‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

תרגום טקסט

למשימות תרגום, AI גנרטיבי ב-Cloud Translation מציע שני מודלים מיוחדים לתרגום מ-Cloud Translation API:

‫LLM לתרגום – מודל ה-LLM החדש ביותר של Google לתרגום באיכות הכי גבוהה. המודל מספק תרגום באיכות הגבוהה ביותר, עם זמן אחזור סביר.
מודל תרגום מכונה עצבי (NMT) של Cloud Translation – פתרון התרגום המוביל של Google בזמן אמת, עם זמן אחזור של כ-100 אלפיות השנייה. הוא משיג את האיכות הכי גבוהה מבין כל המודלים שנבדקו, עם זמן אחזור דומה, ואיכותו ממשיכה להשתפר.

היתרונות העיקריים של מודל ה-LLM לתרגום וההבדלים בינו לבין מודלים אחרים

איכות תרגום שאין לה מתחרים – מודל ה-LLM לתרגום מציע את איכות התרגום הכי גבוהה, ומשיג ביצועים גבוהים משמעותית במבחני השוואה בהשוואה למודלים אחרים שנבדקו. מודל LLM לתרגום יותר סביר שישכתב משפט באופן משמעותי כדי שהוא יישמע טבעי יותר בשפת היעד, במקום לתת תרגומים פחות טבעיים "מילה במילה" שרואים לעיתים קרובות במודלים אחרים לתרגום.
איכות מעולה/פשרה לגבי זמן האחזור – למרות שלמודל ה-LLM לתרגום יש זמני אחזור ארוכים יותר מאשר למודל ה-NMT, הוא בדרך כלל מספק תשובות באיכות גבוהה יותר למגוון רחב של אפליקציות.

השוואה בין תכונות של מודלים

תכונה	מודל שפה גדול (LLM) לתרגום (מבוסס על Gemini)	מודל NMT
תיאור	מודל שפה גדול (LLM) שמתמחה בתרגום, מבוסס על Gemini ועבר כוונון עדין לתרגום. זמין עם AI גנרטיבי ב-Cloud Translation וב-Cloud Translation - Advanced API.	מודל תרגום המכונה העצבי של Google, שזמין דרך ממשקי ה-API של Cloud Translation – Advanced ו-Cloud Translation – Basic . אופטימיזציה של הפשטות והקנה מידה.
איכות	תרגום באיכות הגבוהה ביותר. האיכות שלו גבוהה יותר מ-NMT ומ-Gemini 2.5 Pro. יותר סביר שיכתוב מחדש משפטים כדי שהטקסט יזרום בצורה טבעית. התוצאה היא הפחתה משמעותית בשגיאות.	איכות בינונית עד גבוהה, בהתאם לצמד השפות. בין מודלי ה-NMT בזמן אמת עם הביצועים הכי טובים עבור שילובים רבים של שפות ותחומים.
זמן אחזור	החביון עדיין איטי יותר מ-NMT.	תרגום בזמן אמת הכי מהיר. זמן אחזור נמוך, מתאים לצ'אט ולאפליקציות בזמן אמת.
שפות	השפות הנתמכות כוללות ערבית, סינית, צ'כית, הולנדית, אנגלית, צרפתית, גרמנית, הינדי, אינדונזית, איטלקית, יפנית, קוריאנית, פולנית, פורטוגזית, רוסית, ספרדית, תאית, טורקית, אוקראינית ווייטנאמית. כאן מופיעה רשימה מלאה של השפות הנתמכות.	השפות הנתמכות כוללות קנטונזית, פיג'יאנית ובאלינזית. אפשר לתרגם מכל שפה לכל שפה אחרת ברשימת השפות הנתמכות. כאן מופיעה רשימה מלאה של השפות הנתמכות.
התאמה אישית	תמיכה ב-Advanced Glossaries, ב-כוונון מפוקח (SFT) ב-Cloud Translation להתאמות ספציפיות לדומיין או ללקוח, וב-Adaptive translation להתאמה אישית של הסגנון בזמן אמת באמצעות כמה דוגמאות.	תמיכה ב-Glossaries לשליטה בטרמינולוגיה, ובאימון מודלים בהתאמה אישית באמצעות AutoML Translation ב-Cloud Translation – Advanced API.
תכונות התרגום	תרגום HTML	תרגום של מסמכי HTML,‏ Batch ומסמכים מעוצבים
שילוב API	Cloud Translation - Advanced API, Gemini Enterprise API	‫Cloud Translation - Basic API,‏ Cloud Translation - Advanced API,‏ Gemini Enterprise API

Usage

בקטע הזה נסביר איך להשתמש ב-Vertex AI Studio כדי לתרגם במהירות טקסט משפה אחת לשפה אחרת. אתם יכולים להשתמש ב-LLM לתרגום או במודל NMT כדי לתרגם טקסט באמצעות מסוף Google Cloud או API. שימו לב: השפות שכל מודל תומך בהן עשויות להיות שונות. לפני שמבקשים תרגומים, צריך לוודא שהמודל שבו משתמשים תומך בשפות המקור והיעד.

המסוף

בקטע Cloud Translation במסוף Google Cloud , עוברים לדף Translate text ב-Vertex AI Studio.

מעבר אל Vertex AI Studio
בחלונית Run settings (הגדרות ההפעלה), בוחרים מודל תרגום בשדה Model (מודל).
כדי לשנות את הגדרות המודל (כמו רמת אקראיות), מרחיבים את הגדרות מתקדמות.
מגדירים את שפת המקור ושפת היעד.
בשדה להזנת קלט, מזינים את הטקסט שרוצים לתרגם.
לוחצים על שליחה.
כדי לקבל את הקוד או את פקודת ה-curl שמדגימים איך לבקש תרגומים, לוחצים על קבלת קוד.

שימו לב שב-Vertex AI Studio, מודל ה-LLM לתרגום מאפשר לכם לספק דוגמאות לתרגום כדי להתאים את התשובות של המודל לסגנון, לטון ולתחום התעשייה שלכם. המודל משתמש בדוגמאות שלכם כהקשר של פרומפט עם כמה דוגמאות (few-shot) לפני שהוא מתרגם את הטקסט.

API

בוחרים את המודל שרוצים להשתמש בו לתרגומים.

מודל שפה גדול (LLM) לתרגום

משתמשים ב-Cloud Translation API וב-Translation LLM כדי לתרגם טקסט.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫PROJECT_NUMBER_OR_ID: המזהה המספרי או האלפאנומרי של פרויקט Google Cloud
‫LOCATION: המיקום שבו רוצים להריץ את הפעולה הזו. לדוגמה, us-central1.
‫SOURCE_LANGUAGE_CODE: קוד השפה של טקסט הקלט. הערך צריך להיות אחד מקודי השפות שמפורטים בתרגום אדפטיבי.
‫TARGET_LANGUAGE_CODE: שפת היעד לתרגום של טקסט הקלט. הערך צריך להיות אחד מקודי השפות שמפורטים בתרגום אדפטיבי.
‫SOURCE_TEXT: הטקסט בשפת המקור שרוצים לתרגם.
‫MIME_TYPE (אופציונלי): הפורמט של טקסט המקור, כמו ‫text/html או text/plain. כברירת מחדל, סוג ה-MIME מוגדר כ-text/plain.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/cloud-translate-text:predict

תוכן בקשת JSON:

{
  "instances": [
    {
      "source_language_code": "SOURCE_LANGUAGE_CODE",
      "target_language_code": "TARGET_LANGUAGE_CODE",
      "contents": [
        "SOURCE_TEXT"
      ],
      "mimeType": "MIME_TYPE",
      "model": "projects/PROJECT_ID/locations/LOCATION/models/general/translation-llm"
    }
  ]
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

‫Curl (Linux,‏ macOS או Cloud Shell)

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login, או באמצעות Cloud Shell שמחבר אתכם אוטומטית ל-CLI של gcloud. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_NUMBER_OR_ID" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/cloud-translate-text:predict"

‎PowerShell (Windows)

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_NUMBER_OR_ID" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/cloud-translate-text:predict" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "predictions": [
    {
      "translations": [
        {
          "translatedText": "TRANSLATED_TEXT",
          "model": "projects/PROJECT_ID/locations/LOCATION/models/general/translation-llm"
        }
      ]
    }
  ]
}

Node.js

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Node.jsהוראות ההגדרה במדריך למתחילים בנושא Cloud Translation באמצעות ספריות לקוח. מידע נוסף מופיע במאמרי העזרה של Cloud Translation Node.js API.

כדי לבצע אימות ב-Cloud Translation, צריך להגדיר את Application Default Credentials. מידע נוסף זמין במאמר הגדרת אימות לסביבת פיתוח מקומית.

async function translate() {
  const request = {
    instances: [{
      source_language_code: SOURCE_LANGUAGE_CODE,
      target_language_code: TARGET_LANGUAGE_CODE,
      contents: [SOURCE_TEXT],
      model: "projects/PROJECT_ID/locations/LOCATION/models/general/translation-llm"
    }]
  };
  const {google} = require('googleapis');
  const aiplatform = google.cloud('aiplatform');
  const endpoint = aiplatform.predictionEndpoint('projects/PROJECT_ID/locations/LOCATION/publishers/google/models/cloud-translate-text');

  const [response] = await endpoint.predict(request)
  console.log('Translating')
  console.log(response)
}

Python

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Pythonהוראות ההגדרה במדריך למתחילים בנושא Cloud Translation באמצעות ספריות לקוח. מידע נוסף מופיע במאמרי העזרה של Cloud Translation Python API.

from google.cloud import aiplatform

def translate():
  # Create a client
  client_options = {"api_endpoint": "LOCATION-aiplatform.googleapis.com"}
  client = aiplatform.gapic.PredictionServiceClient(client_options=client_options)
  
  # Initialize the request
  endpoint_id = f"projects/PROJECT_ID/locations/LOCATION/publishers/google/models/cloud-translate-text"
  instances=[{
    "model": "projects/PROJECT_ID/locations/LOCATION/models/general/translation-llm",
    "source_language_code": 'SOURCE_LANGUAGE_CODE',
    "target_language_code": 'TARGET_LANGUAGE_CODE',
    "contents": ["SOURCE_TEXT"],
  }]

  # Make the request
  response = client.predict(instances=instances, endpoint=endpoint_id)
  # Handle the response
  print(response)

NMT

משתמשים ב-Cloud Translation API ובמודל NMT כדי לתרגם טקסט.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫PROJECT_NUMBER_OR_ID: המזהה המספרי או האלפאנומרי של הפרויקט ב- Google Cloud .
‫SOURCE_LANGUAGE: (אופציונלי) קוד השפה של טקסט הקלט. כאן מפורטים קודי השפות הנתמכות.
‫TARGET_LANGUAGE: שפת היעד לתרגום של טקסט הקלט. הערך צריך להיות אחד מקודי השפות הנתמכים.
‫SOURCE_TEXT: הטקסט לתרגום.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://translation.googleapis.com/v3/projects/PROJECT_ID:translateText

תוכן בקשת JSON:

{
  "sourceLanguageCode": "SOURCE_LANGUAGE",
  "targetLanguageCode": "TARGET_LANGUAGE",
  "contents": ["SOURCE_TEXT1", "SOURCE_TEXT2"]
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

‫Curl (Linux,‏ macOS או Cloud Shell)

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_NUMBER_OR_ID" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://translation.googleapis.com/v3/projects/PROJECT_ID:translateText"

‎PowerShell (Windows)

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_NUMBER_OR_ID" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://translation.googleapis.com/v3/projects/PROJECT_ID:translateText" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "translations": [
    {
      "translatedText": "TRANSLATED_TEXT1"
    },
    {
      "translatedText": "TRANSLATED_TEXT2"
    }
  ]
}

Node.js

/**
 * TODO(developer): Uncomment these variables before running the sample
 */
// const projectId = 'YOUR_PROJECT_ID';
// const location = 'global';
// const text = 'text to translate';

// Imports the Google Cloud Translation library
const {TranslationServiceClient} = require('@google-cloud/translate');

// Instantiates a client
const translationClient = new TranslationServiceClient();

async function translateText() {
  // MIME type of the content to translate
  // Supported MIME types:
  // https://cloud.google.com/translate/docs/supported-formats
  const mimeType = 'text/plain';

  // Construct request
  const request = {
    parent: `projects/${projectId}/locations/${location}`,
    contents: [text],
    mimeType: mimeType,
    sourceLanguageCode: 'en',
    targetLanguageCode: 'sr-Latn',
  };

  // Run request
  const [response] = await translationClient.translateText(request);

  for (const translation of response.translations) {
    console.log(`Translation: ${translation.translatedText}`);
  }
}

translateText();

Python

import os

# Import the Google Cloud Translation library.
from google.cloud import translate_v3

PROJECT_ID = os.environ.get("GOOGLE_CLOUD_PROJECT")


def translate_text(
    text: str = "YOUR_TEXT_TO_TRANSLATE",
    source_language_code: str = "en-US",
    target_language_code: str = "fr",
) -> translate_v3.TranslationServiceClient:
    """Translate Text from a Source language to a Target language.
    Args:
        text: The content to translate.
        source_language_code: The code of the source language.
        target_language_code: The code of the target language.
            For example: "fr" for French, "es" for Spanish, etc.
            Find available languages and codes here:
            https://cloud.google.com/translate/docs/languages#neural_machine_translation_model
    """

    # Initialize Translation client.
    client = translate_v3.TranslationServiceClient()
    parent = f"projects/{PROJECT_ID}/locations/global"

    # MIME type of the content to translate.
    # Supported MIME types:
    # https://cloud.google.com/translate/docs/supported-formats
    mime_type = "text/plain"

    # Translate text from the source to the target language.
    response = client.translate_text(
        contents=[text],
        parent=parent,
        mime_type=mime_type,
        source_language_code=source_language_code,
        target_language_code=target_language_code,
    )

    # Display the translation for the text.
    # For example, for "Hello! How are you doing today?":
    # Translated text: Bonjour comment vas-tu aujourd'hui?
    for translation in response.translations:
        print(f"Translated text: {translation.translated_text}")

    return response

תרגומים בהתאמה אישית

אפשר להתאים אישית את התשובות של מודל ה-LLM לתרגום על ידי מתן דוגמאות לתרגומים. תרגומים מותאמים אישית פועלים רק עם מודל שפה גדול (LLM) לתרגום.

אתם יכולים לבקש תרגום בהתאמה אישית דרך מסוף Vertex AI Studio או דרך ה-API, אבל יש הבדל אחד. המסוף תומך בתרגומים בהתאמה אישית רק אם מספקים דוגמאות בקובץ TMX או TSV. ה-API תומך בתרגומים מותאמים אישית רק כשמספקים דוגמאות (עד 5 זוגות של משפטים) בתוך הבקשה לתרגום.

הדרישות לגבי הנתונים

אם אתם מספקים דוגמאות לתרגומים בקובץ עבור Google Cloud המסוף, הדוגמאות צריכות להיות כתובות כזוגות של פלחים בקובץ TMX או TSV. כל זוג כולל פלח בשפת המקור והתרגום שלו. מידע נוסף זמין במאמר הכנת דוגמאות לתרגום במאמרי העזרה של Cloud Translation.

כדי לקבל את התוצאות הכי מדויקות, כדאי לכלול דוגמאות ספציפיות ממגוון רחב של תרחישים. צריך לכלול לפחות חמישה זוגות של משפטים, אבל לא יותר מ-10,000 זוגות. בנוסף, זוג פלחים יכול להכיל עד 512 תווים בסך הכול.

המסוף

בקטע Cloud Translation במסוף Google Cloud , עוברים לדף Translate text ב-Vertex AI Studio.

מעבר אל Vertex AI Studio
בחלונית הגדרות ההפעלה, מגדירים את הגדרות התרגום.
1. בשדה Model (מודל), בוחרים באפשרות Translation LLM (מודל שפה גדול לתרגום).
2. כדי לשנות את רמת האקראיות, מרחיבים את הגדרות מתקדמות.
לוחצים על הוספת דוגמאות.
1. בוחרים קובץ מקומי או קובץ מ-Cloud Storage. ‫Vertex AI Studio קובע את שפת המקור ושפת היעד מתוך הקובץ.
2. בוחרים את מספר הדוגמאות שהמודל ישתמש בהן לפני יצירת תשובה.
מספר הדוגמאות שאתם בוחרים נכלל במגבלת התווים של הקלט לכל בקשה, שהיא 3,000.
בשדה להזנת קלט, מזינים את הטקסט שרוצים לתרגם.
לוחצים על שליחה.

‫Cloud Translation בוחר באופן אוטומטי את מספר משפטי ההפניה שציינתם, שהכי דומים לקלט שלכם. מודל התרגום מזהה דפוסים מהדוגמאות שלכם ואז משתמש בדפוסים האלה כשהוא יוצר תשובה.

מגבלת הפלט לכל בקשה היא 3,000 תווים. כל טקסט שחורג מהמגבלה הזו יימחק.
כדי לקבל את הקוד או את פקודת ה-curl שמדגימים איך לבקש תרגומים, לוחצים על קבלת קוד.

API

כדי לבקש תרגומים בהתאמה אישית, צריך לכלול בבקשת התרגום עד חמישה זוגות של משפטים לדוגמה. מודל התרגום משתמש בכולם כדי לזהות דפוסים מהדוגמאות שלכם, ואז מיישם את הדפוסים האלה כשנוצרת תשובה.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫PROJECT_NUMBER_OR_ID: המזהה המספרי או האלפאנומרי של פרויקט Google Cloud
‫LOCATION: המיקום שבו רוצים להריץ את הפעולה הזו. לדוגמה, us-central1.
‫REFERENCE_SOURCE: משפט בשפת המקור שמהווה חלק מזוג משפטי הפניה.
‫REFERENCE_TARGET: משפט בשפת היעד שמהווה חלק מזוג משפטי הפניה.
‫SOURCE_LANGUAGE: קוד השפה של טקסט הקלט.
‫TARGET_LANGUAGE: שפת היעד לתרגום של טקסט הקלט.
‫SOURCE_TEXT: הטקסט בשפת המקור שרוצים לתרגם.
‫MIME_TYPE (אופציונלי): הפורמט של טקסט המקור, כמו ‫text/html או text/plain. כברירת מחדל, סוג ה-MIME מוגדר כ-text/plain.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm:predict

תוכן בקשת JSON:

{
  "instances": [
    {
      "reference_sentence_config": {
        "reference_sentence_pair_lists": [
          {
            "reference_sentence_pairs": [
              {
                "source_sentence": "REFERENCE_SOURCE_1_1",
                "target_sentence": "REFERENCE_TARGET_1_1"
              },
              {
                "source_sentence": "REFERENCE_SOURCE_1_2",
                "target_sentence": "REFERENCE_SOURCE_1_2"
              }
            ]
          }
        ],
        "source_language_code": "SOURCE_LANGUAGE_CODE",
        "target_language_code": "TARGET_LANGUAGE_CODE"
      },
      "content": [
        "SOURCE_TEXT"
      ],
      "mimeType": "MIME_TYPE"
    }
  ]
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

‫Curl (Linux,‏ macOS או Cloud Shell)

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "x-goog-user-project: PROJECT_NUMBER_OR_ID" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm:predict"

‎PowerShell (Windows)

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "PROJECT_NUMBER_OR_ID" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm:predict" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "predictions": [
    {
      "languageCode": "TARGET_LANGUAGE",
      "translations": [
        {
          "translatedText": "TRANSLATED_TEXT"
        }
      ]
    }
  ]
}

Node.js

async function translate() {
  const request = {
    instances: [{
        "reference_sentence_config": {
          "reference_sentence_pair_lists": [{
            "reference_sentence_pairs": [{
              "source_sentence": 'SAMPLE_REFERENCE_SOURCE_1',
              "target_sentence": 'SAMPLE_REFERENCE_TARGET_1'
            },
            "reference_sentence_pairs": {
              "source_sentence": 'SAMPLE_REFERENCE_SOURCE_2',
              "target_sentence": 'SAMPLE_REFERENCE_TARGET_2'
            }]
          }],
          "source_language_code": 'SOURCE_LANGUAGE_CODE',
          "target_language_code": 'TARGET_LANGUAGE_CODE'
        },
        "contents": ["SOURCE_TEXT"]
    }]
  };
  const {google} = require('googleapis');
  const aiplatform = google.cloud('aiplatform');
  const endpoint = aiplatform.predictionEndpoint('projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm');

  const [response] = await endpoint.predict(request)
  console.log('Translating')
  console.log(response)
}

Python

from google.cloud import aiplatform
from google.protobuf.json_format import MessageToDict

def translate():
  # Create a client
  client_options = {"api_endpoint": "LOCATION-aiplatform.googleapis.com"}
  client = aiplatform.gapic.PredictionServiceClient(client_options=client_options)

  # Initialize the request
  endpoint_id = f"projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm"
  instances=[{
      "reference_sentence_config": {
        "reference_sentence_pair_lists": [{
          "reference_sentence_pairs": [{
            "source_sentence": 'SAMPLE_REFERENCE_SOURCE_1',
            "target_sentence": 'SAMPLE_REFERENCE_TARGET_1'
          },
          {
            "source_sentence": 'SAMPLE_REFERENCE_SOURCE_2',
            "target_sentence": 'SAMPLE_REFERENCE_TARGET_2'
          }]
        }],
        "source_language_code": 'SOURCE_LANGUAGE_CODE',
        "target_language_code": 'TARGET_LANGUAGE_CODE'
      },
      "content": ["SOURCE_TEXT"]
  }]
  # Make the request
  response = client.predict(
      endpoint=endpoint_id, instances=instances,
  )
  # Handle the response
  print(response)

  # The predictions are a google.protobuf.Value representation of the model's predictions.
  predictions = MessageToDict(response._pb)['predictions']
  for prediction in predictions:
      print(prediction['translations'])

אפשר גם להשתמש ב-Cloud Translation API כדי ליצור מערך נתונים ולייבא את זוגות המשפטים לדוגמה. כשמשתמשים ב-Cloud Translation API כדי לבקש תרגומים, אפשר לכלול את מערך הנתונים כדי להתאים אישית את התשובות. מערך הנתונים נשמר ואפשר לעשות בו שימוש חוזר בכמה בקשות תרגום. מידע נוסף זמין במאמר בקשת תרגומים דינמיים במאמרי העזרה של Cloud Translation.

שפות נתמכות

מודל שפה גדול (LLM) לתרגום

בעזרת מודל ה-LLM לתרגום, אפשר לתרגם לשפות הבאות ומכל אחת מהן:

שם השפה	קוד שפה
אפריקאנס	`af`
אלבנית	`sq`
אמהרית	`am`
ערבית (ערב הסעודית)	`ar-SA`
ערבית	`ar`
ארמנית	`hy`
אזרית	`az`
בסקית	`eu`
בלארוסית	`be`
בנגלית (הודו)	`bn-IN`
בנגלית	`bn`
בוסנית (קירילית)	`bs-Cyrl`
בוסנית	`bs`
בולגרית	`bg`
בורמזית	`my`
קטלאנית	`ca`
סינית (סין)	`zh-CN`
סינית (הונג קונג)	`zh-HK`
סינית (פשוטה)	`zh-Hans`
סינית (טייוואן)	`zh-TW`
סינית (מסורתית)	`zh-Hant`
סינית	`zh`
קרואטית	`hr`
צ'כית	`cs`
דנית	`da`
הולנדית (בלגיה)	`nl-BE`
הולנדית	`nl`
אנגלית (אוסטרליה)	`en-AU`
אנגלית (קנדה)	`en-CA`
אנגלית (ניו זילנד)	`en-NZ`
אנגלית (הפיליפינים)	`en-PH`
אנגלית (דרום אפריקה)	`en-ZA`
אנגלית (בריטניה)	`en-GB`
אנגלית (ארצות הברית)	`en-US`
אנגלית	`en`
אסטונית	`et`
פיליפינית	`fil`
פינית	`fi`
צרפתית (קנדה)	`fr-CA`
צרפתית (שווייץ)	`fr-CH`
צרפתית	`fr`
פריזית	`fy`
גליציאנית	`gl`
גיאורגית	`ka`
גרמנית	`de`
יוונית	`el`
גוארני	`gn`
גוג'ארטי	`gu`
האוסה	`ha`
עברית	`he`
עברית	`iw`
הינדית	`hi`
הונגרית	`hu`
איסלנדית	`is`
איגבו	`ig`
אינדונזית	`id`
אירית	`ga`
איטלקית	`it`
יפנית	`ja`
קנאדה	`kn`
חמר	`km`
קוריאנית	`ko`
קירגיזית	`ky`
לאו	`lo`
לטבית	`lv`
לינגלה	`ln`
ליטאית	`lt`
לוקסמבורגית	`lb`
מקדונית	`mk`
מלאית	`ms`
מלאיאלאם	`ml`
מלטזית	`mt`
מאראתי	`mr`
מונגולית	`mn`
נפאלית	`ne`
נורווגית ספרותית	`nb`
נורווגית	`no`
אודיה	`or`
פרסית	`fa`
פולנית	`pl`
פורטוגזית (ברזיל)	`pt-BR`
פורטוגזית (פורטוגל)	`pt-PT`
פורטוגזית	`pt`
פנג'אבי (פקיסטן)	`pa-PK`
פנג'אבית	`pa`
רומנית	`ro`
רוסית	`ru`
גאלית סקוטית	`gd`
סרבית	`sr`
סלובקית	`sk`
סלובנית	`sl`
סומלית	`so`
ספרדית (ארגנטינה)	`es-AR`
ספרדית (צ'ילה)	`es-CL`
ספרדית (קולומביה)	`es-CO`
ספרדית (קוסטה ריקה)	`es-CR`
ספרדית (אקוודור)	`es-EC`
ספרדית (אל סלבדור)	`es-SV`
ספרדית (גואטמלה)	`es-GT`
ספרדית (האיטי)	`es-HT`
ספרדית (הונדורס)	`es-HN`
ספרדית (אמריקה הלטינית)	`es-419`
ספרדית (מקסיקו)	`es-MX`
ספרדית (ניקרגואה)	`es-NI`
ספרדית (פנמה)	`es-PA`
ספרדית (פרגוואי)	`es-PY`
ספרדית (פרו)	`es-PE`
ספרדית (פוארטו ריקו)	`es-PR`
ספרדית (ספרד)	`es-ES`
ספרדית (ארצות הברית)	`es-US`
ספרדית (אורוגוואי)	`es-UY`
ספרדית (ונצואלה)	`es-VE`
ספרדית	`es`
סווהילי	`sw`
שוודית	`sv`
טגלוג	`tl`
טג'יקית	`tg`
טמילית	`ta`
טלוגו	`te`
תאית	`th`
טורקית	`tr`
אוקראינית	`uk`
אורדו	`ur`
אוזבקית	`uz`
וייטנאמית	`vi`
וולשית	`cy`
זולו	`zu`

NMT

מידע על השפות שנתמכות במודל NMT של Cloud Translation מופיע במסמכי התיעוד הבאים:

שפות נתמכות במודל NMT לתרגום

תרגום טקסט קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

היתרונות העיקריים של מודל ה-LLM לתרגום וההבדלים בינו לבין מודלים אחרים

השוואה בין תכונות של מודלים

Usage

המסוף

API

מודל שפה גדול (LLM) לתרגום

REST

‫Curl (Linux,‏ macOS או Cloud Shell)

‎PowerShell (Windows)

Node.js

Python

NMT

REST

‫Curl (Linux,‏ macOS או Cloud Shell)

‎PowerShell (Windows)

Node.js

Python

תרגומים בהתאמה אישית

הדרישות לגבי הנתונים

המסוף

API

REST

‫Curl (Linux,‏ macOS או Cloud Shell)

‎PowerShell (Windows)

Node.js

Python

שפות נתמכות

מודל שפה גדול (LLM) לתרגום

NMT

תרגום טקסט