Skip to content

Latest commit

 

History

History
250 lines (178 loc) · 16.6 KB

File metadata and controls

250 lines (178 loc) · 16.6 KB

Co-op Translator

Lättautomatisera och underhåll översättningar för ditt pedagogiska GitHub-innehåll på flera språk i takt med att ditt projekt utvecklas.

Python 3.10–3.12 Python package License: MIT Downloads Downloads Container: GHCR Code style: black

GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

🌐 Fler språkstöd

Arabiska | Bengali | Bulgariska | Burmese (Myanmar) | Kinesiska (Förenklad) | Kinesiska (Traditionell, Hong Kong) | Kinesiska (Traditionell, Macao) | Kinesiska (Traditionell, Taiwan) | Kroatiska | Tjeckiska | Danska | Nederländska | Estniska | Finska | Franska | Tyska | Grekiska | Hebreiska | Hindi | Ungerska | Indonesiska | Italienska | Japanska | Kannada | Khmer | Koreanska | Litauiska | Malay | Malayalam | Marathi | Nepalesiska | Nigeriansk pidgin | Norska | Persiska (Farsi) | Polska | Portugisiska (Brasilien) | Portugisiska (Portugal) | Punjabi (Gurmukhi) | Rumänska | Ryska | Serbiska (Kyrilliska) | Slovakiska | Slovenska | Spanska | Swahili | Svenska | Tagalog (Filippinska) | Tamil | Telugu | Thailändska | Turkiska | Ukrainska | Urdu | Vietnamesiska

Föredrar du att klona lokalt?

Detta förråd inkluderar 50+ språköversättningar som avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd 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"

Detta ger dig allt du behöver för att slutföra kursen med mycket snabbare nedladdning.

GitHub watchers GitHub forks GitHub stars

Microsoft Foundry Discord

Open in GitHub Codespaces

Översikt

Co-op Translator hjälper dig att lokalisera ditt pedagogiska GitHub-innehåll till flera språk utan ansträngning.
När du uppdaterar dina Markdown-filer, bilder eller anteckningsböcker hålls översättningarna automatiskt synkroniserade, vilket säkerställer att ditt innehåll förblir korrekt och uppdaterat för elever världen över.

Exempel på hur översatt innehåll organiseras:

Example

Hur översättningsstatus hanteras

Co-op Translator hanterar översatt innehåll som versionerade mjukvaruartifakter,
inte som statiska filer.

Verktyget spårar status på översatta Markdown, bilder och anteckningsböcker
genom språkspecifik metadata.

Denna design tillåter Co-op Translator att:

  • Tillförlitligt upptäcka föråldrade översättningar
  • Behandla Markdown, bilder och anteckningsböcker konsekvent
  • Skala säkert över stora, snabbt rörliga, flerspråkiga förråd

Genom att modellera översättningar som hanterade artifakter,
alignerar översättningsarbetsflöden naturligt med modern
hantering av mjukvarudependenser och artefakter.

Hur översättningsstatus hanteras

Kom igång snabbt

# Skapa och aktivera en virtuell miljö (rekommenderas)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Installera paketet
pip install co-op-translator
# Översätt
translate -l "ko ja fr" -md

Docker:

# Hämta den offentliga bilden från GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Kör med aktuell mapp monterad och .env tillhandahållen (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md

Minimal installation

  1. Kontrollera att du har en stödjad Python-version (för närvarande 3.10-3.12). I poetry (pyproject.toml) hanteras detta automatiskt.
  2. Skapa en .env-fil med hjälp av mallen: .env.template
  3. Konfigurera en LLM-leverantör (Azure OpenAI eller OpenAI)
  4. (Valfritt) För bildöversättning (-img), konfigurera Azure AI Vision
  5. (Valfritt) Du kan konfigurera flera autentiseringsuppsättningar genom att duplicera variabler med suffix som _1, _2, osv. Alla variabler i en uppsättning måste dela samma suffix.
  6. (Rekommenderas) Rensa tidigare översättningar för att undvika konflikter (t.ex. translations/)
  7. (Rekommenderas) Lägg till en översättningssektion i din README med hjälp av README-språkmallen
  8. Se: Installera Azure AI

Användning

Översätt alla stödjade typer:

translate -l "ko ja"

Endast Markdown:

translate -l "de" -md

Markdown + bilder:

translate -l "pt" -md -img

Endast anteckningsböcker:

translate -l "zh" -nb

Fler flaggor: Kommandoreferens

Funktioner

  • Automatiserad översättning för Markdown, anteckningsböcker och bilder
  • Håller översättningar synkroniserade med källändringar
  • Fungerar lokalt (CLI) eller i CI (GitHub Actions)
  • Använder Azure OpenAI eller OpenAI; valfri Azure AI Vision för bilder
  • Behåller Markdown-format och struktur

Dokumentation

Microsoft-specifik guide

Note

Endast för underhållare av Microsofts "För nybörjare"-förråd.

Stöd oss och främja globalt lärande

Följ med oss i att revolutionera hur utbildningsinnehåll delas globalt! Ge Co-op Translator en ⭐ på GitHub och stöd vår mission att bryta ner språkbarriärer inom lärande och teknik. Ditt intresse och dina bidrag gör stor skillnad! Kodbidrag och förslag på funktioner är alltid välkomna.

Utforska Microsofts pedagogiska innehåll på ditt språk

Videopresentationer

👉 Klicka på bilden nedan för att titta på YouTube.

  • Open at Microsoft: En kort 18-minuters introduktion och snabbguide om hur man använder Co-op Translator.

    Open at Microsoft

Bidra

Detta projekt välkomnar bidrag och förslag. Är du intresserad av att bidra till Azure Co-op Translator? Läs vår CONTRIBUTING.md för riktlinjer om hur du kan hjälpa till att göra Co-op Translator mer tillgängligt.

Bidragsgivare

co-op-translator contributors

Uppförandekod

Detta projekt har antagit Microsoft Open Source Code of Conduct. För mer information se Code of Conduct FAQ eller kontakta opencode@microsoft.com vid ytterligare frågor eller kommentarer.

Ansvarsfull AI

Microsoft är engagerat i att hjälpa våra kunder att använda våra AI-produkter ansvarsfullt, dela våra erfarenheter och bygga förtroendebaserade partnerskap genom verktyg som Transparency Notes och Impact Assessments. Många av dessa resurser finns på https://aka.ms/RAI. Microsofts tillvägagångssätt för ansvarsfull AI grundar sig i våra AI-principer om rättvisa, tillförlitlighet och säkerhet, integritet och säkerhet, inkluderande, transparens och ansvarsskyldighet.

Storskaliga modeller för naturligt språk, bild och tal – som de som används i det här exemplet – kan potentiellt bete sig på sätt som är orättvisa, opålitliga eller stötande, vilket i sin tur kan orsaka skada. Vänligen konsultera Azure OpenAI service Transparency note för att informeras om risker och begränsningar.

Den rekommenderade metoden för att mildra dessa risker är att inkludera ett säkerhetssystem i din arkitektur som kan upptäcka och förhindra skadligt beteende. Azure AI Content Safety erbjuder ett oberoende skyddslager, som kan upptäcka skadligt innehåll som är användargenererat eller AI-genererat i applikationer och tjänster. Azure AI Content Safety inkluderar text- och bild-API:er som låter dig upptäcka material som är skadligt. Vi har även en interaktiv Content Safety Studio som låter dig visa, utforska och prova exempel på kod för att upptäcka skadligt innehåll över olika modaliteter. Följande kom igång-dokumentation guidar dig genom hur man gör förfrågningar till tjänsten.

En annan aspekt att ta hänsyn till är den övergripande applikationsprestandan. Med multimodala och multimodellsapplikationer betraktar vi prestanda som att systemet presterar som du och dina användare förväntar er, inklusive att det inte genererar skadliga resultat. Det är viktigt att utvärdera prestandan för din övergripande applikation med hjälp av generationskvalitet och risk- och säkerhetsmått.

Du kan utvärdera din AI-applikation i din utvecklingsmiljö med hjälp av prompt flow SDK. Med antingen en testdatamängd eller ett mål mäts dina generativa AI-applikationsgenereringar kvantitativt med inbyggda utvärderare eller anpassade utvärderare efter eget val. För att komma igång med prompt flow sdk för att utvärdera ditt system kan du följa kom igång-guiden. När du har genomfört ett utvärderingskörning kan du visualisera resultaten i Azure AI Studio.

Varumärken

Detta projekt kan innehålla varumärken eller logotyper för projekt, produkter eller tjänster. Auktoriserad användning av Microsofts varumärken eller logotyper är föremål för och måste följa Microsoft's Trademark & Brand Guidelines. Användning av Microsofts varumärken eller logotyper i modifierade versioner av detta projekt får inte skapa förvirring eller antyda Microsofts sponsring. All användning av tredjeparts varumärken eller logotyper är föremål för dessa tredje parters riktlinjer.

Få hjälp

Om du fastnar eller har några frågor om att bygga AI-appar, gå med i:

Microsoft Foundry Discord

Om du har produktfeedback eller fel under byggandet, besök:

Microsoft Foundry Developer Forum


Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi tar inget ansvar för eventuella missförstånd eller feltolkningar som uppstår från användningen av denna översättning.