Azure-co-op-translator/translations/es/README.md

Co-op Translator

Facilita la automatización y el mantenimiento de traducciones para tu contenido educativo de GitHub en varios idiomas a medida que tu proyecto evoluciona.

Comienza aquí: Elige tu flujo de trabajo | Configuración | CLI | API de Python | Servidor MCP

🌐 Soporte multilingüe

Compatibilidades de Co-op Translator

Árabe | Bengalí | Búlgaro | Birmano (Myanmar) | Chino (simplificado) | Chino (tradicional, Hong Kong) | Chino (tradicional, Macao) | Chino (tradicional, Taiwán) | Croata | Checo | Danés | Neerlandés | Estonio | Finés | Francés | Alemán | Griego | Hebreo | Hindi | Húngaro | Indonesio | Italiano | Japonés | Kannada | Jemer | Coreano | Lituano | Malayo | Malayalam | Marathi | Nepalí | Pidgin nigeriano | Noruego | Persa (Farsi) | Polaco | Portugués (Brasil) | Portugués (Portugal) | Panyabí (Gurmukhi) | Rumano | Ruso | Serbio (cirílico) | Eslovaco | Esloveno | Español | Swahili | Sueco | Tagalo (filipino) | Tamil | Telugu | Tailandés | Turco | Ucraniano | Urdu | Vietnamita

¿Prefieres clonar localmente?

Este repositorio incluye más de 50 traducciones de idiomas, lo que aumenta significativamente el tamaño de la descarga. Para clonar sin las traducciones, usa 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"

Esto te proporciona todo lo necesario para completar el curso con una descarga mucho más rápida.

Descripción general

Co-op Translator te ayuda a localizar tu contenido educativo de GitHub en múltiples idiomas sin esfuerzo. Cuando actualizas tus archivos Markdown, imágenes o notebooks, las traducciones se mantienen sincronizadas automáticamente, asegurando que tu contenido siga siendo preciso y esté actualizado para los estudiantes de todo el mundo.

Úsalo desde la CLI para traducir repositorios, desde la API de Python para automatización, o a través del servidor MCP para flujos de trabajo con agentes y editores.

Ejemplo de cómo se organiza el contenido traducido:

¿Por qué Co-op Translator?

Traducir un archivo es fácil. Mantener traducido, enlazado y actualizado todo un repositorio de documentación es lo difícil.

Problema	Cómo ayuda Co-op Translator
Long docs are not one prompt	Los archivos Markdown largos se dividen en fragmentos, por lo que un README extenso no depende de una única respuesta frágil del modelo. Si un fragmento falla, Co-op Translator puede reintentar y redividir solo la parte fallida.
Incomplete translations should not be marked current	Una traducción truncada nunca debería marcarse como actualizada. Co-op Translator verifica la integridad de la traducción antes de guardar y puede detectar traducciones existentes estructuralmente incompletas.
Links should match the translated repo structure	Las traducciones manuales suelen dejar enlaces relativos que apuntan de vuelta al árbol fuente. Co-op Translator reescribe enlaces de Markdown, notebooks, imágenes y README para coincidir con la estructura translations/<lang>/....
Translation should work across an entire repo	Co-op Translator gestiona archivos README, docs, notebooks y texto en imágenes como parte de un flujo de trabajo de repositorio, en lugar de traducir archivos uno por uno.
Maintaining translations matters more than creating them once	Los hashes de origen y los metadatos de traducción permiten a Co-op Translator encontrar archivos desactualizados, omitir archivos sin cambios y mantener el contenido traducido sincronizado a medida que evoluciona el repositorio fuente.

Cómo se gestiona el estado de la traducción

Co-op Translator gestiona el contenido traducido como artefactos de software versionados,
no como archivos estáticos.

La herramienta rastrea el estado de Markdown, imágenes y notebooks traducidos usando metadatos con alcance por idioma.

Este diseño permite a Co-op Translator:

• Detectar de manera confiable traducciones desactualizadas
• Tratar Markdown, imágenes y notebooks de forma consistente
• Escalar de manera segura en repositorios grandes, dinámicos y multilingües

Al modelar las traducciones como artefactos gestionados, los flujos de trabajo de traducción se alinean de forma natural con las prácticas modernas de gestión de dependencias y artefactos de software.

→ Cómo se gestiona el estado de la traducción

Análisis detallados relacionados

• Corregir Markdown roto en la traducción por IA: Fortaleciendo una canalización de producción

Comenzar

Co-op Translator puede usarse desde la CLI, la API de Python o el servidor MCP. Comienza con la guía de flujos de trabajo si estás eligiendo entre traducción local, automatización, CI e integración con agentes/editores.

• Elige tu flujo de trabajo
• Configurar credenciales
• Traducir desde la CLI
• Automatizar con la API de Python
• Conectar con el servidor MCP
• Ejecutar en GitHub Actions

Ejemplo mínimo de CLI después de la configuración:

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

pip install co-op-translator
translate -l "ko" -md
co-op-review -l "ko"

Para las primeras ejecuciones en repositorios grandes, usa --dry-run antes de escribir archivos traducidos. Consulta la Referencia de la CLI para banderas de tipo de contenido, registros, revisión y migración de enlaces.

