下载发布便携包
当前 GitHub Release 提供的是完整 Windows 便携目录，不是旧版 app.exe / PyInstaller 单文件。下载对应硬件版本的全部分卷，解压后运行 Win-Start.bat；包内自带 Python、uv、PortableGit、对应依赖和模型，不需要预装这些工具。
当前发布包如何生成
版本标签触发 .github/workflows/build-and-release.yml 后，发布流程会分别构建 CPU、CUDA 13.0、CUDA 12.6 和 ROCm 7.2.1 四种便携包：
- CI 先从
portable标签下载manga-translator-ui-portable.7z；这个便携基础包已包含 Python 3.12、uv 和PortableGit，随后再覆盖为当前标签的代码。PortableGit会从基础包保留下来，不会在每次版本构建时重复下载。 - 从已锁定的
uv.lock导出对应依赖组，把依赖直接安装进包内的packaging/python。 - ROCm 7.2.1 包单独安装 Windows Radeon ROCm 7.2.1 SDK 和配套 PyTorch；
cuda13.0依赖组使用 PyTorch cu130，cuda12.6依赖组使用 PyTorch cu126。 - 把模型文件放进包内，执行 PyQt6、PyTorch、ONNX Runtime 冒烟检查。
- 使用 7-Zip 按约 1990 MiB 分卷，上传全部分卷到对应版本的 GitHub Release。
仓库中的
packaging/build_packages.py和 PyInstaller spec 仍可用于本地构建，但当前 GitHub Release 的 CPU、CUDA 13.0、CUDA 12.6、ROCm 7.2.1 下载附件走的是上述“便携 Python + 已安装依赖”流程，所以发布包里没有app.exe属于正常现象。
下载与选择版本
前往 GitHub Releases 打开最新版本，按硬件选择同一前缀的全部文件：
| 发布文件前缀 | 适用设备 | 运行时 |
|---|---|---|
manga-translator-cpu-vX.Y.Z.7z.* | 所有 Windows x64 电脑；无独显或不确定兼容性时选它 | CPU PyTorch / ONNX Runtime |
manga-translator-cuda13.0-vX.Y.Z.7z.* | Turing（计算能力 7.5）及更新的 NVIDIA 显卡，并且驱动支持 CUDA 13.0；RTX 50 系列推荐此包 | CUDA 13.0 / PyTorch cu130 |
manga-translator-cuda12.6-vX.Y.Z.7z.* | GeForce 10 系列必须选此包；也适用于其他需要兼容版本的 NVIDIA 显卡，支持 CUDA 13.0 及以上的驱动可向下兼容运行 | CUDA 12.6 / PyTorch cu126 |
manga-translator-rocm7.2.1-vX.Y.Z.7z.* | 受 Windows ROCm 支持的 AMD 显卡 | 实验性 Radeon ROCm 7.2.1；要求 AMD 26.2.2 驱动 |
ROCm 7.2.1 包只适用于其支持范围内的 AMD 显卡。无法确认兼容性时先使用 CPU 包；不要把不同运行时的分卷混在一起。
CUDA 13.0 已不支持 Turing 之前的 NVIDIA 架构。安装器会优先按显卡型号识别 GeForce 10 系列，并强制选择 CUDA 12.6；无法读取计算能力时也会保守回退到 CUDA 12.6。
下载和解压分卷
- 下载所选版本的
.7z.001、.7z.002等全部分卷，放在同一目录并保持原文件名。 - 使用 7-Zip 或支持 7z 分卷的解压软件，只对
.7z.001执行解压；后续分卷会自动读取。 - 解压到可写的短路径，例如
D:\manga-translator-ui\。不要直接在压缩包内运行，也不要混用不同版本的分卷。
缺少任何一个分卷、下载不完整或文件被重命名，都会导致解压报错。每个普通分卷约 1990 MiB，最后一个分卷通常更小。
启动
- 先安装 Microsoft Visual C++ 2015–2022 运行库（x64）。
- 进入解压后的目录，双击
Win-Start.bat。 - 脚本会先把包内的
PortableGit\cmd加入PATH，再使用packaging\python\python.exe启动desktop_qt_ui\main.py。首次加载模型可能较慢，但不会重新下载整套 Python 依赖和已随包提供的模型。 - 需要检查依赖、同步代码、切换版本或分支时，运行
Win-Install-or-Update.bat；维护程序会优先使用包内的PortableGit\cmd\git.exe。
更新或更换硬件版本
- 原目录更新：运行
Win-Install-or-Update.bat，选择[2] 更新；此方式需要网络，会同步代码并检查当前依赖。 - 下载新发布包：适合修复损坏环境，或在 CPU、NVIDIA、AMD 之间切换。建议解压到新目录，再从旧目录迁移需要保留的
config/、result/和logs/。
切换硬件版本时不要把另一版本的 packaging/python 直接覆盖进当前目录；三个版本的 PyTorch 运行时互斥。
常见问题
- 目录里没有
app.exe：当前发布包通过Win-Start.bat和包内 Python 启动，这是预期结构。 - 无法解压：确认同一版本、同一硬件前缀的所有分卷都已下载完成，并从
.001开始解压。 - 双击后闪退：先安装 x64 Visual C++ 运行库，确认杀毒软件没有隔离脚本、DLL 或 Python 文件，再运行
Win-Install-or-Update.bat检查环境。 - NVIDIA 版无法加载 GPU：更新显卡驱动并确认其支持所选包的 CUDA 版本；仍失败时改用 CPU 包。
- AMD 版无法加载 PyTorch：确认显卡在 Windows ROCm 7.2.1 支持范围内并安装 AMD 26.2.2 驱动；不兼容时改用 CPU 包。
关联页面
- Windows 便携版：便携基础包的首次安装、维护菜单和更新流程。
- 更新与版本切换：分支、标签和依赖更新说明。
- Linux 与 macOS 安装：Unix 安装脚本。
- Docker 部署：容器运行 Web 界面。