README.md

Co-op Translator

Łatwo automatyzuj i utrzymuj tłumaczenia swojego edukacyjnego zawartości na GitHubie w wielu językach w miarę rozwoju projektu.

🌐 Wsparcie wielojęzyczne

Wsparcie przez Co-op Translator

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Wolisz Klonować Lokalnie?

To repozytorium zawiera ponad 50 tłumaczeń, co znacznie zwiększa rozmiar pobierania. Aby sklonować bez tłumaczeń, użyj 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"

To zapewnia wszystko, czego potrzebujesz do ukończenia kursu przy znacznie szybszym pobieraniu.

Przegląd

Co-op Translator pomaga łatwo lokalizować edukacyjne treści na GitHubie na wiele języków.
Gdy aktualizujesz swoje pliki Markdown, obrazy lub notatniki, tłumaczenia pozostają automatycznie zsynchronizowane, zapewniając, że Twoja zawartość jest dokładna i aktualna dla uczących się na całym świecie.

Przykład organizacji przetłumaczonej zawartości:

Jak zarządzany jest stan tłumaczenia

Co-op Translator zarządza przetłumaczoną zawartością jako wersjonowane artefakty oprogramowania,
a nie jako statyczne pliki.

Narzędzie śledzi stan przetłumaczonego Markdowna, obrazów i notatników
używając metadanych zdefiniowanych wg języka.

Ten projekt pozwala Co-op Translator:

• Niezawodnie wykrywać przestarzałe tłumaczenia
• Traktować Markdown, obrazy i notatniki spójnie
• Bezpiecznie skalować się w dużych, szybko zmieniających się, wielojęzycznych repozytoriach

Poprzez modelowanie tłumaczeń jako zarządzanych artefaktów,
przepływy pracy tłumaczeń naturalnie dopasowują się do nowoczesnych
praktyk zarządzania zależnościami i artefaktami oprogramowania.

→ Jak zarządzany jest stan tłumaczenia

Szybki start

# Utwórz i aktywuj środowisko wirtualne (zalecane)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Zainstaluj pakiet
pip install co-op-translator
# Przetłumacz
translate -l "ko ja fr" -md

Docker:

# Pobierz publiczny obraz z GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Uruchom z zamontowanym bieżącym folderem i dostarczonym plikiem .env (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md

Minimalna konfiguracja

1. Upewnij się, że masz obsługiwaną wersję Pythona (obecnie 3.10-3.12). W poetry (pyproject.toml) jest to obsługiwane automatycznie.
2. Utwórz plik .env używając szablonu: .env.template
3. Skonfiguruj dostawcę LLM (Azure OpenAI lub OpenAI)
4. (Opcjonalnie) Dla tłumaczenia obrazów (-img), skonfiguruj Azure AI Vision
5. (Opcjonalnie) Możesz skonfigurować wiele zestawów poświadczeń, duplikując zmienne z sufiksami takimi jak _1, _2 itd. Wszystkie zmienne w zestawie muszą mieć ten sam sufiks.
6. (Zalecane) Wyczyść poprzednie tłumaczenia, aby uniknąć konfliktów (np. translations/)
7. (Zalecane) Dodaj sekcję tłumaczeń do README używając szablonu języków README
8. Zobacz: Konfiguracja Azure AI

Użytkowanie

Tłumacz wszystkie obsługiwane typy:

translate -l "ko ja"

Tylko Markdown:

translate -l "de" -md

Markdown + obrazy:

translate -l "pt" -md -img

Tylko notatniki:

translate -l "zh" -nb

Więcej flag: Referencja poleceń

Funkcje

• Automatyczne tłumaczenie Markdown, notatników i obrazów
• Utrzymuje tłumaczenia zgodne ze zmianami źródłowymi
• Działa lokalnie (CLI) lub w CI (GitHub Actions)
• Używa Azure OpenAI lub OpenAI; opcjonalnie Azure AI Vision dla obrazów
• Zachowuje formatowanie i strukturę Markdown

Dokumentacja

• Przewodnik po wierszu poleceń
• Przewodnik GitHub Actions (Publiczne repozytoria i standardowe sekrety)
• Przewodnik GitHub Actions (Repozytoria organizacji Microsoft i konfiguracje na poziomie organizacji)
• Szablon języków README
• Obsługiwane języki
• Wkład w projekt
• Rozwiązywanie problemów

Przewodnik specyficzny dla Microsoft

Note

Dla opiekunów repozytoriów Microsoft „For Beginners” tylko.

• Aktualizacja listy „inne kursy” (tylko dla repozytoriów MS Beginners)

Wspieraj nas i rozwijaj globalną edukację

Dołącz do nas w rewolucjonizowaniu sposobu globalnego udostępniania treści edukacyjnych!
Daj Co-op Translator ⭐ na GitHubie i wspieraj naszą misję przełamywania barier językowych w nauce i technologii. Twoje zainteresowanie i wkład mają znaczący wpływ! Wkład w kod i sugestie funkcji są zawsze mile widziane.

Odkrywaj edukacyjne treści Microsoft w swoim języku

• LangChain4j-for-Beginners
• AZD dla początkujących
• Edge AI dla początkujących
• Model Context Protocol (MCP) dla początkujących
• AI Agents dla początkujących
• Generative AI dla początkujących z użyciem .NET
• Generative AI dla początkujących
• Generative AI dla początkujących z użyciem Java
• ML dla początkujących
• Data Science dla początkujących
• AI dla początkujących
• Cyberbezpieczeństwo dla początkujących
• Web Dev dla początkujących
• IoT dla początkujących
• PhiCookBook

Prezentacje wideo

👉 Kliknij obraz poniżej, aby obejrzeć na YouTube.

• Open at Microsoft: Krótkie, 18-minutowe wprowadzenie i szybki przewodnik, jak korzystać z Co-op Translator.

  

Wkład w projekt

Ten projekt chętnie przyjmuje wkład i sugestie. Interesuje Cię udział w Azure Co-op Translator? Proszę zobacz nasz CONTRIBUTING.md z wytycznymi, jak możesz pomóc uczynić Co-op Translator bardziej dostępnym.

Współtwórcy

Kodeks postępowania

Ten projekt przyjął Kodeks postępowania open source Microsoft. Więcej informacji znajdziesz w często zadawanych pytaniach dotyczących Kodeksu postępowania lub skontaktuj się pod adresem [email protected] z dodatkowymi pytaniami lub komentarzami.

Odpowiedzialna sztuczna inteligencja

Microsoft zobowiązuje się do pomocy naszym klientom w odpowiedzialnym korzystaniu z naszych produktów AI, dzielenia się naszymi doświadczeniami oraz budowania zaufania opartego na partnerstwie poprzez narzędzia takie jak Transparency Notes i Impact Assessments. Wiele z tych zasobów można znaleźć pod adresem https://aka.ms/RAI. Podejście Microsoft do odpowiedzialnej AI opiera się na naszych zasadach AI dotyczących uczciwości, niezawodności i bezpieczeństwa, prywatności i ochrony, inkluzywności, przejrzystości oraz odpowiedzialności.

Modele języka naturalnego, obrazów i mowy na dużą skalę – takie jak te używane w tym przykładzie – mogą potencjalnie zachowywać się w sposób nieuczciwy, zawodny lub obraźliwy, co może powodować szkody. Prosimy zapoznać się z notatką o przejrzystości usługi Azure OpenAI, aby być poinformowanym o ryzykach i ograniczeniach.

Zalecanym sposobem łagodzenia tych ryzyk jest uwzględnienie w architekturze systemu bezpieczeństwa, który może wykrywać i zapobiegać szkodliwym zachowaniom. Azure AI Content Safety zapewnia niezależną warstwę ochrony, zdolną do wykrywania szkodliwych treści generowanych przez użytkowników i AI w aplikacjach i usługach. Azure AI Content Safety obejmuje API tekstowe i graficzne, które pozwalają wykrywać materiały szkodliwe. Mamy także interaktywne Content Safety Studio, które pozwala przeglądać, eksplorować i wypróbowywać przykładowy kod do wykrywania szkodliwych treści w różnych modalnościach. Poniższa dokumentacja szybkiego startu poprowadzi Cię przez wykonywanie żądań do usługi.

Kolejnym aspektem, który należy wziąć pod uwagę, jest ogólna wydajność aplikacji. W przypadku aplikacji multimodalnych i wielomodelowych rozumiemy wydajność jako działanie systemu zgodnie z oczekiwaniami Twoimi i Twoich użytkowników, w tym nie generowanie szkodliwych wyników. Ważne jest ocenianie wydajności całej aplikacji za pomocą metryk jakości generowania oraz ryzyka i bezpieczeństwa.

Możesz ocenić swoją aplikację AI w środowisku deweloperskim używając prompt flow SDK. Bazując na zestawie testowym lub celu, generacje Twojej aplikacji AI są ilościowo mierzone za pomocą wbudowanych lub niestandardowych ewalwatorów. Aby zacząć pracę z prompt flow sdk do oceny systemu, możesz skorzystać z przewodnika szybkiego startu. Po wykonaniu uruchomienia oceny możesz wizualizować wyniki w Azure AI Studio.

Znaki towarowe

Ten projekt może zawierać znaki towarowe lub logotypy projektów, produktów lub usług. Autoryzowane użycie znaków towarowych lub logotypów Microsoft podlega i musi być zgodne z Zasadami korzystania ze znaków towarowych i marki Microsoft. Użycie znaków towarowych lub logotypów Microsoft w zmodyfikowanych wersjach tego projektu nie może powodować zamieszania ani sugerować sponsorowania przez Microsoft. Każde użycie znaków towarowych lub logotypów stron trzecich podlega ich politykom.

Uzyskiwanie pomocy

Jeśli utkniesz lub masz pytania dotyczące tworzenia aplikacji AI, dołącz do:

Jeśli masz uwagi dotyczące produktu lub błędy podczas tworzenia, odwiedź:

---

Zastrzeżenie:
Niniejszy dokument został przetłumaczony za pomocą automatycznej usługi tłumaczeniowej AI Co-op Translator. Chociaż dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego języku źródłowym powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.