תרגום טקסט

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

  • ‫Translation LLM – מודל ה-LLM החדש והאיכותי ביותר של Google לתרגום, שמספק תרגום באיכות הכי גבוהה עם זמן אחזור סביר (מהיר פי 3 בערך מ-Gemini 2.0 Flash).

  • מודל תרגום מכונה עצבי (NMT) של Cloud Translation – הפתרון המוביל של Google לתרגום בזמן אמת, עם זמן אחזור של כ-100 אלפיות השנייה. הוא משיג את האיכות הכי גבוהה מבין כל המודלים שנבדקו, עם זמני אחזור דומים, והאיכות שלו ממשיכה להשתפר. מודל NMT יכול להשיג זמני אחזור מהירים פי 20 בהשוואה ל-Gemini 2.0 Flash.

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

  • איכות תרגום ללא תחרות – מודל שפה גדול (LLM) לתרגום מציע את איכות התרגום הגבוהה ביותר, ומשיג ביצועים טובים 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 – מודל ה-LLM לתרגום מספק תרגומים מבוססי-LLM עם זמני אחזור טובים משמעותית בהשוואה ל-Gemini 2.0 Flash. למרות שהחביון של מודל ה-LLM לתרגום גבוה יותר מזה של מודל 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-Gemini Enterprise Agent Platform וב-Cloud Translation - Advanced API. מודל תרגום המכונה העצבי של Google, שזמין דרך ממשקי Cloud Translation – Advanced ו-Cloud Translation – Basic API . אופטימיזציה לפשטות ולגודל.
איכות תרגום באיכות הכי גבוהה. איכות התרגום גבוהה יותר מ-NMT, מ-Gemini 2.0 Flash ומ-Gemini 2.5 Pro. הסבירות גבוהה יותר שהמודל ישכתב משפטים כדי שהטקסט יזרום בצורה טבעית. יש פחות שגיאות. 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 זמן האחזור טוב משמעותית בהשוואה ל-Gemini 2.0 Flash, אבל עדיין איטי יותר מ-NMT. תרגום בזמן אמת הכי מהיר. זמן אחזור נמוך, מתאים לצ'אט ולאפליקציות בזמן אמת. זמני השהיה מהירים עד פי 20 בהשוואה ל-Gemini 2.0 Flash
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. רשימה מלאה של השפות זמינה במאמר בנושא שפות נתמכות. 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,‏ כוונון מפוקח (SFT) ב-Gemini Enterprise Agent Platform להתאמות ספציפיות לדומיין או ללקוח, Adaptive translation להתאמה אישית של סגנון בזמן אמת באמצעות כמה דוגמאות. תמיכה ב-Glossaries לשליטה בטרמינולוגיה, ובאימון מודלים בהתאמה אישית באמצעות AutoML Translation ב-Cloud Translation – Advanced API.
תכונות תרגום 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

  1. בקטע Agent Platform במסוף Google Cloud , עוברים לדף Translate text ב-Vertex AI Studio.

    מעבר אל Vertex AI Studio

  2. בחלונית Run settings (הגדרות ההרצה), בוחרים מודל תרגום בשדה Model (מודל).

  3. כדי לשנות את הגדרות המודל (כמו רמת אקראיות), מרחיבים את הגדרות מתקדמות.

  4. מגדירים את שפת המקור ושפת היעד.

  5. בשדה להזנת קלט, מזינים את הטקסט שרוצים לתרגם.

  6. לוחצים על שליחה.

  7. כדי לקבל את הקוד או את פקודת ה-curl שמדגימים איך לבקש תרגומים, לוחצים על קבלת קוד.

שימו לב שב-Vertex AI Studio, מודל השפה הגדולה (LLM) לתרגום מאפשר לספק דוגמאות לתרגום כדי להתאים את תשובות המודל כך שיתאימו יותר לסגנון, לטון ולתחום התעשייה שלכם. המודל משתמש בדוגמאות שלכם כהקשר של למידה עם מעט דוגמאות לפני שהוא מתרגם את הטקסט.

API

בוחרים את המודל שרוצים להשתמש בו לתרגומים.

מודל שפה גדול (LLM) לתרגום

משתמשים ב-Agent Platform 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. הגדרת אחד מקודי השפות שמופיעים בתרגום אדפטיבי.
  • ‫TARGET_LANGUAGE_CODE: שפת היעד לתרגום של טקסט הקלט. הגדרת אחד מקודי השפות שמופיעים 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:

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.jsההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, 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 Pythonההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

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

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. הגדרתם אחד מקודי השפה 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:

אתם אמורים לקבל תגובת JSON שדומה לזו:

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

Node.js

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Node.jsההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

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

/**
 * 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

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Pythonההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

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

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

כדי להתאים אישית את התשובות של מודל ה-LLM לתרגום, אפשר לספק דוגמאות משלכם לתרגומים. תרגומים בהתאמה אישית פועלים רק עם מודל ה-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 המדויקות ביותר, כדאי לכלול דוגמאות ספציפיות ממגוון רחב של תרחישים. חובה לכלול לפחות חמישה זוגות של משפטים, אבל לא יותר מ-10,000 זוגות. בנוסף, זוג של פלחים יכול לכלול לכל היותר 512 תווים.

המסוף

  1. בקטע Agent Platform במסוף Google Cloud , עוברים לדף Translate text ב-Vertex AI Studio.

    מעבר אל Vertex AI Studio

  2. 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.

  3. 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 תגובה.

    מספר הדוגמאות שאתם בוחרים נכלל במגבלת התווים של הקלט לכל בקשה, שהיא 3,000.

  4. בשדה להזנת קלט, מזינים את הטקסט שרוצים לתרגם.

  5. לוחצים על שליחה.

    Agent Platform בוחרת באופן אוטומטי את מספר משפטי ההפניה שציינתם, שהכי דומים לקלט שלכם. מודל התרגום מזהה דפוסים מהדוגמאות שלכם ואז מיישם את הדפוסים האלה כשנוצרת תשובה.

    מגבלת הפלט לכל בקשה היא 3,000 תווים. כל טקסט שחורג מהמגבלה הזו יימחק.

  6. כדי לקבל את הקוד או את פקודת ה-curl שמדגימים איך לבקש תרגומים, לוחצים על קבלת קוד.

API

כדי לבקש תרגומים מותאמים אישית, צריך לכלול בבקשת התרגום עד חמש דוגמאות של זוגות משפטים. מודל התרגום משתמש בכל הדוגמאות כדי לזהות דפוסים, ואז מיישם את הדפוסים האלה כשהוא יוצר 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 ששייך לזוג משפטים להשוואה.
  • ‫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:

אתם אמורים לקבל תגובת JSON שדומה לזו:

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

Node.js

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Node.jsההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

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

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

לפני שמנסים את הדוגמה הזו, צריך לפעול לפי Pythonההוראות להגדרה במאמר מדריך למתחילים של Agent Platform באמצעות ספריות לקוח.

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

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 במסמכי 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: