Automazione semplice e mantenimento delle traduzioni per il tuo contenuto educativo su GitHub in più lingue man mano che il progetto evolve.
Supportato da Co-op Translator
Arabo | Bengalese | Bulgaro | Birmano (Myanmar) | Cinese (semplificato) | Cinese (tradizionale, Hong Kong) | Cinese (tradizionale, Macau) | Cinese (tradizionale, Taiwan) | Croato | Ceco | Danese | Olandese | Estone | Finlandese | Francese | Tedesco | Greco | Ebraico | Hindi | Ungherese | Indonesiano | Italiano | Giapponese | Kannada | Khmer | Coreano | Lituano | Malese | Malayalam | Marathi | Nepalese | Pidgin Nigeriano | Norvegese | Persiano (Farsi) | Polacco | Portoghese (Brasile) | Portoghese (Portogallo) | Punjabi (Gurmukhi) | Rumeno | Russo | Serbo (Cirillico) | Slovacco | Sloveno | Spagnolo | Swahili | Svedese | Tagalog (Filippino) | Tamil | Telugu | Thai | Turco | Ucraino | Urdu | Vietnamita
Preferisci clonare localmente?
Questo repository include oltre 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa il sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git cd co-op-translator git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git cd co-op-translator git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Questo ti offre tutto il necessario per completare il corso con un download molto più veloce.
Co-op Translator ti aiuta a localizzare il tuo contenuto educativo su GitHub in più lingue senza sforzo. Quando aggiorni i tuoi file Markdown, immagini o notebook, le traduzioni rimangono automaticamente sincronizzate, garantendo che il tuo contenuto sia preciso e aggiornato per gli studenti in tutto il mondo.
Esempio di come il contenuto tradotto viene organizzato:
Co-op Translator gestisce il contenuto tradotto come artefatti software versionati,
non come file statici.
Lo strumento traccia lo stato di Markdown tradotto, immagini e notebook usando metadati ambiti per lingua.
Questo design permette a Co-op Translator di:
- Rilevare in modo affidabile le traduzioni obsolete
- Trattare Markdown, immagini e notebook in modo coerente
- Scalare in sicurezza su repository grandi, dinamici e multilingue
Modellando le traduzioni come artefatti gestiti, i flussi di lavoro di traduzione si allineano naturalmente alle moderne pratiche di gestione delle dipendenze e degli artefatti software.
→ Come viene gestito lo stato della traduzione
# Crea e attiva un ambiente virtuale (consigliato)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Installa il pacchetto
pip install co-op-translator
# Traduci
translate -l "ko ja fr" -mdDocker:
# Scarica l'immagine pubblica da GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Esegui con la cartella corrente montata e .env fornito (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md- Assicurati di avere una versione Python supportata (attualmente 3.10-3.12). In poetry (pyproject.toml) questo viene gestito automaticamente.
- Crea un file
.envusando il modello: .env.template - Configura un provider LLM (Azure OpenAI o OpenAI)
- (Opzionale) Per la traduzione delle immagini (
-img), configura Azure AI Vision - (Opzionale) Puoi configurare più set di credenziali duplicando le variabili con suffissi come
_1,_2, ecc. Tutte le variabili in un set devono condividere lo stesso suffisso. - (Consigliato) Pulisci eventuali traduzioni precedenti per evitare conflitti (es.
translations/) - (Consigliato) Aggiungi una sezione delle traduzioni al tuo README usando il modello di lingue per README
- Vedi: Configura Azure AI
Traduci tutti i tipi supportati:
translate -l "ko ja"Solo Markdown:
translate -l "de" -mdMarkdown + immagini:
translate -l "pt" -md -imgSolo notebook:
translate -l "zh" -nbAltri flag: Riferimento comandi
- Traduzione automatica per Markdown, notebook e immagini
- Mantiene le traduzioni sincronizzate con le modifiche alla sorgente
- Funziona localmente (CLI) o in CI (GitHub Actions)
- Usa Azure OpenAI o OpenAI; opzionale Azure AI Vision per immagini
- Preserva la formattazione e la struttura Markdown
- Guida da riga di comando
- Guida GitHub Actions (repository pubblici e segreti standard)
- Guida GitHub Actions (repository Microsoft e configurazioni a livello organizzazione)
- Modello lingue per README
- Lingue supportate
- Contribuire
- Risoluzione problemi
Note
Solo per i manutentori dei repository Microsoft “For Beginners”.
