Polyglot
Az alkalmazás- és webhely-szövegei 43 nyelven, a saját modelljével lefordítva és szövegenként ellenőrizve.
- Linux or macOS
- Python 3.9+
- Local LLM
- 6 file formats
Mit csinál
A Polyglot átveszi az alkalmazásodban és a webhelyeden már meglévő angol szövegeket, és legfeljebb 42 további nyelvre írja át őket, minden platform által elvárt fájlokban és mappákban, egy általad futtatott modell segítségével. Minden szöveg ellenőrizve kerül vissza: ha egy helykitöltő, egy címke vagy egy megőrzött név elveszik, vagy a válasz nem az adott nyelv írásrendszerében van, a szöveget újra bekérjük, és egy továbbra is hibás szöveget kihagyunk és jelentünk, ahelyett, hogy hibásan szállítanánk.
- A formátumok, amelyeket használsz. JSON üzenetfájlok (i18next, vue-i18n, next-intl, react-intl), Flutter ARB, Android strings.xml, Apple .strings, gettext .po és Markdown dokumentumok, írva ide: values-de, de.lproj, app_de.arb vagy locale/de.
- Szövegenként ellenőrizve. A %1$s, {name}, {{count}}, HTML címkék, sortörések, URL-ek és a megőrzött neveidnek pontosan vissza kell jönniük; a helyes írásrendszer, üres vagy elszabadult válaszok nélkül, semmi angolul nem maradhat.
- Valós többesszám-alakok. Az oroszban egy, kevés, sok és egyéb alak van, az arabban hat alak, a japánban egyetlen alak: az Android többesszámok és az ICU üzenetek minden nyelv saját szabályait követik.
- Csak ami változott. Minden jó fordítás megjegyzésre kerül, így egyetlen angol szöveg szerkesztése egyetlen szöveget küld, nem az egész fájlt.
- A hangnemed és a szakszavaid. Egy termékleírás, egy hangnem, soha le nem fordítandó nevek és egy szójegyzék kerül minden kérésbe, és a megjegyzéseid is jegyzetként utaznak velük.
- A te modelled, a te géped. Bármely OpenAI-kompatibilis szerver: vLLM, llama.cpp, Ollama vagy LM Studio, vagy egy távoli API, ha úgy választod. Nincs szavankénti számlázás.
Valós modellen tesztelve
- Egy valós modell, hat formátum, öt írásrendszer: egy 70 szöveges példaalkalmazás JSON, Flutter ARB, Android, Apple .strings, gettext és Markdown formátumban, németre, oroszra, japánra, arabul és spanyolul, egy 27 milliárd paraméteres nyílt modellel a saját gépünkön: 350 szövegből 346 átment az ellenőrzéseken a bejövő úton, 7,5 perc alatt egy forgalmas megosztott szerveren.
- A négy, amely nem ment át az ellenőrzéseink hibája volt, nem a modellé: egy német jövevényszó, egy e-mail cím és egy japán többesszám-üzenet. Javítottuk az ellenőrzéseket; a következő futtatás csak azt a négy szöveget küldte el, és 45 másodperc alatt kiírta mind a 350-et.
- Többesszám-alakok elsőre helyesen: egy, kevés, sok és egyéb az oroszban, hat alak az arabban, egyetlen alak a japánban.
- Minden 42 nyelv: a példa 22 webes szövege minden olyan nyelvre, amelyet a Polyglot ismer, amharától a hagyományos kínaiig: 924-ből 924 szöveg lefordítva, 15 perc alatt.
- És amit az ellenőrzések nem látnak: khmer nyelven a „You are offline” szöveg „you are online”-ként jött vissza. Hibátlan khmer szöveg volt, így átment. Ezért kéri a dokumentáció, hogy a legfontosabb szövegeket anyanyelvi beszélő ellenőrizze.
Mi van benne
A fordító
Kötegelt kérés a modellhez, ellenőrzések, újrapróbálkozás a hiba megnevezésével, fordítási memória, párhuzamos nyelvi feldolgozás.
Hat formátum
Olvasók és írók, amelyek megőrzik az egyes platformok escape-jeit, mappastruktúráit és többesszám-szabályait.
Az ellenőrzések
Önállóan is használhatók: ellenőrizze a meglévő fordítást az angol forrásszöveghez képest.
Egy példaalkalmazás
Egy kis alkalmazás mind a hat formátumban a konfigurációjával együtt, hogy a sajátja előtt kipróbálhassa.
Követelmények
- Linux vagy macOS Python 3.9 vagy újabb verzióval; pip-ről nem kell semmit telepíteni.
- Egy OpenAI-kompatibilis modellszerver többnyelvű utasítási modellel; a miénk egy 27 milliárd paraméteres nyílt modell.
Érdemes tudni
- Az ellenőrzések azt fogják elkapni, ami az alkalmazást elrontja, nem a rossz jelentést: hagyja, hogy anyanyelvi beszélő elolvassa a termékleírását, a fizetős fal szövegeit és a jogi szövegeket.
- Ebben a verzióban a gettext többesszám-bejegyzések angolul maradnak.
- A sebességet a modellje határozza meg.
- Az ellenőrzések ingyenesek és nyílt forráskódúak: translation-checks a GitHubon. A csomag tartalmazza a fordítót, a hat formátumot, a többesszám-formákat, a memóriát és egy év frissítést.
From our field notes
Kérdések
Mely nyelvek?
Arab, amhara, bolgár, cseh, német, görög, spanyol, perzsa, finn, filippínó, francia, skót gael, héber, haiti kreol, magyar, örmény, indonéz, olasz, japán, khmer, kannada, koreai, macedón, maláj, holland, norvég, oromo, pandzsábi, lengyel, portugál (Brazília), román, orosz, szlovák, szlovén, szerb, svéd, thai, török, ukrán, vietnami és kínai, egyszerűsített és hagyományos, angolból.
Kell hozzá GPU?
Magának a Polyglotnak nem; a modellszervere dönti el. Egy kis modell lassan fut CPU-n; a GPU sok nyelven is percekre rövidíti egy nagy fájl fordítását.
Mi történik egy olyan karakterlánccal, amelyet a modell elront?
Újra bekérjük azt külön, a hiba megnevezésével. Ha továbbra is hibás, akkor kimarad a fájlból, így az alkalmazás ennél az egy karakterláncnál az angol szöveget jeleníti meg, és a futtatás a hiba okával együtt feltünteti. Semmi hibás nem kerül kiírásra.
Használhatok helyette egy felhőalapú API-t?
Igen: bármelyik szolgáltatást, amely rendelkezik OpenAI-kompatibilis chat végponttal. Írja be az alap URL-t és a modell nevét a polyglot.json fájlba, a kulcsot pedig egy külön fájlba.
Frissítve: