如何用Docker 10分钟部署text-humanizer？Docker Compose与Ollama本地大模型接入指南

【免费下载链接】text-humanizerAdvanced open-source AI humanizer designed to make AI-generated text undetectable by Turnitin, GPTZero, and other AI detection services.项目地址https://gitcode.com/gh_mirrors/te/text-humanizer点击查看免费下载text-humanizer 是一款完全免费的开源 AI 文本拟人化工具能通过多语言大模型重写流程让 AI 生成的文本绕过 Turnitin、GPTZero 等 AI 检测器。本文带你用 Docker Compose 在 10 分钟内完成 text-humanizer 部署并接入 Ollama 本地大模型全程无需注册任何 API。一、text-humanizer 是什么工作原理速览text-humanizer 的核心思路是「多引擎接力改写」用大语言模型改写文本再经过 Google 翻译、DeepL 等多次跨语言转换打乱 AI 文本的特征模式最后再翻译回原语言并重建自然句式。整个流程分 4 步详见 README-zh.md步骤引擎作用1️⃣ LLM 重写DeepSeek或任意兼容接口语义等价改写引入句式结构变化2️⃣ Google 翻译EN → TR引入句法层面的跨语言扰动3️⃣ DeepL 翻译可选TR → JA加入第二个独立翻译引擎4️⃣ 最终重构DeepSeek消除翻译痕迹恢复自然流畅度它支持 8 种语言en、ja、zh、ko、de、fr、es在保持原意的前提下显著提升文本自然度。二、部署前提与克隆 text-humanizer 仓库环境要求只需 2 项新手友好 ✅已安装 Docker 与 Docker Compose已安装 Git执行以下命令克隆仓库并进入目录git clone https://gitcode.com/gh_mirrors/te/text-humanizer cd text-humanizer项目里与部署相关的文件一目了然docker-compose.yml一键编排「拟人化服务 Ollama」两个容器docker/Dockerfile基于python:3.12的镜像定义config/config.example.toml配置模板requirements.txtPython 依赖清单main.py命令行入口Docker 内执行python main.py三、30 秒读懂 docker-compose.ymldocker-compose.yml 定义了 2 个服务这是「10 分钟部署」的关键服务说明humanize-text主服务从项目根目录构建镜像挂载本地config.toml到容器/app/config.toml启动命令为python main.py并设置了restart: unless-stopped自动重启ollama可选本地大模型运行器使用ollama/ollama:latest镜像映射端口11434:11434模型数据持久化到ollama_data卷注意两点挂载逻辑来自 docker-compose.ymlvolumes: - .:/app # 整个项目目录挂载进容器 - ./config.toml:/app/config.toml # 配置文件单独挂载改配置即生效四、10 分钟部署最快 Docker Compose 配置步骤第 1 步创建配置文件cp config/config.example.toml config.toml第 2 步编辑 config.toml最小可用配置示例暂用 DeepSeek API稍后切换到 Ollama[general] target_language en deepseek_api_key 你的API-KEY [llm] base_url model temperature 1.3核心配置项速查配置项说明target_language输入/输出语言en、ja、zh、ko、de、fr、esdeepseek_api_keyDeepSeek API 密钥deepl_api_keyDeepL API 密钥可选base_url自定义 API 地址留空使用默认接入 Ollama 时必填model模型名称留空使用默认模型temperature采样温度官方推荐1.3第 3 步一键构建并启动docker compose up -d --build第 4 步验证部署状态docker compose ps # 查看容器状态 docker compose logs -f humanize-text # 查看运行日志 小贴士如果构建时提示找不到 Dockerfile可将 docker/Dockerfile 复制到项目根目录或在 docker-compose.yml 的build中显式指定 Dockerfile 路径。五、Ollama 本地大模型接入指南免 API 费用 不想依赖云端 APItext-humanizer 的 LLM 重写模块 src/standard/llm_rewriter.py 支持任何 OpenAI 兼容接口因此可以无缝对接 Ollama 本地大模型。第 1 步启动 Ollama 容器并拉取模型docker compose up -d ollama docker compose exec ollama ollama pull qwen2.5:7b第 2 步修改 config.toml 的 [llm] 段由于两个容器通过 Docker 内部网络通信base_url直接使用服务名ollama[llm] base_url http://ollama:11434/v1 model qwen2.5:7b temperature 1.3第 3 步重启主服务使配置生效docker compose restart humanize-text docker compose logs -f humanize-text补充说明Ollama 的http://地址:11434/v1端点完全兼容 OpenAI Chat Completions 协议model填任意已拉取的模型名即可如qwen2.5:7b、llama3.1:8b。如果你在宿主机已原生安装 OllamaDocker Desktop 环境下可将base_url设为http://host.docker.internal:11434/v1并删除 compose 中的ollama服务。翻译环节依赖 Google/DeepL 接口src/standard/translators.py 已内置超长文本自动分块约 4500 字符/块无需额外处理。六、部署后常见坑与排查清单现象原因与解决方法构建失败提示找不到 Dockerfile确认 Dockerfile 位于项目根目录参考 docker/Dockerfile11434 端口被占用宿主机已有 Ollama改11434:11434为11435:11434base_url同步改为http://ollama:11435/v1模型不存在报错先执行docker compose exec ollama ollama pull 模型名再重启配置不生效确认config.toml位于项目根目录挂载点是./config.toml响应速度慢本地模型受硬件限制属正常现象可换更小的模型如qwen2.5:1.5b七、总结通过本文你已经掌握了 text-humanizer 的完整本地化部署方案✅ 用docker compose up -d --build一条命令完成容器化部署✅ 通过base_urlmodel两个配置项即可接入 Ollama 本地大模型零 API 成本✅ 支持 8 种语言输出多语言重写流水线让 AI 痕迹大幅降低整个流程不到 10 分钟适合对 AI 检测、文本改写、Docker Compose 多服务编排感兴趣的新手动手实践。更多配置细节可参考 config/config.example.toml流水线与转换逻辑可查看 src/conversion/translation_chain.py 与 src/standard/routes.py。赞分享【免费下载链接】text-humanizerAdvanced open-source AI humanizer designed to make AI-generated text undetectable by Turnitin, GPTZero, and other AI detection services.项目地址https://gitcode.com/gh_mirrors/te/text-humanizer点击查看免费下载相关推荐text-humanizer Docker 部署完整教程Docker Compose Ollama 本地大模型一键跑通text humanizer Docker 部署完整教程Docker Compose Ollama 本地大模型一键跑通 text humanizer 是一Docker 一键部署 text-humanizerdocker-compose 构建与本地 Ollama 大模型服务可选配置指南Docker 一键部署 text humanizerdocker compose 构建与本地 Ollama 大模型服务可选配置指南 text humanizetext-humanizer Docker部署完整教程两条命令容器化上线附Ollama本地模型方案text humanizer Docker部署完整教程两条命令容器化上线附Ollama本地模型方案 text humanizer 是一个完全免费开源的 AI上一篇如何部署Timestral-123MCPU到GPU推理优化与生产落地完整指南下一篇Qwen2.5-0.5B-Instruct-fa3的W8A8量化方案深度解析为什么down_proj这一层不量化创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考