Ejecución rápida en contenedor con Bash/Zsh:

docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko" -md

Ejecución rápida en contenedor con PowerShell:

docker run --rm -it --env-file .env -v ${PWD}:/work ghcr.io/azure/co-op-translator:latest -l "ko" -md

Características

• Traducción automatizada para Markdown, notebooks e imágenes
• Mantiene las traducciones sincronizadas con los cambios en el origen
• Funciona localmente (CLI) o en CI (GitHub Actions)
• Expone herramientas de traducción de Markdown, notebooks, imágenes, revisión y proyectos a través de MCP
• Utiliza Azure OpenAI o OpenAI para traducción respaldada por proveedores
• Permite que MCP aloje agentes que traduzcan fragmentos de Markdown y notebooks sin credenciales LLM de Co-op Translator
• Utiliza Azure AI Vision para la extracción y traducción de texto en imágenes
• Revisa la estructura y actualidad de las traducciones con verificaciones deterministas
• Preserva el formato y la estructura de Markdown

Documentación

• Sitio de documentación
• Elige tu flujo de trabajo
• Configuración
• Configuración de Azure AI
• Referencia de la CLI
• API de Python
• Servidor MCP
• GitHub Actions
• Plantilla README de idiomas
• Idiomas compatibles
• Contribuir
• Solución de problemas

Guía específica de Microsoft

Note

Para mantenedores de los repositorios “For Beginners” de Microsoft solamente.

• Actualización de la lista “otros cursos” (solo para repositorios MS Beginners)

Apóyanos y fomenta el aprendizaje global

¡Únete a nosotros en la revolución de cómo se comparte el contenido educativo a nivel mundial! Dale una ⭐ a Co-op Translator en GitHub y apoya nuestra misión de derribar las barreras lingüísticas en el aprendizaje y la tecnología. ¡Tu interés y tus contribuciones tienen un impacto significativo! Las contribuciones de código y las sugerencias de funciones son siempre bienvenidas.

Explora el contenido educativo de Microsoft en tu idioma

• 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

Presentaciones en video

👉 Haz clic en la imagen de abajo para ver en YouTube.

• Open at Microsoft: Una breve introducción de 18 minutos y una guía rápida sobre cómo usar Co-op Translator.

  

Contribuir

Este proyecto acepta contribuciones y sugerencias. ¿Interesado en contribuir a Azure Co-op Translator? Consulte nuestro CONTRIBUTING.md para obtener pautas sobre cómo puede ayudar a que Co-op Translator sea más accesible.

Colaboradores

Código de conducta

Este proyecto ha adoptado el Código de conducta de código abierto de Microsoft. Para más información consulte las Preguntas frecuentes sobre el Código de conducta o contacte a opencode@microsoft.com con cualquier pregunta o comentario adicional.

IA responsable

Microsoft se compromete a ayudar a nuestros clientes a utilizar nuestros productos de IA de manera responsable, compartir nuestros aprendizajes y construir alianzas basadas en la confianza mediante herramientas como Transparency Notes e Impact Assessments. Muchos de estos recursos se pueden encontrar en https://aka.ms/RAI. El enfoque de Microsoft para la IA responsable se fundamenta en nuestros principios de IA: equidad, fiabilidad y seguridad, privacidad y seguridad, inclusión, transparencia y responsabilidad.

Los modelos de gran escala para lenguaje, imagen y voz, como los utilizados en este ejemplo, pueden comportarse de maneras que sean injustas, poco fiables u ofensivas, provocando daños. Consulte la nota de transparencia del servicio Azure OpenAI para informarse sobre los riesgos y las limitaciones.

El enfoque recomendado para mitigar estos riesgos es incluir un sistema de seguridad en su arquitectura que pueda detectar y prevenir comportamientos dañinos. Azure AI Content Safety proporciona una capa independiente de protección, capaz de detectar contenido dañino generado por usuarios y por IA en aplicaciones y servicios. Azure AI Content Safety incluye API de texto e imagen que permiten detectar material que sea perjudicial. También disponemos de un Content Safety Studio interactivo que le permite ver, explorar y probar ejemplos de código para detectar contenido dañino en diferentes modalidades. La siguiente documentación de inicio rápido le guía a través de cómo realizar solicitudes al servicio.

Otro aspecto a tener en cuenta es el rendimiento general de la aplicación. Con aplicaciones multimodales y con múltiples modelos, consideramos que el rendimiento implica que el sistema funcione como usted y sus usuarios esperan, incluyendo no generar salidas dañinas. Es importante evaluar el rendimiento de su aplicación global utilizando métricas de calidad de generación, riesgo y seguridad.

Puede evaluar su aplicación de IA en su entorno de desarrollo utilizando el prompt flow SDK. Dado un conjunto de datos de prueba o un objetivo, las generaciones de su aplicación generativa de IA se miden cuantitativamente con evaluadores integrados o evaluadores personalizados de su elección. Para comenzar con el prompt flow SDK para evaluar su sistema, puede seguir la guía de inicio rápido. Una vez que ejecute una ejecución de evaluación, puede visualizar los resultados en Azure AI Studio.

Marcas registradas

Este proyecto puede contener marcas comerciales o logotipos de proyectos, productos o servicios. El uso autorizado de marcas comerciales o logotipos de Microsoft está sujeto a y debe seguir las Directrices de marcas y de la marca registrada de Microsoft. El uso de marcas comerciales o logotipos de Microsoft en versiones modificadas de este proyecto no debe causar confusión ni implicar patrocinio por parte de Microsoft. Cualquier uso de marcas comerciales o logotipos de terceros está sujeto a las políticas de esos terceros.

Obtener ayuda

Si te quedas atascado o tienes alguna pregunta sobre cómo crear aplicaciones de IA, únete a:

Si tienes comentarios sobre el producto o errores mientras desarrollas, visita: