26 KiB
Co-op Translator
Легко автоматизируйте и поддерживайте переводы вашего образовательного контента на GitHub на нескольких языках по мере развития проекта.
Начните здесь: Выберите рабочий процесс | Конфигурация | CLI | Python API | MCP Server
🌐 Поддержка нескольких языков
Поддерживается Co-op Translator
Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощённый) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Нидерландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Каннада | Кхмерский | Корейский | Литовский | Малайский | Малаялам | Маратхи | Непали | Нигерийский пиджин | Норвежский | Персидский (фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Пенджабский (Гурмукхи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Суахили | Шведский | Тагалог (филиппинский) | Тамильский | Телугу | Тайский | Турецкий | Украинский | Урду | Вьетнамский
Предпочитаете клонировать локально?
Этот репозиторий включает переводы более чем на 50 языков, что значительно увеличивает размер загрузки. Чтобы клонировать без переводов, используйте 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"Это даст вам всё необходимое для завершения курса при гораздо более быстрой загрузке.
Обзор
Co-op Translator помогает вам локализовать ваш образовательный контент на GitHub на несколько языков без лишних усилий. Когда вы обновляете Markdown-файлы, изображения или ноутбуки, переводы автоматически остаются синхронизированными, гарантируя, что ваш контент остаётся точным и актуальным для учащихся по всему миру.
Используйте его через CLI для перевода репозитория, через Python API для автоматизации или через MCP-сервер для рабочих процессов с агентами и редакторами.
Пример организации переведённого контента:
Почему Co-op Translator?
Перевести один файл — просто. Поддерживать весь репозиторий документации переведённым, связанным и актуальным — вот где сложность.
| Проблема | Как Co-op Translator помогает |
|---|---|
| Long docs are not one prompt | Большие Markdown-файлы разделяются на фрагменты, поэтому длинный README не зависит от одного уязвимого ответа модели. Если фрагмент не удаётся, Co-op Translator может повторить попытку и повторно разбить на фрагменты только неудачную часть. |
| Incomplete translations should not be marked current | Урезанный перевод никогда не должен считаться актуальным. Co-op Translator проверяет целостность перевода перед сохранением и может обнаруживать структурно неполные существующие переводы. |
| Links should match the translated repo structure | Ручные переводы часто оставляют относительные ссылки, указывающие обратно на дерево исходного репозитория. Co-op Translator переписывает ссылки в Markdown, ноутбуках, изображениях и README, чтобы они соответствовали структуре translations/<lang>/.... |
| Translation should work across an entire repo | Co-op Translator обрабатывает файлы README, docs, ноутбуки и текст на изображениях как часть единого рабочего процесса репозитория, вместо перевода файлов по одному. |
| Maintaining translations matters more than creating them once | Хеши исходников и метаданные перевода позволяют Co-op Translator находить устаревшие файлы, пропускать неизменённые файлы и поддерживать синхронизацию переведённого контента по мере развития исходного репозитория. |
Как управляется состояние перевода
Co-op Translator управляет переведённым контентом как версионируемыми программными артефактами,
а не как статическими файлами.
Инструмент отслеживает состояние переведённых Markdown-файлов, изображений и ноутбуков с помощью метаданных, привязанных к языку.
Такая разработка позволяет Co-op Translator:
- Надёжно обнаруживать устаревшие переводы
- Обрабатывать Markdown, изображения и ноутбуки последовательно
- Безопасно масштабироваться в больших, быстро меняющихся, многоязычных репозиториях
Моделируя переводы как управляемые артефакты, рабочие процессы перевода естественным образом согласуются с современными практиками управления зависимостями и артефактами в разработке ПО.
→ Как управляется состояние перевода
Связанные подробные материалы
Начало работы
Co-op Translator можно использовать через CLI, Python API или MCP-сервер. Начните с руководства по рабочему процессу, если вы выбираете между локальным переводом, автоматизацией, CI и интеграцией с агентами/редакторами.
- Выберите рабочий процесс
- Настройка учётных данных
- Перевод через CLI
- Автоматизация с Python API
- Подключение к MCP Server
- Запуск в GitHub Actions
Минимальный пример использования CLI после настройки:
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"
Для первых запусков в больших репозиториях используйте --dry-run перед записью переведённых файлов. Смотрите CLI Reference для флагов типов контента, логов, обзора и миграции ссылок.
Быстрый запуск контейнера с Bash/Zsh:
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko" -md
Быстрый запуск контейнера с PowerShell:
docker run --rm -it --env-file .env -v ${PWD}:/work ghcr.io/azure/co-op-translator:latest -l "ko" -md
Возможности
- Автоматический перевод для Markdown, ноутбуков и изображений
- Поддерживает синхронизацию переводов с изменениями источника
- Работает локально (CLI) или в CI (GitHub Actions)
- Обеспечивает инструменты перевода Markdown, ноутбуков, изображений, обзора и проектов через MCP
- Использует Azure OpenAI или OpenAI в качестве поставщика перевода
- Позволяет MCP размещать агентов для перевода фрагментов Markdown и ноутбуков без учётных данных LLM Co-op Translator
- Использует Azure AI Vision для извлечения текста из изображений и перевода
- Проверяет структуру и актуальность перевода детерминированными проверками
- Сохраняет форматирование и структуру Markdown
Документация
- Сайт документации
- Выберите рабочий процесс
- Конфигурация
- Настройка Azure AI
- Справочник CLI
- Python API
- MCP Server
- GitHub Actions
- Шаблон языков в README
- Поддерживаемые языки
- Участие в проекте
- Поиск и устранение неполадок
Руководство, специфичное для Microsoft
Note
Только для сопровождающих репозиториев Microsoft “For Beginners”.
Поддержите нас и способствуйте глобальному обучению
Присоединяйтесь к нам в революционировании способов обмена образовательным контентом по всему миру! Поставьте Co-op Translator ⭐ на GitHub и поддержите нашу миссию по устранению языковых барьеров в обучении и технологиях. Ваш интерес и вклад имеют большое значение! Вклады кода и предложения по функциям всегда приветствуются.
Ознакомьтесь с образовательным контентом Microsoft на вашем языке
- LangChain4j-для-начинающих
- AZD для начинающих
- Edge AI для начинающих
- Model Context Protocol (MCP) для начинающих
- AI Agents для начинающих
- Generative AI для начинающих с использованием .NET
- Generative AI для начинающих
- Generative AI для начинающих с использованием Java
- ML для начинающих
- Data Science для начинающих
- AI для начинающих
- Кибербезопасность для начинающих
- Веб-разработка для начинающих
- IoT для начинающих
- PhiCookBook
Видеопрезентации
👉 Нажмите на изображение ниже, чтобы посмотреть на YouTube.
-
Open at Microsoft: Краткое 18‑минутное введение и быстрый гид по использованию Co-op Translator.
Участие
Этот проект приветствует вклад и предложения. Хотите внести вклад в Azure Co-op Translator? Пожалуйста, смотрите наш CONTRIBUTING.md для рекомендаций о том, как вы можете помочь сделать Co-op Translator более доступным.
Участники
Кодекс поведения
В этом проекте принят Microsoft Open Source Code of Conduct. Для получения дополнительной информации смотрите Code of Conduct FAQ или свяжитесь с opencode@microsoft.com по любым дополнительным вопросам или комментариям.
Ответственный ИИ
Microsoft стремится помогать нашим клиентам использовать наши продукты ИИ ответственно, делиться полученными знаниями и выстраивать партнёрские отношения, основанные на доверии, с помощью таких инструментов, как Transparency Notes и Impact Assessments. Многие из этих ресурсов можно найти по адресу https://aka.ms/RAI. Подход Microsoft к ответственному использованию ИИ основывается на наших принципах ИИ: справедливость, надежность и безопасность, конфиденциальность и безопасность, инклюзивность, прозрачность и подотчетность.
Крупномасштабные модели для обработки естественного языка, изображений и речи — такие, как те, что используются в этом примере — могут потенциально вести себя несправедливо, ненадежно или оскорбительно, что, в свою очередь, может причинять вред. Пожалуйста, ознакомьтесь с Azure OpenAI service Transparency note, чтобы быть информированными о рисках и ограничениях.
Рекомендуемый подход к снижению этих рисков — включить в архитектуру систему безопасности, которая может обнаруживать и предотвращать вредоносное поведение. Azure AI Content Safety предоставляет независимый уровень защиты, способный обнаруживать вредоносный пользовательский и сгенерированный ИИ контент в приложениях и сервисах. Azure AI Content Safety включает текстовые и графические API, которые позволяют обнаруживать материал, представляющий опасность. У нас также есть интерактивная Content Safety Studio, которая позволяет просматривать, исследовать и опробовать примеры кода для обнаружения вредоносного контента в разных модальностях. Следующая документация быстрого старта проведёт вас через отправку запросов к сервису.
Другим аспектом, который следует учитывать, является общая производительность приложения. В мультимодальных и мульти-модельных приложениях под производительностью мы понимаем соответствие ожиданиям вас и ваших пользователей, включая отсутствие генерации вредоносных выводов. Важно оценивать производительность вашего приложения в целом, используя метрики качества генерации и метрики рисков и безопасности.
Вы можете оценить своё ИИ-приложение в среде разработки с помощью prompt flow SDK. При наличии тестового набора данных или целевого эталона, генерации вашего генеративного ИИ приложения количественно измеряются с помощью встроенных оценщиков или пользовательских оценщиков по вашему выбору. Чтобы начать работу с prompt flow SDK для оценки вашей системы, вы можете следовать руководству по быстрому старту. После выполнения оценки вы можете визуализировать результаты в Azure AI Studio.
Товарные знаки
В этом проекте могут присутствовать товарные знаки или логотипы проектов, продуктов или сервисов. Авторизованное использование товарных знаков или логотипов Microsoft подчиняется и должно соответствовать Microsoft's Trademark & Brand Guidelines. Использование товарных знаков или логотипов Microsoft в изменённых версиях этого проекта не должно вводить в заблуждение или подразумевать спонсорство со стороны Microsoft. Любое использование товарных знаков или логотипов третьих сторон подчиняется политикам этих третьих сторон.
Получение помощи
Если вы застряли или у вас есть вопросы по созданию приложений ИИ, присоединяйтесь:
Если у вас есть отзывы о продукте или ошибки при разработке, посетите:
