Automatize e mantenha facilmente traduções para o seu conteúdo educativo no GitHub em múltiplos idiomas à medida que o 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 | Checo | Dinamarquês | Holandês | Estónio | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malaiala | Marathi | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polaco | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalog (Filipino) | Tamil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita
Prefere clonar localmente?
Este repositório inclui traduções em mais de 50 idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, use o checkout esparso:
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"Isto fornece-lhe tudo o que precisa para completar o curso com um download muito mais rápido.
Co-op Translator ajuda a localizar o seu conteúdo educativo no GitHub em múltiplos idiomas sem esforço. Quando atualiza os seus ficheiros Markdown, imagens ou notebooks, as traduções permanecem automaticamente sincronizadas, garantindo que o seu conteúdo está sempre preciso e atualizado para aprendizes em todo o mundo.
Exemplo de como o conteúdo traduzido está organizado:
Co-op Translator gere o conteúdo traduzido como artefactos de software versionados,
não como ficheiros estáticos.
A ferramenta acompanha o estado de Markdown, imagens e notebooks traduzidos usando metadados com âmbito linguístico.
Esta arquitetura permite ao Co-op Translator:
- Detetar fiavelmente traduções desatualizadas
- Tratar Markdown, imagens e notebooks de forma consistente
- Escalar com segurança em repositórios grandes, dinâmicos e multilíngues
Ao modelar traduções como artefactos geridos, os fluxos de trabalho de tradução alinham-se naturalmente com as práticas modernas de gestão de dependências e artefactos de software.
→ Como o estado da tradução é gerido
# Criar e ativar um ambiente virtual (recomendado)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Instalar o pacote
pip install co-op-translator
# Traduzir
translate -l "ko ja fr" -mdDocker:
# Buscar a imagem pública do GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Executar 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- Verifique se tem uma versão Python suportada (atualmente 3.10-3.12). No poetry (pyproject.toml) isto é gerido automaticamente.
- Crie um ficheiro
.envusando o modelo: .env.template - Configure um fornecedor LLM (Azure OpenAI ou OpenAI)
- (Opcional) Para tradução de imagens (
-img), configure Azure AI Vision - (Opcional) Pode configurar múltiplos conjuntos de credenciais duplicando variáveis com sufixos como
_1,_2, etc. Todas as variáveis num conjunto devem ter o mesmo sufixo. - (Recomendado) Limpe traduções anteriores para evitar conflitos (ex.:
translations/) - (Recomendado) Adicione uma secção de tradução ao seu README usando o modelo de línguas do README
- Consultar: Configurar Azure AI
Traduza todos os tipos suportados:
translate -l "ko ja"Apenas Markdown:
translate -l "de" -mdMarkdown + imagens:
translate -l "pt" -md -imgApenas notebooks:
translate -l "zh" -nbMais opções: Referência de comandos
- Tradução automatizada para Markdown, notebooks e imagens
- Mantém as traduções sincronizadas com as alterações da fonte
- Funciona localmente (CLI) ou em CI (GitHub Actions)
- Utiliza Azure OpenAI ou OpenAI; Azure AI Vision opcional para imagens
- Preserva formatação e estrutura Markdown
- Guia de linha de comandos
- Guia GitHub Actions (Repositórios públicos & segredos padrão)
- Guia GitHub Actions (Repositórios da organização Microsoft & configurações a nível de org)
- Modelo de línguas do README
- Idiomas suportados
- Contribuir
- Resolução de problemas
Note
Apenas para mantenedores dos repositórios “Para Iniciantes” da Microsoft.
Junte-se a nós para revolucionar a forma como o conteúdo educativo é partilhado globalmente! Dê uma ⭐ ao Co-op Translator no GitHub e apoie a nossa missão de quebrar barreiras linguísticas na aprendizagem e tecnologia. O seu interesse e contributos fazem uma grande diferença! 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 de como usar o Co-op Translator.
Este projeto acolhe contributos e sugestões. Interessado em contribuir para o Azure Co-op Translator? Por favor consulte o nosso CONTRIBUTING.md para diretrizes sobre como pode ajudar a tornar o Co-op Translator mais acessível.
Este projeto adotou o Código de Conduta de Código Aberto da Microsoft.
Para mais informações, consulte as FAQ do Código de Conduta ou
contacte [email protected] para quaisquer perguntas ou comentários adicionais.
A Microsoft está comprometida em ajudar os seus clientes a usar os nossos produtos de IA de forma responsável, partilhando as nossas aprendizagens e construindo parcerias baseadas na confiança através de ferramentas como as Notas de Transparência e Avaliações de Impacto. Muitos destes recursos podem ser encontrados em https://aka.ms/RAI.
A abordagem da Microsoft à IA responsável assenta nos nossos princípios de IA de equidade, fiabilidade e segurança, privacidade e segurança, inclusividade, transparência e responsabilidade.
Modelos de grande escala para linguagem natural, imagem e voz — como os usados neste exemplo — poderão comportar-se de formas que são injustas, pouco fiáveis ou ofensivas, podendo assim causar danos. Por favor, consulte a Nota de Transparência do serviço Azure OpenAI para estar informado sobre riscos e limitações.
A abordagem recomendada para mitigar estes riscos é incluir um sistema de segurança na sua arquitetura que possa detetar e prevenir comportamentos nocivos. O Azure AI Content Safety fornece uma camada independente de proteção, capaz de detetar conteúdos nocivos gerados por utilizadores e pela IA em aplicações e serviços. O Azure AI Content Safety inclui APIs de texto e imagem que permitem detetar material prejudicial. Também dispomos de um Content Safety Studio interativo que lhe permite visualizar, explorar e experimentar código de exemplo para detetar conteúdos nocivos em diferentes modalidades. A seguinte documentação de início rápido orienta-o na realização de pedidos ao serviço.
Outro aspeto a ter em conta é o desempenho geral da aplicação. Com aplicações multimodais e multimodelo, consideramos desempenho como o facto do sistema executar conforme você e os seus utilizadores esperam, incluindo não gerar resultados nocivos. É importante avaliar o desempenho da sua aplicação global utilizando métricas de qualidade de geração e risco e segurança.
Pode avaliar a sua aplicação de IA no seu ambiente de desenvolvimento utilizando o prompt flow SDK. Dado um conjunto de dados de teste ou um alvo, as gerações da sua aplicação de IA generativa são medidas quantitativamente com avaliadores incorporados ou avaliadores personalizados da sua escolha. Para começar a usar o prompt flow sdk para avaliar o seu sistema, pode seguir o guia de início rápido. Assim que executar uma avaliação, pode visualizar os resultados no Azure AI Studio.
Este projeto pode conter marcas registadas ou logótipos de projetos, produtos ou serviços. O uso autorizado de marcas registadas ou logótipos da Microsoft está sujeito e deve seguir as Diretrizes de Marcas e Marca da Microsoft.
O uso de marcas ou logótipos da Microsoft em versões modificadas deste projeto não deve causar confusão nem implicar patrocínio da Microsoft.
Qualquer uso de marcas ou logótipos de terceiros está sujeito às políticas desses terceiros.
Se ficar bloqueado ou tiver dúvidas sobre como criar aplicações de IA, junte-se a:
Se tiver feedback sobre produtos ou erros durante o desenvolvimento, visite:
Aviso Legal:
Este documento foi traduzido utilizando o serviço de tradução automática Co-op Translator. Embora nos esforcemos para garantir a precisão, por favor esteja ciente de que traduções automatizadas podem conter erros ou inexatidões. O documento original no seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se a tradução profissional por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações erradas decorrentes do uso desta tradução.