Unisciti a noi nella rivoluzione del modo in cui i contenuti educativi sono condivisi in tutto il mondo! Dai una ⭐ a Co-op Translator su GitHub e supporta la nostra missione per abbattere le barriere linguistiche nell’apprendimento e nella tecnologia. Il tuo interesse e i tuoi contributi fanno la differenza! I contributi di codice e suggerimenti per nuove funzionalità sono sempre benvenuti.
- LangChain4j-for-Beginners
- AZD for Beginners
- Edge AI for Beginners
- Model Context Protocol (MCP) For Beginners
- AI Agents for Beginners
- Generative AI for Beginners using .NET
- Generative AI for Beginners
- Generative AI for Beginners using Java
- ML for Beginners
- Data Science for Beginners
- AI for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- PhiCookBook
👉 Clicca sull’immagine qui sotto per guardare su YouTube.
-
Open at Microsoft: Una breve introduzione di 18 minuti e una guida rapida su come usare Co-op Translator.
Questo progetto accoglie contributi e suggerimenti. Interessato a contribuire a Azure Co-op Translator? Consulta il nostro CONTRIBUTING.md per le linee guida su come aiutare a rendere Co-op Translator più accessibile.
Questo progetto ha adottato il Microsoft Open Source Code of Conduct. Per maggiori informazioni, consulta le FAQ sul Codice di Condotta o contatta [email protected] per eventuali domande o commenti aggiuntivi.
Microsoft si impegna ad aiutare i nostri clienti a utilizzare i nostri prodotti di IA in modo responsabile, condividendo le nostre esperienze e costruendo partnership basate sulla fiducia tramite strumenti come Transparency Notes e Impact Assessments. Molte di queste risorse possono essere trovate su https://aka.ms/RAI. L'approccio di Microsoft all'IA responsabile si basa sui nostri principi di IA di equità, affidabilità e sicurezza, privacy e sicurezza, inclusività, trasparenza e responsabilità.
I modelli di larga scala per linguaggio naturale, immagini e voce - come quelli usati in questo esempio - possono potenzialmente comportarsi in modi ingiusti, inaffidabili o offensivi, causando a loro volta danni. Si prega di consultare la Transparency note del servizio Azure OpenAI per essere informati su rischi e limitazioni.
L'approccio raccomandato per mitigare questi rischi è includere un sistema di sicurezza nella vostra architettura in grado di rilevare e prevenire comportamenti dannosi. Azure AI Content Safety fornisce uno strato indipendente di protezione, capace di rilevare contenuti dannosi generati dagli utenti e dall'IA in applicazioni e servizi. Azure AI Content Safety include API per testo e immagini che permettono di rilevare materiale dannoso. Abbiamo anche uno studio interattivo Content Safety Studio che permette di visualizzare, esplorare e provare esempi di codice per rilevare contenuti dannosi in diverse modalità. La seguente documentazione quickstart ti guida nell’effettuare richieste al servizio.
Un altro aspetto da considerare è la performance complessiva dell’applicazione. Con applicazioni multimodali e multimodello, intendiamo la performance come il fatto che il sistema funzioni come tu e i tuoi utenti vi aspettate, incluso non generare output dannosi. È importante valutare la performance della tua applicazione complessiva utilizzando le metriche di qualità di generazione e rischio e sicurezza.
Puoi valutare la tua applicazione di IA nel tuo ambiente di sviluppo utilizzando l’SDK prompt flow. Fornendo un dataset di test o un obiettivo, le generazioni della tua applicazione di IA generativa sono misurate quantitativamente con valutatori integrati o personalizzati a tua scelta. Per iniziare con l’SDK prompt flow per valutare il tuo sistema, puoi seguire la guida quickstart. Una volta eseguito un run di valutazione, puoi visualizzare i risultati in Azure AI Studio.
Questo progetto potrebbe contenere marchi o loghi per progetti, prodotti o servizi. L’uso autorizzato dei marchi o loghi Microsoft è soggetto e deve seguire le Microsoft's Trademark & Brand Guidelines. L’uso dei marchi o loghi Microsoft in versioni modificate di questo progetto non deve causare confusione o implicare sponsorizzazione da parte di Microsoft. Qualsiasi uso di marchi o loghi di terzi è soggetto alle politiche di quei terzi.
Se ti blocchi o hai domande sulla costruzione di app di IA, unisciti a:
Se hai feedback sul prodotto o errori durante la costruzione, visita:
Disclaimer: Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua madre deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall'uso di questa traduzione.