étapes forment en réalité le squelette commun à tous les traducteurs de manga par IA. C'est aussi ce qui explique pourquoi un outil généraliste donne souvent de moins bons résultats sur une page de manga : nous l'avons détaillé dans notre test Google Traduction face aux mangas.
Installation : ce qu'il faut prévoir
Le README propose deux méthodes principales. Dans les deux cas, il faut un minimum d'aisance avec l'informatique.
Méthode 1 : installation locale avec Python (recommandée par le projet)
Python 3.10 ou plus récent. Le README précise que les toutes dernières versions de Python ne sont pas toujours compatibles avec certaines bibliothèques PyTorch.
Cloner le dépôt avec git, puis installer les dépendances avec pip. Les modèles se téléchargent automatiquement au premier lancement.
Sous Windows, installer d'abord Microsoft C++ Build Tools, car certaines dépendances doivent être compilées.
Pour utiliser la carte graphique, installer soi-même la version de PyTorch correspondant à sa version de CUDA. Une incompatibilité de versions est l'une des causes de blocage les plus fréquentes.
Méthode 2 : Docker
L'image contient toutes les dépendances et tous les modèles, mais elle pèse environ 15 Go.
Pour l'accélération par GPU NVIDIA, il faut aussi Docker 19.03 ou plus et NVIDIA Container Runtime.
Dans tous les cas, la qualité dépend du moteur de traduction
Le moteur par défaut, sugoi, fonctionne hors ligne sans clé. Mais pour utiliser DeepL, OpenAI, DeepSeek ou Gemini, il faut créer soi-même une clé d'API, la renseigner dans des variables d'environnement ou un fichier .env, et payer l'usage directement auprès de chaque service.
Le README mentionne aussi une version en Rust maintenue par la communauté, plus simple à installer grâce à un exécutable compilé, mais disponible uniquement en ligne de commande pour l'instant.
Les réglages à connaître pour traduire en français
La langue cible par défaut est le chinois simplifié
Dans la configuration, la valeur par défaut de target_lang est CHS (chinois simplifié). Pour obtenir du français, il faut la changer en FRA, sans quoi le résultat sortira en chinois.
Le moteur par défaut n'est pas pensé pour le français
Le README recommande sugoi pour le japonais vers l'anglais. Pour une traduction vers le français, il faut choisir un moteur qui gère le français (DeepL, OpenAI, NLLB, M2M100…) ou enchaîner deux moteurs grâce à l'option translator_chain (par exemple japonais vers anglais, puis anglais vers français), avec le risque de perte de sens que comporte toute double traduction.
Le lettrage pour l'alphabet latin
Le moteur de rendu manga2eng essaie de remplir la bulle détectée plutôt que la seule zone de texte d'origine, ce qui convient mieux au texte horizontal en alphabet latin.
Avec l'option
--font-path, choisissez une police qui gère bien les accents (é, è, à, ç), sinon certains caractères risquent de mal s'afficher.
Noms des personnages et contexte
Le glossaire permet de garder des noms propres et des noms de personnages cohérents, mais d'après le README, il ne fonctionne qu'avec le traducteur OpenAI.
L'option
--context-size, qui fait tenir compte des pages précédentes, ne s'applique elle aussi qu'au traducteur OpenAI.
Autrement dit, pour une traduction cohérente d'une page à l'autre, il faut en pratique passer par une API de grand modèle de langage payante et maintenir son propre glossaire.
Les limites indiquées dans le README
L'avantage d'un projet open source, c'est sa transparence : l'auteur liste lui-même les limites actuelles. Voici celles qui comptent le plus pour un lecteur :
La zone de lettrage dépend du texte détecté, pas de la bulle. Cela permet de traiter des images sans bulles, mais l'auteur reconnaît qu'un lettrage parfait n'est pas encore possible et qu'il n'existe pas de bonne solution pour le moment.
Les images en basse résolution font rater du texte. Le README conseille d'agrandir l'image d'abord (
upscale_ratio) ou d'ajuster la taille de détection.Beaucoup de réglages se font à la main. Si du texte d'origine reste visible, c'est à vous de déterminer si le problème vient de la détection, de l'OCR ou de l'inpainting, puis d'ajuster les bons paramètres.
La version en ligne officielle n'est pas garantie. Le README indique que le site de démonstration peut être temporairement inaccessible, et la description du projet précise que l'ancien service en ligne cotrans ne fonctionne plus.
Certains moteurs de traduction changent. Google Traduction, par exemple, est marqué comme temporairement désactivé dans le README.
Ces limites ne disent pas que l'outil est mauvais. Elles précisent son positionnement : une boîte à outils pour celles et ceux qui aiment mettre les mains dans le cambouis et ajuster les réglages.
Pour qui ? Et pour qui ce n'est pas fait ?
Plutôt adapté si vous… | Plutôt déconseillé si vous… |
|---|---|
êtes à l'aise avec la ligne de commande et Python | voulez simplement importer une page et lire le résultat |
avez une carte graphique NVIDIA, ou acceptez un traitement lent sur processeur | lisez sur ordinateur portable léger ou sur smartphone |
voulez comprendre comment se combinent OCR, inpainting et traduction | ne voulez pas gérer CUDA ni les conflits de versions |
voulez choisir votre moteur et maintenir votre glossaire | ne voulez pas créer et gérer des clés d'API |
êtes prêt à ajuster les réglages page par page | suivez des séries et voulez traduire un chapitre entier d'un coup |
Si vous vous reconnaissez dans la colonne de gauche, manga-image-translator est un projet passionnant, et une excellente façon de comprendre la technique derrière la traduction de manga.
Si vous êtes plutôt dans la colonne de droite, un traducteur en ligne vous fera gagner beaucoup de temps. Avec le traducteur de manga AI Manga Translator, la détection, l'OCR, l'effacement, la traduction et le lettrage se font dans le cloud, sans rien installer. Vous pouvez importer directement une archive ZIP, prévisualiser les pages et choisir celles à traduire, et les noms des personnages restent cohérents du début à la fin du chapitre. Si vous lisez en ligne, l'extension Chrome traduit les pages directement dans votre navigateur (notre guide de l'extension explique comment l'utiliser).
C'est souvent la solution la plus simple quand la VF de vos mangas a des années de retard, ou quand vous suivez un manhwa coréen qui, comme beaucoup d'autres, n'arrivera sans doute jamais en français.
Quel que soit votre choix, notre comparatif des traducteurs de manga par IA en 2026 détaille les critères à vérifier avant de choisir un outil.
Sources
Projet GitHub zyddnys/manga-image-translator, README (dernière mise à jour : 10 mai 2025 ; nombre d'étoiles et de forks consulté en octobre 2026).
Projet GitHub zyddnys/manga-image-translator, README en chinois (README_CN).
Cet article s'appuie sur les informations publiques disponibles au moment de sa rédaction. Les projets open source évoluent vite : référez-vous à la page du projet pour les étapes d'installation et les fonctionnalités à jour.