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

Co-op Translator

Helposti automatisoi ja ylläpidä käännöksiä opetussisällöllesi GitHubissa useille kielille projektisi kehittyessä.

Aloita tästä: Valitse työnkulku | Konfigurointi | CLI | Python API | MCP Server

🌐 Monikielinen tuki

Tuettu Co-op Translatorin toimesta

Arabia | Bengali | Bulgaria | Burma (Myanmar) | Kiina (yksinkertaistettu) | Kiina (perinteinen, Hongkong) | Kiina (perinteinen, Macao) | Kiina (perinteinen, Taiwan) | Kroatia | Tšekki | Tanska | Hollanti | Viro | Suomi | Ranska | Saksa | Kreikka | Heprea | Hindi | Unkari | Indonesia | Italia | Japani | Kannada | Khmer | Korea | Liettua | Malaiji | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norja | Persia (farsi) | Puola | Portugali (Brasilia) | Portugali (Portugali) | Punjabi (Gurmukhi) | Romania | Venäjä | Serbia (kyrillinen) | Slovakki | Slovenia | Espanja | Swahili | Ruotsi | Tagalog (filipino) | Tamili | Telugu | Thai | Turkki | Ukraina | Urdu | Vietnami

Haluatko mieluummin kloonata paikallisesti?

Tämä repositorio sisältää yli 50 käännöstä, mikä lisää latauksen kokoa merkittävästi. Jos haluat kloonata ilman käännöksiä, käytä sparse checkoutia:

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"

Tämä antaa sinulle kaiken tarvittavan kurssin suorittamiseen huomattavasti nopeammalla latauksella.

Yleiskatsaus

Co-op Translator auttaa lokalisoimaan opetussisältösi GitHubissa useille kielille vaivattomasti. Kun päivität Markdown-tiedostojasi, kuvia tai muistikirjoja, käännökset pysyvät automaattisesti synkronoituina, varmistaen että sisältösi on tarkkaa ja ajan tasalla oppijoille ympäri maailmaa.

Käytä sitä CLI:stä repositorion kääntämiseen, Python-API:sta automaatioon tai MCP-palvelimen kautta agentti- ja editorityönkulkuihin.

Esimerkki siitä, miten käännetty sisältö on järjestetty:

Miksi Co-op Translator?

Yhden tiedoston kääntäminen on helppoa. Koko dokumentaatio­repositorion pitämiseen käännettynä, linkitettynä ja ajan tasalla onkin se vaikea osa.

Problem	How Co-op Translator helps
Long docs are not one prompt	Suuret Markdown-tiedostot pilkotaan osiin, joten pitkä README ei riipu yhdestä hauraasta mallivastauksesta. Jos osa epäonnistuu, Co-op Translator voi yrittää uudelleen ja pilkkoa uudelleen vain epäonnistuneen osan.
Incomplete translations should not be marked current	Katkennutta käännöstä ei tulisi koskaan merkitä ajan tasalla olevaksi. Co-op Translator tarkistaa käännöksen eheyden ennen tallennusta ja voi havaita rakenteellisesti puutteelliset olemassa olevat käännökset.
Links should match the translated repo structure	Manuaaliset käännökset jättävät usein suhteellisia linkkejä osoittamaan takaisin lähdepuihin. Co-op Translator muokkaa Markdown-, muistikirja-, kuva- ja README-linkkejä vastaamaan translations/<lang>/... -rakennetta.
Translation should work across an entire repo	Co-op Translator käsittelee README-tiedostot, dokumentaation, muistikirjat ja kuvatekstit yhtenä repositorion työnkulkuna sen sijaan, että tiedostoja käännettäisiin yksi kerrallaan.
Maintaining translations matters more than creating them once	Lähde­tarkisteet ja käännös­metatiedot antavat Co-op Translatorille mahdollisuuden löytää vanhentuneet tiedostot, ohittaa muuttumattomat tiedostot ja pitää käännetyn sisällön synkronoituna lähderepositoryn kehittyessä.

Kuinka käännösten tila hallitaan

Co-op Translator käsittelee käännetyn sisällön kuin versionhallittuja ohjelmistoartefakteja,
ei staattisina tiedostoina.

Työkalu seuraa käännettyjen Markdownien, kuvien ja muistikirjojen tilaa käyttäen kieleen sidottua metatietoa.

Tämä suunnittelu mahdollistaa Co-op Translatorille:

• Luotettavan vanhentuneiden käännösten havaitsemisen
• Markdownin, kuvien ja muistikirjojen yhtenäisen käsittelyn
• Skaalautumisen turvallisesti suurissa, nopeasti kehittyvissä monikielisissä repositorioissa

Mallintamalla käännökset hallituiksi artefakteiksi, käännöstyönkulut nivoutuvat luonnollisesti nykyaikaisiin ohjelmistoriippuvuus- ja artefaktinhallintakäytäntöihin.

→ Miten käännöstila hallitaan

Lisäsyventävät artikkelit

• Korjataan rikkinäisiä Markdown-tiedostoja AI-käännöksissä: tuotantoputken koventaminen

Aloita

Co-op Translatoria voi käyttää CLI:stä, Python-API:sta tai MCP-palvelimelta. Aloita työnkulku-oppaan lukemisella, jos valintasi on paikallinen käännös, automaatio, CI tai agentti/editor -integraatio.

• Valitse työnkulku
• Konfigurointi
• Käännä CLI:stä
• Automatisoi Python-API:lla
• Yhdistä MCP-palvelimeen
• Suorita GitHub Actionsissa

Esimerkinomainen minimal CLI -komento konfiguroinnin jälkeen:

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"

Suorita suurille repolle ensimmäisillä kerroilla --dry-run ennen käännettyjen tiedostojen kirjoittamista. Katso CLI-viite sisältötyyppien lipuista, lokeista, tarkastuksesta ja linkkimigraatiosta.

Konttipikatesti Bash/Zsh:llä:

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

Konttipikatesti PowerShellilla:

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

Ominaisuudet

• Automaattinen käännös Markdownille, muistikirjoille ja kuville
• Pitää käännökset synkronissa lähdemuutosten kanssa
• Toimii paikallisesti (CLI) tai CI:ssä (GitHub Actions)
• Altistaa Markdown-, muistikirja-, kuva-, tarkastus- ja projekti­käännöstyökalut MCP:n kautta
• Käyttää Azure OpenAI:ta tai OpenAI:ta tarjoajan tukemaan käännöstä
• Antaa MCP:n isännöimien agenttien kääntää Markdown- ja muistikirja-osioita ilman Co-op Translatorin LLM-tunnuksia
• Käyttää Azure AI Visionia kuvatekstien poimintaan ja käännökseen
• Tarkastaa käännösten rakenteen ja ajantasaisuuden deterministisilla tarkistuksilla
• Säilyttää Markdownin muotoilun ja rakenteen

Dokumentaatio

• Dokumentaatiosivusto
• Valitse työnkulku
• Konfigurointi
• Azure AI -asetukset
• CLI-viite
• Python-API
• MCP-palvelin
• GitHub Actions
• README-kielten malli
• Tuetut kielet
• Osallistuminen
• Vianmääritys

Microsoftille tarkoitettu opas

Note

Vain Microsoftin “For Beginners” -repositorioiden ylläpitäjille.

• Päivitä “other courses” -lista (vain MS Beginners -repositorioille)

Tue meitä ja edistä maailmanlaajuista oppimista

Liity mukaan muuttamaan tapaa, jolla opetussisältöjä jaetaan globaalisti! Anna Co-op Translator -projektille ⭐ GitHubissa ja tue missiotamme poistaa kielimuurit oppimisessa ja teknologiassa. Kiinnostuksesi ja panoksesi vaikuttavat merkittävästi! Koodipanokset ja ominaisuusehdotukset ovat aina tervetulleita.

Tutustu Microsoftin opetussisältöihin omalla kielelläsi

• 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

Video presentations

👉 Napsauta alla olevaa kuvaa katsoaksesi YouTubessa.

• Open at Microsoft: Lyhyt 18 minuutin esittely ja pikaopas Co-op Translatorin käyttöön.

  

Contributing

Tämä projekti ottaa mielellään vastaan kontribuutioita ja ehdotuksia. Haluatko osallistua Azure Co-op Translatorin kehittämiseen? Katso ohjeet CONTRIBUTING.md tiedostosta, josta löydät ohjeet siitä, miten voit auttaa tekemään Co-op Translatorista saavutettavamman.

Contributors

Code of Conduct

Tämä projekti on ottanut käyttöön Microsoftin avoimen lähdekoodin toimintaperiaatteet. Lisätietoja saat katsomalla Toimintaperiaatteiden UKK -sivun tai ottamalla yhteyttä osoitteeseen opencode@microsoft.com jos sinulla on lisäkysymyksiä tai kommentteja.

Responsible AI

Microsoft on sitoutunut auttamaan asiakkaitamme käyttämään tekoälytuotteitamme vastuullisesti, jakamaan oppimiamme ja rakentamaan luottamukseen perustuvia kumppanuuksia esimerkiksi Transparency Notes- ja Impact Assessments -työkalujen kautta. Monet näistä resursseista löytyvät osoitteesta https://aka.ms/RAI. Microsoftin lähestymistapa vastuulliseen tekoälyyn perustuu tekoälyn periaatteisiimme: oikeudenmukaisuus, luotettavuus ja turvallisuus, yksityisyys ja tietoturva, osallistavuus, läpinäkyvyys ja vastuullisuus.

Laajamittaiset luonnollisen kielen, kuva- ja puhemallit — kuten tässä esimerkissä käytetyt — voivat käyttäytyä tavoilla, jotka ovat epäoikeudenmukaisia, epäluotettavia tai loukkaavia, ja aiheuttaa vahinkoa. Tutustu Azure OpenAI -palvelun läpinäkyvyysmuistioon saadaksesi tietoa riskeistä ja rajoituksista.

Suositeltava tapa vähentää näitä riskejä on sisällyttää arkkitehtuuriisi turvallisuusjärjestelmä, joka voi tunnistaa ja estää haitallista käyttäytymistä. Azure AI Content Safety tarjoaa itsenäisen suojaustason, joka pystyy havaitsemaan sovelluksissa ja palveluissa käyttäjän tai tekoälyn tuottamaa haitallista sisältöä. Azure AI Content Safety sisältää tekstin ja kuvan API:t, joiden avulla voit tunnistaa haitallista materiaalia. Meillä on myös interaktiivinen Content Safety Studio, jonka avulla voit tarkastella, tutkia ja kokeilla esimerkkikoodeja haitallisen sisällön tunnistamiseen eri modaliteeteissa. Seuraava aloitusopas opastaa tekemään pyyntöjä palveluun.

Toinen huomioon otettava seikka on koko sovelluksen suorituskyky. Monimodaalisissa ja monimalli-sovelluksissa suorituskyvyllä tarkoitamme sitä, että järjestelmä toimii odotetulla tavalla sinulle ja käyttäjillesi, mukaan lukien se, ettei se tuota haitallisia tulosteita. On tärkeää arvioida koko sovelluksesi suorituskykyä käyttämällä generointilaatua sekä riski- ja turvallisuusmittareita.

Voit arvioida tekoälysovellustasi kehitysympäristössä käyttämällä prompt flow -SDK:ta. Olipa käytössäsi testiaineisto tai tavoite, generatiivisen tekoälysovelluksesi tuotoksia mitataan kvantitatiivisesti sisäänrakennetuilla arvioijilla tai valitsemillasi mukautetuilla arvioijilla. Aloittaaksesi prompt flow -SDK:n käytön järjestelmäsi arviointiin, voit seurata aloitusopasta. Kun suoritat arviointiajon, voit visualisoida tulokset Azure AI Studiossa.

Trademarks

Tämä projekti saattaa sisältää tavaramerkkejä tai logoja projekteille, tuotteille tai palveluille. Microsoftin tavaramerkkien tai logojen luvallinen käyttö edellyttää noudattamista Microsoftin tavaramerkki- ja brändiohjeita. Microsoftin tavaramerkkien tai logojen käyttö tämän projektin muokatuissa versioissa ei saa aiheuttaa sekaannusta tai antaa vaikutelmaa Microsoftin sponsoroinnista. Kolmansien osapuolten tavaramerkkien tai logojen käyttöä ohjaavat kyseisten osapuolten käytännöt.

Getting Help

Jos juudut tai sinulla on kysyttävää tekoälysovellusten rakentamisesta, liity:

Jos sinulla on tuotepalautetta tai kohtaat virheitä rakentamisen aikana, vieraile: