הגדרת פרויקט תרגום

‫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 מפתחים, מפעילים את Vertex AI Translation API במסוף GDC כדי לראות את הסטטוס ונקודת הקצה שלו. אחרי זה 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 תפקיד מפתח Vertex AI Translation בפרויקט.

מבקשים מהאדמין של הפרויקט ב-IAM להקצות את התפקיד "מפתח Vertex 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:

  1. בודקים אם ספריית הלקוח של Vertex AI Translation מותקנת ומקבלים את מספר הגרסה:

    pip freeze | grep translation
    

    אם ספריית הלקוח כבר מותקנת, תקבלו פלט שדומה לדוגמה הבאה:

    google-cloud-translation==3.8.0
    

    מספר הגרסה שאתם מקבלים צריך להיות זהה לספריית הלקוח בנקודת הקצה הבאה:

    https://GDC_URL/.well-known/static/client-libraries
    

    מחליפים את GDC_URL בכתובת ה-URL של הארגון ב-GDC.

  2. אם מספרי הגרסאות לא תואמים, מסירים את ספריית הלקוח:

    pip uninstall google-cloud-translation
    
  3. אם 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 הגדרתם חשבון שירות בפרויקט כדי לבצע קריאות ל-API באופן פרוגרמטי, אתם יכולים להגדיר משתני סביבה בסקריפט של Python כדי לגשת לערכים כמו המפתחות של חשבון השירות בזמן ההרצה.

כדי להגדיר את משתני הסביבה הנדרשים בסקריפט Python:

  1. יוצרים קובץ notebook ב-JupyterLab כדי להשתמש ב-API של Vertex AI Translation שעבר אימון מראש.

  2. יוצרים סקריפט Python ב-notebook של JupyterLab.

  3. מוסיפים את הקוד הבא לסקריפט של Python:

    import os
    
    os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "APPLICATION_DEFAULT_CREDENTIALS_FILENAME"
    

    מחליפים את APPLICATION_DEFAULT_CREDENTIALS_FILENAME בשם של קובץ ה-JSON שמכיל את המפתחות של חשבון השירות שיצרתם בפרויקט, למשל my-service-key.json.

  4. שומרים את הסקריפט של Python בשם, למשל translation.py.

  5. מריצים את הסקריפט של Python כדי להגדיר את משתני הסביבה:

    python SCRIPT_NAME
    

    מחליפים את SCRIPT_NAME בשם שנתתם לסקריפט Python, למשל translation.py.

מגדירים אימות

כדי להתחיל להשתמש ב-Vertex AI Translation API, צריך לאמת את פרטי הכניסה של הלקוח ולבקש גישה מהחשבון למשאבי הפרויקט. מידע נוסף זמין במאמר אימות בקשות API.