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

Co-op Translator

Просте автоматизоване підтримання перекладів вашого освітнього вмісту на GitHub кількома мовами в міру розвитку вашого проєкту.

Почніть тут: Виберіть робочий процес | Конфігурація | CLI | Python API | MCP Server

🌐 Підтримка кількох мов

Підтримується Co-op Translator

Арабська | Бенгальська | Болгарська | Бірманська (М'янма) | Китайська (спрощена) | Китайська (традиційна, Гонконг) | Китайська (традиційна, Макао) | Китайська (традиційна, Тайвань) | Хорватська | Чеська | Данська | Нідерландська | Естонська | Фінська | Французька | Німецька | Грецька | Іврит | Хінді | Угорська | Індонезійська | Італійська | Японська | Каннада | Кхмерська | Корейська | Литовська | Малайська | Малаялам | Маратхі | Непалі | Нігерійський підін | Норвезька | Перська (фарсі) | Польська | Португальська (Бразилія) | Португальська (Португалія) | Пенджабі (гурмухі) | Румунська | Російська | Сербська (кирилиця) | Словацька | Словенська | Іспанська | Суахілі | Шведська | Тагальська (філіппінська) | Тамільська | Телугу | Тайська | Турецька | Українська | Урду | В'єтнамська

Віддаєте перевагу клонувати локально?

Цей репозиторій містить понад 50 перекладів мов, що значно збільшує розмір завантаження. Щоб клонувати без перекладів, використовуйте розріджене витягнення (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"

Це дає вам усе необхідне для завершення курсу з набагато швидшим завантаженням.

Огляд

Co-op Translator допомагає вам локалізувати ваш освітній вміст на GitHub кількома мовами без зусиль. Коли ви оновлюєте свої Markdown-файли, зображення або ноутбуки, переклади автоматично синхронізуються, що забезпечує точність і актуальність вашого вмісту для студентів у всьому світі.

Використовуйте його з CLI для перекладу репозиторію, через Python API для автоматизації або через MCP server для робочих процесів з агентами та редакторами.

Приклад того, як організовано перекладений вміст:

Чому Co-op Translator?

Перекласти один файл — легко. Підтримувати перекладений, пов’язаний і актуальний цілий репозиторій документації — складніше.

Проблема	Як Co-op Translator допомагає
Long docs are not one prompt	Великі Markdown-файли розбиваються на частини, тож довгий README не залежить від однієї крихкої відповіді моделі. Якщо частина не вдається, Co-op Translator може повторити спробу та повторно розбити лише невдалу частину.
Incomplete translations should not be marked current	Обрізаний переклад ніколи не повинен позначатися як актуальний. Co-op Translator перевіряє цілісність перекладу перед збереженням і може виявляти структурно некоректні існуючі переклади.
Links should match the translated repo structure	Ручні переклади часто залишають відносні посилання, що ведуть до джерельного дерева. Co-op Translator переписує посилання в Markdown, ноутбуках, зображеннях і README, щоб вони відповідали структурі translations/<lang>/....
Translation should work across an entire repo	Co-op Translator обробляє README, документацію, ноутбуки та текст зображень як частину єдиного робочого процесу репозиторію, замість перекладу файлів по одному.
Maintaining translations matters more than creating them once	Хеші джерела та метадані перекладу дозволяють Co-op Translator знаходити застарілі файли, пропускати незмінені файли та підтримувати синхронізацію перекладеного вмісту в міру розвитку джерельного репозиторію.

Як керується стан перекладу

Co-op Translator керує перекладеним вмістом як версійованими програмними артефактами,
а не як статичними файлами.

Інструмент відстежує стан перекладених Markdown, зображень і ноутбуків використовуючи метадані, обмежені мовою.

Такий підхід дозволяє Co-op Translator:

• Надійно виявляти застарілі переклади
• Узгоджено обробляти Markdown, зображення та ноутбуки
• Масштабуватися безпечно по великих, швидкорухомих багатомовних репозиторіях

Моделюючи переклади як керовані артефакти, робочі процеси перекладу природно узгоджуються з сучасними практиками управління залежностями та артефактами програмного забезпечення.

→ Як керується стан перекладу

Пов'язані детальні матеріали

• Виправлення зламаного Markdown в AI-перекладі: зміцнення виробничого конвеєра

Початок роботи

Co-op Translator можна використовувати з CLI, через Python API або на MCP server. Почніть з посібника з робочих процесів, якщо ви обираєте між локальним перекладом, автоматизацією, CI та інтеграцією агентів/редакторів.

• Виберіть робочий процес
• Налаштування облікових даних
• Переклад з CLI
• Автоматизація з Python API
• Підключення до MCP Server
• Запуск в GitHub Actions

Мінімальний приклад CLI після налаштування:

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 перших запусків у великих репозиторіях використовуйте --dry-run перед записом перекладених файлів. Дивіться Довідник CLI щодо прапорців для типів вмісту, журналів, перегляду та міграції посилань.

Швидкий запуск контейнера з Bash/Zsh:

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

Швидкий запуск контейнера з PowerShell:

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

Можливості

• Автоматизований переклад для Markdown, ноутбуків і зображень
• Підтримка синхронізації перекладів із змінами джерела
• Працює локально (CLI) або в CI (GitHub Actions)
• Надає інструменти для перекладу Markdown, ноутбуків, зображень, перегляду й проєктів через MCP
• Підтримує переклад з використанням Azure OpenAI або OpenAI
• Дозволяє MCP хостити агентів для перекладу частин Markdown і ноутбуків без облікових даних LLM Co-op Translator
• Використовує Azure AI Vision для витягання тексту із зображень та перекладу
• Перевіряє структуру та актуальність перекладів детерміністичними перевірками
• Зберігає форматування та структуру Markdown

Документація

• Сайт документації
• Виберіть робочий процес
• Конфігурація
• Налаштування Azure AI
• Довідник CLI
• Python API
• MCP Server
• GitHub Actions
• Шаблон README мов
• Підтримувані мови
• Участь у проєкті
• Усунення неполадок

Керівництво, специфічне для Microsoft

Note

Тільки для супроводжувачів репозиторіїв Microsoft “For Beginners”.

• Оновлення списку «інші курси» (лише для репозиторіїв MS Beginners)

Підтримайте нас та сприяйте глобальному навчанню

Приєднуйтесь до нас у революції обміну освітнім контентом у світі! Поставте ⭐ Co-op Translator на GitHub та підтримаєте нашу місію руйнування мовних бар’єрів у навчанні та технологіях. Ваш інтерес і внески мають велике значення! Внески в код і пропозиції щодо функцій завжди вітаються.

Досліджуйте освітній контент Microsoft вашою мовою

• 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

Відеопрезентації

👉 Натисніть на зображення нижче, щоб переглянути на YouTube.

• Open at Microsoft: коротке 18-хвилинне введення та швидкий посібник щодо того, як користуватися Co-op Translator.

  

Участь у проєкті

Цей проєкт вітає внески та пропозиції. Бажаєте долучитися до Azure Co-op Translator? Будь ласка, перегляньте наш CONTRIBUTING.md для отримання вказівок про те, як ви можете допомогти зробити Co-op Translator більш доступним.

Учасники

Кодекс поведінки

Цей проєкт прийняв Microsoft Open Source Code of Conduct. Для отримання додаткової інформації див. Code of Conduct FAQ або зв’яжіться з opencode@microsoft.com з будь-якими додатковими питаннями чи зауваженнями.

Відповідальний ШІ

Microsoft прагне допомагати нашим клієнтам відповідально використовувати наші продукти на основі ШІ, ділитися нашим досвідом і будувати партнерські стосунки, засновані на довірі, за допомогою інструментів, таких як примітки про прозорість і оцінки впливу. Багато з цих ресурсів доступні за адресою https://aka.ms/RAI. Підхід Microsoft до відповідального ШІ ґрунтується на наших принципах ШІ: справедливість, надійність і безпека, конфіденційність і захист, інклюзивність, прозорість і підзвітність.

Великі моделі для обробки мови, зображень і мовлення — як ті, що використовуються в цьому прикладі — можуть потенційно поводитися несправедливо, ненадійно або образливо, що може призвести до шкоди. Будь ласка, ознайомтеся з приміткою про прозорість служби Azure OpenAI, щоб дізнатися про ризики та обмеження.

Рекомендований підхід до зменшення цих ризиків — включити в архітектуру систему безпеки, яка може виявляти та запобігати шкідливій поведінці. Azure AI Content Safety забезпечує незалежний рівень захисту, здатний виявляти шкідливий контент, створений користувачами або штучним інтелектом, в додатках і службах. Azure AI Content Safety включає текстові та зображенні API, що дозволяють виявляти матеріали, які є шкідливими. У нас також є інтерактивний Content Safety Studio, який дозволяє переглядати, досліджувати та випробовувати приклади коду для виявлення шкідливого контенту в різних модальностях. Наступна документація quickstart проводить вас через процес надсилання запитів до служби.

Ще один аспект, який слід враховувати, — це загальна продуктивність застосунку. У багатомодальних і багатомодельних застосунках продуктивність означає, що система працює так, як ви та ваші користувачі очікуєте, включно з тим, щоб не генерувати шкідливі результати. Важливо оцінювати продуктивність вашого застосунку в цілому, використовуючи метрики якості генерації та ризиків і безпеки.

Ви можете оцінити ваш AI-застосунок у середовищі розробки, використовуючи prompt flow SDK. За наявності тестового набору даних або цілі ваші генерації в генеративному AI-застосунку кількісно вимірюються вбудованими або користувацькими оцінювачами на ваш вибір. Щоб почати роботу з prompt flow SDK для оцінки вашої системи, ви можете слідувати швидкому посібнику (quickstart guide). Після виконання запуску оцінки ви можете візуалізувати результати в Azure AI Studio.

Торгові марки

Цей проєкт може містити торгові марки або логотипи проєктів, продуктів або послуг. Дозволене використання торгових марок або логотипів Microsoft підлягає умовам і має відповідати Microsoft's Trademark & Brand Guidelines. Використання торгових марок або логотипів Microsoft у змінених версіях цього проєкту не повинно вводити в оману або натякати на спонсорство Microsoft. Будь-яке використання торгових марок або логотипів третіх сторін підпорядковується правилам відповідних третіх сторін.

Отримання допомоги

Якщо ви застрягли або маєте питання щодо створення AI-додатків, приєднуйтесь:

Якщо у вас є відгуки про продукт або ви натрапили на помилки під час розробки, відвідайте: