Automação fácil e manutenção de traduções para seu conteúdo educacional no GitHub em múltiplos idiomas à medida que seu projeto evolui.
Suportado por Co-op Translator
Árabe | Bengali | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Tcheco | Dinamarquês | Holandês | Estoniano | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malaiala | Marata | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polonês | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalog (Filipino) | Tâmil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita
Prefere Clonar Localmente?
Este repositório inclui mais de 50 traduções de idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, use 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"Isso oferece tudo que você precisa para completar o curso com um download muito mais rápido.
Co-op Translator ajuda você a localizar seu conteúdo educacional no GitHub em múltiplos idiomas com facilidade.
Quando você atualiza seus arquivos Markdown, imagens ou cadernos (notebooks), as traduções se mantêm automaticamente sincronizadas, garantindo que seu conteúdo permaneça preciso e atualizado para aprendizes ao redor do mundo.
Exemplo de como o conteúdo traduzido é organizado:
Co-op Translator gerencia o conteúdo traduzido como artefatos de software versionados,
não como arquivos estáticos.
A ferramenta rastreia o estado dos arquivos Markdown, imagens e cadernos traduzidos
usando metadados específicos por idioma.
Esse design permite que o Co-op Translator:
- Detecte traduções desatualizadas com confiabilidade
- Trate Markdown, imagens e cadernos de forma consistente
- Escale com segurança em repositórios grandes, dinâmicos e multilíngues
Ao modelar as traduções como artefatos gerenciados,
os fluxos de trabalho de tradução se alinham naturalmente com as práticas
modernas de gerenciamento de dependências e artefatos de software.
→ Como o estado da tradução é gerenciado
# Crie e ative um ambiente virtual (recomendado)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Instale o pacote
pip install co-op-translator
# Traduzir
translate -l "ko ja fr" -mdDocker:
# Baixe a imagem pública do GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Execute com a pasta atual montada e .env fornecido (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md- Certifique-se de que possui uma versão suportada do Python (atualmente 3.10-3.12). No poetry (pyproject.toml) isso é gerenciado automaticamente.
- Crie um arquivo
.envusando o template: .env.template - Configure um provedor LLM (Azure OpenAI ou OpenAI)
- (Opcional) Para tradução de imagens (
-img), configure Azure AI Vision - (Opcional) Você pode configurar múltiplos conjuntos de credenciais duplicando variáveis com sufixos como
_1,_2, etc. Todas as variáveis em um conjunto devem compartilhar o mesmo sufixo. - (Recomendado) Limpe as traduções anteriores para evitar conflitos (ex.:
translations/) - (Recomendado) Adicione uma seção de tradução ao seu README usando o template de idiomas do README
- Veja: Configurar Azure AI
Traduza todos os tipos suportados:
translate -l "ko ja"Somente Markdown:
translate -l "de" -mdMarkdown + imagens:
translate -l "pt" -md -imgSomente cadernos:
translate -l "zh" -nbMais flags: Referência de comandos
- Tradução automatizada para Markdown, cadernos e imagens
- Mantém as traduções sincronizadas com mudanças na fonte
- Funciona localmente (CLI) ou em CI (GitHub Actions)
- Usa Azure OpenAI ou OpenAI; opção Azure AI Vision para imagens
- Preserva formatação e estrutura Markdown
- Guia de linha de comando
- Guia GitHub Actions (Repositórios públicos & segredos padrão)
- Guia GitHub Actions (Repositórios da organização Microsoft & configurações de nível org)
- Template de idiomas para README
- Idiomas suportados
- Contribuindo
- Resolução de problemas
Note
Somente para mantenedores dos repositórios “Para Iniciantes” da Microsoft.
Junte-se a nós para revolucionar a forma como conteúdos educacionais são compartilhados globalmente! Dê uma ⭐ no Co-op Translator no GitHub e apoie nossa missão de quebrar barreiras linguísticas no aprendizado e na tecnologia. Seu interesse e suas contribuições causam um impacto significativo! Contribuições de código e sugestões de funcionalidades são sempre bem-vindas.
- 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
👉 Clique na imagem abaixo para assistir no YouTube.
-
Open at Microsoft: Uma breve introdução de 18 minutos e guia rápido sobre como usar o Co-op Translator.
Este projeto recebe contribuições e sugestões. Interessado em contribuir para o Azure Co-op Translator? Veja nosso CONTRIBUTING.md para orientações sobre como ajudar a tornar o Co-op Translator mais acessível.
Este projeto adotou o Código de Conduta de Código Aberto da Microsoft. Para mais informações, veja o FAQ do Código de Conduta ou entre em contato pelo e-mail [email protected] para quaisquer dúvidas ou comentários adicionais.
A Microsoft está comprometida em ajudar nossos clientes a usarem nossos produtos de IA de forma responsável, compartilhando nossos aprendizados e construindo parcerias baseadas em confiança por meio de ferramentas como Notas de Transparência e Avaliações de Impacto. Muitos desses recursos podem ser encontrados em https://aka.ms/RAI. A abordagem da Microsoft para IA responsável está fundamentada em nossos princípios de IA: justiça, confiabilidade e segurança, privacidade e segurança, inclusão, transparência e responsabilidade.
Modelos de grande escala para linguagem natural, imagem e fala — como os usados neste exemplo — podem, potencialmente, apresentar comportamentos injustos, não confiáveis ou ofensivos, causando danos. Consulte a nota de transparência do serviço Azure OpenAI para se informar sobre os riscos e limitações.
A abordagem recomendada para mitigar esses riscos é incluir um sistema de segurança na arquitetura que possa detectar e prevenir comportamentos prejudiciais. O Azure AI Content Safety fornece uma camada independente de proteção, capaz de detectar conteúdos gerados por usuários e IA que sejam prejudiciais em aplicações e serviços. O Azure AI Content Safety inclui APIs de texto e imagem que permitem detectar materiais nocivos. Também temos um Content Safety Studio interativo que permite visualizar, explorar e experimentar códigos de exemplo para detecção de conteúdos prejudiciais em diferentes modalidades. A seguinte documentação de início rápido guia você na realização de requisições ao serviço.
Outro aspecto a ser considerado é o desempenho geral da aplicação. Em aplicações multimodais e com múltiplos modelos, desempenho significa que o sistema funciona conforme o esperado por você e seus usuários, incluindo não gerar outputs prejudiciais. É importante avaliar o desempenho da sua aplicação usando os métricas de qualidade de geração, risco e segurança.
Você pode avaliar sua aplicação de IA no seu ambiente de desenvolvimento usando o prompt flow SDK. Dado um conjunto de dados de teste ou um objetivo, as gerações da sua aplicação de IA generativa são quantitativamente medidas com avaliadores internos ou avaliadores personalizados de sua escolha. Para começar a usar o prompt flow sdk para avaliar seu sistema, você pode seguir o guia de início rápido. Depois de executar uma avaliação, você pode visualizar os resultados no Azure AI Studio.
Este projeto pode conter marcas registradas ou logotipos de projetos, produtos ou serviços. O uso autorizado de marcas registradas ou logotipos da Microsoft está sujeito e deve seguir as Diretrizes de Marca e Marca da Microsoft. O uso de marcas registradas ou logotipos da Microsoft em versões modificadas deste projeto não deve causar confusão nem implicar patrocínio pela Microsoft. Qualquer uso de marcas registradas ou logotipos de terceiros está sujeito às políticas desses terceiros.
Se você ficar preso ou tiver dúvidas sobre como construir aplicativos de IA, junte-se a:
Se você tiver feedback sobre produtos ou erros durante a construção, visite:
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, é recomendada a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução.