Skip to content

README.md

Latest commit

 

History

History
249 lines (178 loc) · 16.5 KB

README.md

File metadata and controls

249 lines (178 loc) · 16.5 KB

Co-op Translator

Let nemt automatisere og vedligeholde oversættelser af dit uddannelsesindhold på GitHub på flere sprog, efterhånden som dit projekt udvikler sig.

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

🌐 Multisproget understøttelse

Understøttet af Co-op Translator

Arabisk | Bengali | Bulgarsk | Burmesisk (Myanmar) | Kinesisk (Forenklet) | Kinesisk (Traditionelt, Hong Kong) | Kinesisk (Traditionelt, Macau) | Kinesisk (Traditionelt, Taiwan) | Kroatisk | Tjekkisk | Dansk | Hollandsk | Estisk | Finsk | Fransk | Tysk | Græsk | Hebraisk | Hindi | Ungarsk | Indonesisk | Italiensk | Japansk | Kannada | Khmer | Koreansk | Litauisk | Malayisk | Malayalam | Marathi | Nepali | Nigeriansk Pidgin | Norsk | Persisk (Farsi) | Polsk | Portugisisk (Brasilien) | Portugisisk (Portugal) | Punjabi (Gurmukhi) | Rumænsk | Russisk | Serbisk (Kyrillisk) | Slovakisk | Slovensk | Spansk | Swahili | Svensk | Tagalog (Filippinsk) | Tamil | Telugu | Thai | Tyrkisk | Ukrainsk | Urdu | Vietnamesisk

Foretrækker du at klone lokalt?

Dette repository inkluderer 50+ sprogoversættelser, hvilket øger downloadstørrelsen betydeligt. For at klone uden oversættelser, brug sparsom 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"

Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

GitHub watchers GitHub forks GitHub stars

Microsoft Foundry Discord

Open in GitHub Codespaces

Oversigt

Co-op Translator hjælper dig med at lokalnummerere dit uddannelsesindhold på GitHub til flere sprog uden besvær.
Når du opdaterer dine Markdown-filer, billeder eller notebooks, holdes oversættelser automatisk synkroniseret, hvilket sikrer, at dit indhold forbliver korrekt og up-to-date for elever verden over.

Eksempel på, hvordan oversat indhold er organiseret:

Example

Hvordan oversættelsestilstanden håndteres

Co-op Translator håndterer oversat indhold som versionsstyrede softwareartefakter,
ikke som statiske filer.

Værktøjet sporer tilstanden for oversat Markdown, billeder og notebooks
ved hjælp af sprogspecifik metadata.

Dette design gør det muligt for Co-op Translator at:

  • Pålideligt opdage forældede oversættelser
  • Behandle Markdown, billeder og notebooks konsekvent
  • Skalere sikkert på tværs af store, hurtigt voksende, flersprogede repositories

Ved at modellere oversættelser som styrede artefakter
passer oversættelsesarbejdsgange naturligt til moderne
softwareafhængigheds- og artefakthåndteringsmetoder.

→ Hvordan oversættelsestilstanden håndteres

Kom godt i gang

# Opret og aktivér et virtuelt miljø (anbefalet)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Installer pakken
pip install co-op-translator
# Oversæt
translate -l "ko ja fr" -md

Docker:

# Hent det offentlige billede fra GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Kør med den nuværende mappe monteret og .env leveret (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 opsætning

  1. Sørg for at du har en understøttet Python-version (pt. 3.10-3.12). I poetry (pyproject.toml) håndteres dette automatisk.
  2. Opret en .env fil ved hjælp af skabelonen: .env.template
  3. Konfigurer en LLM-udbyder (Azure OpenAI eller OpenAI)
  4. (Valgfrit) For billedoversættelse (-img), konfigurer Azure AI Vision
  5. (Valgfrit) Du kan konfigurere flere legitimationssæt ved at duplikere variabler med suffikser som _1, _2 osv. Alle variabler i et sæt skal have samme suffiks.
  6. (Anbefalet) Ryd op i eventuelle tidligere oversættelser for at undgå konflikter (f.eks. translations/)
  7. (Anbefalet) Tilføj en oversættelsessektion til din README ved at bruge README languages template
  8. Se: Opsæt Azure AI

Brug

Oversæt alle understøttede typer:

translate -l "ko ja"

Kun Markdown:

translate -l "de" -md

Markdown + billeder:

translate -l "pt" -md -img

Kun notebooks:

translate -l "zh" -nb

Flere flag: Kommando reference

Funktioner

  • Automatisk oversættelse for Markdown, notebooks og billeder
  • Holder oversættelser synkroniserede med kildeforandringer
  • Fungerer lokalt (CLI) eller i CI (GitHub Actions)
  • Bruger Azure OpenAI eller OpenAI; valgfri Azure AI Vision til billeder
  • Bevarer Markdown-formatering og struktur

Dokumentation

Microsoft-specifik guide

Note

Kun for vedligeholdere af Microsoft’s “For Beginners” repositories.

Støt os og frem læring globalt

Vær med til at revolutionere måden, uddannelsesindhold deles globalt! Giv Co-op Translator en ⭐ på GitHub og støt vores mission om at nedbryde sprogbarrierer inden for læring og teknologi. Din interesse og dine bidrag gør en stor forskel! Kodebidrag og forslag til funktioner er altid velkomne.

Udforsk Microsofts uddannelsesindhold på dit sprog

Video-præsentationer

👉 Klik på billedet nedenfor for at se på YouTube.

  • Open at Microsoft: En kort 18-minutters introduktion og hurtig guide til, hvordan du bruger Co-op Translator.

    Open at Microsoft

Bidrag

Dette projekt byder velkommen til bidrag og forslag. Er du interesseret i at bidrage til Azure Co-op Translator? Se venligst vores CONTRIBUTING.md for retningslinjer om, hvordan du kan hjælpe med at gøre Co-op Translator mere tilgængelig.

Bidragsydere

co-op-translator contributors

Adfærdskodeks

Dette projekt har taget Microsoft Open Source Code of Conduct i brug.
For mere information se Code of Conduct FAQ eller
kontakt opencode@microsoft.com med eventuelle yderligere spørgsmål eller kommentarer.

Ansvarlig AI

Microsoft er forpligtet til at hjælpe vores kunder med at bruge vores AI-produkter ansvarligt, dele vores erfaringer og opbygge tillidsbaserede partnerskaber gennem værktøjer som Transparency Notes og Impact Assessments. Mange af disse ressourcer kan findes på https://aka.ms/RAI.
Microsofts tilgang til ansvarlig AI er baseret på vores AI-principper om retfærdighed, pålidelighed og sikkerhed, privatliv og sikkerhed, inklusivitet, gennemsigtighed og ansvarlighed.

Storskala modeller til naturligt sprog, billeder og tale – som dem der bruges i dette eksempel – kan potentielt opføre sig på måder, der er urimelige, upålidelige eller stødende, hvilket igen kan forårsage skade. Konsulter venligst Azure OpenAI service Transparency note for at blive informeret om risici og begrænsninger.

Den anbefalede fremgangsmåde til at mindske disse risici er at inkludere et sikkerhedssystem i din arkitektur, som kan opdage og forhindre skadelig adfærd. Azure AI Content Safety leverer et uafhængigt beskyttelseslag, der kan opdage skadeligt brugergenereret og AI-genereret indhold i applikationer og services. Azure AI Content Safety inkluderer tekst- og billed-API’er, som gør det muligt at opdage skadeligt materiale. Vi har også et interaktivt Content Safety Studio, der giver dig mulighed for at se, udforske og prøve eksempel kode til at opdage skadeligt indhold på tværs af forskellige modaliteter. Følgende quickstart dokumentation guider dig gennem at lave forespørgsler til servicen.

En anden faktor, der skal tages i betragtning, er den samlede applikationsydelse. Med multimodale og multimodel-applikationer betragter vi ydelse som det, at systemet fungerer som du og dine brugere forventer, inklusive at det ikke genererer skadelige output. Det er vigtigt at vurdere ydelsen af din samlede applikation ved hjælp af generation quality and risk and safety metrics.

Du kan evaluere din AI-applikation i dit udviklingsmiljø ved hjælp af prompt flow SDK. Givet enten et testdatasæt eller et mål bliver dine generative AI-applikationsgenereringer kvantitativt målt med indbyggede evaluatorer eller brugerdefinerede evaluatorer efter eget valg. For at komme i gang med prompt flow SDK til at evaluere dit system kan du følge quickstart guiden. Når du har kørt en evaluering, kan du visualisere resultaterne i Azure AI Studio.

Varemærker

Dette projekt kan indeholde varemærker eller logoer for projekter, produkter eller tjenester. Autoriseret brug af Microsofts
varemærker eller logoer er underlagt og skal følge
Microsofts varemærke- og brand-retningslinjer.
Brug af Microsofts varemærker eller logoer i ændrede versioner af dette projekt må ikke skabe forvirring eller antyde Microsoft-sponsorat.
Enhver brug af tredjepartsvaremærker eller logoer er underlagt tredjepartens politikker.

Få hjælp

Hvis du sidder fast eller har spørgsmål om at bygge AI-applikationer, så deltag i:

Microsoft Foundry Discord

Hvis du har produktfeedback eller oplever fejl under udvikling, besøg:

Microsoft Foundry Developer Forum

Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi stræber efter nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål bør betragtes som den autoritative kilde. For kritiske oplysninger anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for nogen misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.