แปลภาษาและดูแลการแปลเนื้อหาการศึกษาใน GitHub ของคุณให้รองรับหลายภาษาได้อย่างง่ายดายขณะที่โปรเจกต์ของคุณเติบโตขึ้น
สนับสนุนโดย 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
ต้องการโคลนแบบ Local?
รีโพสนี้รวมการแปลกว่า 50 ภาษา ซึ่งทำให้ขนาดดาวน์โหลดเพิ่มขึ้นอย่างมาก หากต้องการโคลนโดยไม่ดาวน์โหลดการแปล ใช้ 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"สิ่งนี้จะช่วยให้คุณมีทุกสิ่งที่ต้องใช้เพื่อจบคอร์สด้วยความเร็วดาวน์โหลดที่เร็วขึ้นมาก
Co-op Translator ช่วยแปลเนื้อหาการศึกษาใน GitHub ของคุณเป็นหลายภาษาได้อย่างง่ายดาย
เมื่อคุณอัปเดตไฟล์ Markdown รูปภาพ หรือโน้ตบุ๊ก การแปลจะถูกซิงค์โดยอัตโนมัติ เพื่อให้เนื้อหาของคุณถูกต้องและทันสมัยสำหรับผู้เรียนทั่วโลก
ตัวอย่างการจัดระเบียบเนื้อหาการแปล:
Co-op Translator จัดการเนื้อหาการแปลเป็น ซอฟต์แวร์อาร์ติแฟกต์ที่มีเวอร์ชัน
ไม่ใช่ไฟล์แบบคงที่
เครื่องมือตรวจสอบสถานะ Markdown, รูปภาพ และโน้ตบุ๊กที่แปลแล้ว โดยใช้ เมตาดาต้าที่กำหนดตามภาษา
การออกแบบนี้ช่วยให้ Co-op Translator:
- ตรวจจับการแปลที่ล้าสมัยได้อย่างน่าเชื่อถือ
- จัดการ Markdown รูปภาพ และโน้ตบุ๊กอย่างสม่ำเสมอ
- ขยายขนาดได้อย่างปลอดภัยในรีโพสที่ใหญ่และเคลื่อนไหวเร็วหลายภาษา
โดยการจำลองการแปลเป็นอาร์ติแฟกต์ที่จัดการได้
เวิร์กโฟลว์การแปลจึงสอดคล้องกับการจัดการ
การพึ่งพาซอฟต์แวร์และอาร์ติแฟกต์ในยุคสมัยใหม่อย่างเป็นธรรมชาติ
# สร้างและเปิดใช้งานสภาพแวดล้อมเสมือน (แนะนำ)
python -m venv .venv
# วินโดวส์
.venv\Scripts\activate
# แมคโอเอส/ลินุกซ์
source .venv/bin/activate
# ติดตั้งแพ็กเกจ
pip install co-op-translator
# แปล
translate -l "ko ja fr" -mdDocker:
# ดึงภาพสาธารณะจาก GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# รันพร้อมเมานต์โฟลเดอร์ปัจจุบันและ .env ที่จัดเตรียมไว้ (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md- ตรวจสอบว่าคุณใช้ Python เวอร์ชันที่รองรับ (ปัจจุบันคือ 3.10-3.12) ใน poetry (pyproject.toml) จะจัดการให้อัตโนมัติ
- สร้างไฟล์
.envโดยใช้เทมเพลต: .env.template - ตั้งค่าโปรไวเดอร์ LLM อย่างน้อยหนึ่งตัว (Azure OpenAI หรือ OpenAI)
- (ไม่จำเป็น) สำหรับการแปลรูปภาพ (
-img) ตั้งค่า Azure AI Vision - (ไม่จำเป็น) คุณสามารถตั้งค่าชุดข้อมูลรับรองหลายชุดโดยทำซ้ำตัวแปรโดยมีคำต่อท้าย เช่น
_1,_2เป็นต้น ตัวแปรทั้งหมดในชุดต้องใช้คำต่อท้ายเดียวกัน - (แนะนำ) ลบการแปลก่อนหน้าเพื่อหลีกเลี่ยงความขัดแย้ง (เช่น
translations/) - (แนะนำ) เพิ่มส่วนการแปลใน README ของคุณโดยใช้ เทมเพลตภาษา README
- ดูเพิ่มเติม: ตั้งค่า Azure AI
แปลทุกชนิดที่รองรับ:
translate -l "ko ja"แค่ Markdown:
translate -l "de" -mdMarkdown + รูปภาพ:
translate -l "pt" -md -imgแค่โน้ตบุ๊ก:
translate -l "zh" -nbดูแฟลกเพิ่มเติม: คำอ้างอิงคำสั่ง
- แปลอัตโนมัติสำหรับ Markdown โน้ตบุ๊ก และรูปภาพ
- รักษาการแปลให้สอดคล้องกับการเปลี่ยนแปลงต้นฉบับ
- ทำงานได้ทั้งในเครื่อง (CLI) หรือใน CI (GitHub Actions)
- ใช้ Azure OpenAI หรือ OpenAI; รองรับ Azure AI Vision สำหรับรูปภาพ
- รักษารูปแบบและโครงสร้าง Markdown
- คู่มือบรรทัดคำสั่ง
- คู่มือ GitHub Actions (รีโพสสาธารณะ & ความลับมาตรฐาน)
- คู่มือ GitHub Actions (รีโพสองค์กร Microsoft & การตั้งค่าองค์กร)
- เทมเพลตภาษา README
- ภาษาที่รองรับ
- การมีส่วนร่วม
- แก้ไขปัญหา
Note
สำหรับผู้ดูแลรีโพส “For Beginners” ของ Microsoft เท่านั้น
มาร่วมเปลี่ยนแปลงวิธีการแบ่งปันเนื้อหาการศึกษาทั่วโลก! ให้ดาว Co-op Translator บน GitHub เพื่อสนับสนุนภารกิจของเราในการทำลายอุปสรรคด้านภาษาในการเรียนรู้และเทคโนโลยี ความสนใจและการมีส่วนร่วมของคุณมีผลกระทบอย่างมาก! ยินดีรับการร่วมเขียนโค้ดและข้อเสนอแนะฟีเจอร์เสมอ
- 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
👉 คลิกภาพด้านล่างเพื่อชมบน YouTube
-
Open at Microsoft: บทแนะนำสั้น 18 นาทีและคู่มือด่วนเกี่ยวกับการใช้ Co-op Translator
โปรเจกต์นี้ยินดีต้อนรับการมีส่วนร่วมและข้อเสนอแนะ สนใจมีส่วนร่วมใน Azure Co-op Translator? โปรดดูที่ CONTRIBUTING.md เพื่อเรียนรู้วิธีช่วยทำให้ Co-op Translator เข้าถึงได้มากขึ้น
โครงการนี้ได้นำ Microsoft Open Source Code of Conduct มาใช้
สำหรับข้อมูลเพิ่มเติมโปรดดูที่ Code of Conduct FAQ หรือ
ติดต่อ opencode@microsoft.com หากมีคำถามหรือความคิดเห็นเพิ่มเติม
Microsoft มุ่งมั่นที่จะช่วยให้ลูกค้าใช้ผลิตภัณฑ์ AI ของเราอย่างรับผิดชอบ แบ่งปันประสบการณ์ของเรา และสร้างพันธมิตรที่มีความไว้วางใจผ่านเครื่องมือต่างๆ เช่น Transparency Notes และ Impact Assessments แหล่งข้อมูลเหล่านี้สามารถดูเพิ่มเติมได้ที่ https://aka.ms/RAI
แนวทางของ Microsoft ในการใช้ AI อย่างรับผิดชอบนั้นตั้งอยู่บนหลักการ AI ของเราที่เน้นเรื่องความยุติธรรม ความน่าเชื่อถือและความปลอดภัย ความเป็นส่วนตัวและความมั่นคง ความครอบคลุม ความโปร่งใส และความรับผิดชอบ
โมเดลใหญ่ของภาษา ภาพ และเสียงตามธรรมชาติ — เช่นที่ใช้ในตัวอย่างนี้ — อาจมีพฤติกรรมที่ไม่ยุติธรรมหรือไม่น่าเชื่อถือ หรืออาจทำให้เกิดความผิดหวัง ส่งผลให้เกิดความเสียหายได้ โปรดตรวจสอบ Azure OpenAI service Transparency note เพื่อรับทราบเกี่ยวกับความเสี่ยงและข้อจำกัด
วิธีที่แนะนำเพื่อบรรเทาความเสี่ยงเหล่านี้คือต้องมีระบบความปลอดภัยในสถาปัตยกรรมของคุณที่สามารถตรวจจับและป้องกันพฤติกรรมที่เป็นอันตราย Azure AI Content Safety ให้ชั้นป้องกันอิสระ ที่สามารถตรวจจับเนื้อหาที่เป็นอันตรายซึ่งสร้างโดยผู้ใช้และ AI ในแอปพลิเคชันและบริการ Azure AI Content Safety มี API สำหรับข้อความและภาพที่ช่วยตรวจจับเนื้อหาที่เป็นอันตราย นอกจากนี้เรายังมี Content Safety Studio แบบโต้ตอบที่ช่วยให้คุณดู สำรวจ และทดลองโค้ดตัวอย่างสำหรับการตรวจจับเนื้อหาที่เป็นอันตรยาในรูปแบบต่างๆ เอกสาร quickstart ต่อไปนี้จะแนะนำวิธีการส่งคำขอไปยังบริการนี้
อีกประเด็นหนึ่งที่ต้องพิจารณาคือประสิทธิภาพโดยรวมของแอปพลิเคชัน สำหรับแอปพลิเคชันแบบหลายรูปแบบและมีหลายโมเดล เราพิจารณาว่าประสิทธิภาพหมายความว่าระบบทำงานได้ตามที่คุณและผู้ใช้ของคุณคาดหวัง รวมถึงไม่สร้างผลลัพธ์ที่เป็นอันตราย การประเมินประสิทธิภาพของแอปพลิเคชันโดยรวมควรใช้ generation quality and risk and safety metrics
คุณสามารถประเมินแอป AI ของคุณในสภาพแวดล้อมการพัฒนาโดยใช้ prompt flow SDK โดยให้ชุดข้อมูลทดสอบหรือเป้าหมาย แอปรุ่นปัญญาประดิษฐ์ของคุณจะถูกวัดเชิงปริมาณด้วยเครื่องมือประเมินในตัวหรือเครื่องมือประเมินที่คุณเลือกเอง เพื่อเริ่มต้นใช้งาน prompt flow sdk เพื่อประเมินระบบสามารถทำตาม quickstart guide หลังจากที่คุณเรียกใช้งานประเมินแล้ว คุณสามารถ แสดงผลลัพธ์ใน Azure AI Studio
โปรเจคนี้อาจประกอบด้วยเครื่องหมายการค้าหรือโลโก้ของโปรเจค ผลิตภัณฑ์ หรือบริการ การใช้เครื่องหมายการค้าหรือโลโก้ของ Microsoft ที่ได้รับอนุญาตต้องปฏิบัติตาม
Microsoft's Trademark & Brand Guidelines
การใช้เครื่องหมายการค้าหรือโลโก้ Microsoft ในเวอร์ชันที่แก้ไขของโปรเจคนี้ต้องไม่ก่อให้เกิดความสับสนหรือบ่งบอกว่ามีการสนับสนุนจาก Microsoft
การใช้เครื่องหมายการค้าหรือโลโก้ของบุคคลที่สามใดๆ จะต้องเป็นไปตามนโยบายของบุคคลที่สามเหล่านั้น
หากคุณติดขัดหรือมีคำถามใดๆ เกี่ยวกับการสร้างแอป AI เข้าร่วมได้ที่:
ถ้าคุณมีข้อเสนอแนะหรือตรวจพบข้อผิดพลาดในขณะสร้างโปรดเยี่ยมชม:
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาอัตโนมัติ Co-op Translator แม้เราจะพยายามให้ความถูกต้องสูงสุด กรุณาทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญควรใช้การแปลโดยผู้เชี่ยวชาญด้านภาษามนุษย์เท่านั้น เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดขึ้นจากการใช้การแปลนี้