Vertex AI Translation ב-Google Distributed Cloud (GDC) עם air gap מאפשר לכם לתרגם טקסט ומסמכים בין שפות נתמכות באפליקציות שלכם. אחרי שיוצרים פרויקט ומבקשים תפקידי פיתוח, מפעילים את Vertex AI Translation API במסוף GDC כדי לראות את הסטטוס ונקודת הקצה שלו. אחר כך אתם יכולים להתקין את ספריית הלקוח של Python, להגדיר משתני סביבה ולהשתמש ב-gdcloud CLI כדי להגדיר חשבונות שירות ולאמת בקשות. אם אתם משתמשים חדשים ב-Vertex AI, כדאי לקרוא את המאמר מידע על תכונות התרגום.
יצירת פרויקט
כשיוצרים פרויקט תרגום בהיררכיית המשאבים של Distributed Cloud, אפשר לארגן את המשאבים של Vertex AI Translation, כולל שותפי עריכה, ממשקי API מופעלים, כלי מעקב, פרטי חיוב, פרטי כניסה לאימות ואמצעי בקרת גישה.
כדי ליצור פרויקט, קראו את המאמר הגדרת פרויקט ל-Vertex AI. מזהה הפרויקט נדרש כשמבצעים קריאות ל-API.
בקשת הרשאות מפתח
כדי לגשת לשירותי התרגום וליצור אסימון API לאימות בקשות ולהרשאה, צריך להיות לכם את התפקיד "מפתח תרגום באמצעות AI" בפרויקט.
מבקשים מהאדמין של הפרויקט ב-IAM להקצות את התפקיד "מפתח AI Translation" (ai-translation-developer) לחשבון המשתמש או לחשבון השירות במרחב השמות של הפרויקט. למידע על התפקיד הזה, ראו הכנת הרשאות IAM.
הפעלת Vertex AI Translation API
צריך להפעיל את Vertex AI Translation pre-trained API בפרויקט. אם הוא מופעל, אתם יכולים לראות את סטטוס השירות ואת נקודת הקצה של Vertex AI Translation API שעבר אימון מראש.
התקנה של ספריות לקוח
יש ספריות לקוח לשפת התכנות Python. מומלץ להשתמש בספריות הלקוח האלה כדי לבצע קריאות ל-Vertex AI Translation API, כי הן מאפשרות גישה קלה יותר לממשקי API.
מתקינים את ספריית הלקוח של Vertex AI Translation ומוודאים שיש לכם את הגרסה הנכונה:
בודקים אם ספריית הלקוח של Vertex AI Translation מותקנת ומקבלים את מספר הגרסה:
pip freeze | grep translationאם ספריית הלקוח כבר מותקנת, תקבלו פלט שדומה לדוגמה הבאה:
google-cloud-translation==3.8.0מספר הגרסה שאתם מקבלים צריך להיות זהה לספריית הלקוח בנקודת הקצה הבאה:
https://GDC_URL/.well-known/static/client-librariesמחליפים את
GDC_URLבכתובת ה-URL של הארגון ב-GDC.אם מספרי הגרסאות לא תואמים, מסירים את ספריית הלקוח:
pip uninstall google-cloud-translationאם הסרתם את ספריית הלקוח של Vertex AI Translation, אתם צריכים להתקין אותה מחדש על ידי ציון שם הקובץ שתואם למערכת ההפעלה שלכם.
הגדרת משתני הסביבה
אחרי שמתקינים את ספריית הלקוח של Vertex AI Translation, אפשר להשתמש ב-API באמצעות סקריפט Python.
אם מגדירים חשבון שירות בפרויקט כדי לבצע קריאות מורשות ל-API באופן פרוגרמטי, אפשר להגדיר משתני סביבה בסקריפט של Python כדי לגשת לערכים כמו המפתחות של חשבון השירות בזמן ההרצה.
כדי להגדיר את משתני הסביבה הנדרשים בסקריפט Python:
יוצרים מחברת JupyterLab כדי לקיים אינטראקציה עם Vertex AI Translation API שעבר אימון מראש.
יוצרים סקריפט Python ב-notebook של JupyterLab.
מוסיפים את הקוד הבא לסקריפט של Python:
import os os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "APPLICATION_DEFAULT_CREDENTIALS_FILENAME"מחליפים את
APPLICATION_DEFAULT_CREDENTIALS_FILENAMEבשם של קובץ ה-JSON שמכיל את המפתחות של חשבון השירות שיצרתם בפרויקט, למשלmy-service-key.json.שומרים את הסקריפט של Python בשם כלשהו, למשל
translation.py.מריצים את הסקריפט של Python כדי להגדיר את משתני הסביבה:
python SCRIPT_NAMEמחליפים את
SCRIPT_NAMEבשם שנתתם לסקריפט Python, למשלtranslation.py.
מגדירים אימות
כדי להתחיל להשתמש ב-Vertex AI Translation API, אתם צריכים לאמת את פרטי הכניסה של הלקוח ולבקש גישה מהחשבון למשאבי הפרויקט. מידע נוסף זמין במאמר אימות בקשות API.