Text übersetzen

Für Übersetzungsaufgaben bietet Generative AI auf der Gemini Enterprise Agent Platform zwei spezialisierte Übersetzungsmodelle aus der Cloud Translation API:

  • Translation LLM: Das neueste und hochwertigste LLM-Übersetzungsangebot von Google. Erzielt die höchste Übersetzungsqualität bei angemessenen Latenzen.

  • NMÜ-Modell (neuronale maschinelle Übersetzung) von Cloud Translation: Das erstklassige Echtzeit-Übersetzungsangebot von Google, das Übersetzungen mit einer Latenz von ca. 100 ms ermöglicht. Es erreicht die höchste Qualität aller getesteten Modelle bei vergleichbaren Latenzen und wird kontinuierlich weiter verbessert.

Wichtigste Vorteile und Alleinstellungsmerkmale des Translation LLM

  • Unübertroffene Übersetzungsqualität: Das Translation LLM bietet die höchste Übersetzungsqualität und erzielt im Vergleich zu anderen Modellen in Benchmarks eine deutlich höhere Leistung. Das Translation-LLM schreibt einen Satz mit weitaus höherer Wahrscheinlichkeit so um, dass er in der Zielsprache natürlicher klingt, anstatt weniger natürliche „Wort-für-Wort“-Übersetzungen zu liefern, die oft in anderen Übersetzungsmodellen zu sehen sind.
  • Hervorragender Kompromiss zwischen Qualität und Latenz: Obwohl das Translation LLM höhere Latenzen als das NMÜ-Modell aufweist, liefert es in der Regel hochwertigere Antworten für eine Vielzahl von Anwendungen.

Vergleich der Modellfunktionen

Funktion Translation LLM (unterstützt von Gemini) NMÜ-Modell
Beschreibung Ein auf Übersetzungen spezialisiertes Large Language Model, das auf Gemini basiert und für Übersetzungen optimiert ist. Verfügbar mit generativer KI auf der Gemini Enterprise Agent Platform und der Cloud Translation Advanced API. Das NMÜ-Modell (neuronale maschinelle Übersetzung) von Google, das über die APIs von Cloud Translation Advanced und Cloud Translation Basic verfügbar ist . Optimiert für Einfachheit und Skalierbarkeit.
Qualität Übersetzung in höchster Qualität. Übertrifft NMÜ und Gemini 2.5 Pro in der Qualität. Schreibt Sätze eher um, damit sie natürlicher klingen. Zeigt eine deutliche Reduzierung der Fehler. Mittlere bis hohe Qualität, je nach Sprachpaar. Gehört zu den leistungsstärksten NMÜ-Modellen in Echtzeit für viele Sprach-Domain-Kombinationen.
Latenz Die Latenz ist immer noch höher als bei NMT. Schnellste Echtzeit-Übersetzung. Niedrige Latenz, geeignet für Chat- und Echtzeitanwendungen.
Sprachunterstützung Zu den unterstützten Sprachen gehören Deutsch, Arabisch, Chinesisch, Tschechisch, Niederländisch, Englisch, Französisch, Hindi, Indonesisch, Italienisch, Japanisch, Koreanisch, Polnisch, Portugiesisch, Russisch, Spanisch, Thailändisch, Türkisch, Ukrainisch und Vietnamesisch. Eine vollständige Liste finden Sie unter Unterstützte Sprachen. Zu den unterstützten Sprachen gehören Kantonesisch, Fidschianisch und Balinesisch. Es sind Übersetzungen aus einer beliebigen Sprache in eine beliebige andere Sprache in der Liste der unterstützten Sprachen möglich. Eine vollständige Liste finden Sie unter Unterstützte Sprachen.
Anpassung Unterstützung für erweiterte Glossare, überwachte Feinabstimmung auf der Gemini Enterprise Agent Platform für domänen-/kundenspezifische Anpassungen und adaptive Übersetzung für die Echtzeit-Stilanpassung mit wenigen Beispielen. Unterstützung für Glossare zur Steuerung der Terminologie und Training von benutzerdefinierten Modellen mit AutoML Translation in der Cloud Translation Advanced API.
Übersetzungsfunktionen HTML-Übersetzung HTML-, Batch- und formatierte Dokumentübersetzung
API-Integration Cloud Translation Advanced API, Gemini Enterprise API Cloud Translation Basic API, Cloud Translation Advanced API, Gemini Enterprise API

Nutzung

In diesem Abschnitt erfahren Sie, wie Sie mit Vertex AI Studio Text schnell von einer Sprache in eine andere übersetzen. Sie können das Übersetzungs-LLM oder das NMÜ-Modell verwenden, um Text mithilfe der Google Cloud Console oder API zu übersetzen. Die von den einzelnen Modellen unterstützten Sprachen können variieren. Bevor Sie Übersetzungen anfordern, prüfen Sie, ob das von Ihnen verwendete Modell Ihre Ausgangs- und Zielsprachen unterstützt.

Console

  1. Rufen Sie im Bereich „Agent Platform“ der Google Cloud -Konsole die Seite Text übersetzen in Vertex AI Studio auf.

    Zu Vertex AI Studio

  2. Wählen Sie im Bereich Ausführungseinstellungen ein Übersetzungsmodell im Feld Modell aus.

  3. Wenn Sie die Modelleinstellungen ändern möchten, z. B. die Temperatur, maximieren Sie Erweitert.

  4. Legen Sie die Ausgangs- und Zielsprachen fest.

  5. Geben Sie im Eingabefeld den zu übersetzenden Text ein.

  6. Klicken Sie auf Senden.

  7. Klicken Sie auf Code abrufen, um den Code oder den curl-Befehl abzurufen, mit dem gezeigt wird, wie Sie Übersetzungen anfordern.

In Vertex AI Studio können Sie mit dem Translation LLM Beispielübersetzungen bereitstellen, um die Modellantworten besser auf Ihren Stil, Ihren Ton und Ihre Branchendomain zuzuschneiden. Das Modell verwendet Ihre Beispiele als Few-Shot-Kontext, bevor Ihr Text übersetzt wird.

API

Wählen Sie das Modell für Ihre Übersetzungen aus.

Translation LLM

Verwenden Sie die Agent Platform API und das Übersetzungs-LLM, um Text zu übersetzen.

REST

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • PROJECT_NUMBER_OR_ID: Die numerische oder alphanumerische ID Ihres Projekts von Google Cloud
  • LOCATION: Der Standort, an dem Sie diesen Vorgang ausführen möchten. Beispiel: us-central1.
  • SOURCE_LANGUAGE_CODE: Der Sprachcode des Eingabetexts. Legen Sie einen der unter adaptive Übersetzung aufgeführten Sprachcodes fest.
  • TARGET_LANGUAGE_CODE: die Zielsprache, in die der Eingabetext übersetzt werden soll. Legen Sie einen der unter adaptive Übersetzung aufgeführten Sprachcodes fest.
  • SOURCE_TEXT: Text in der Ausgangssprache, der übersetzt werden soll.
  • MIME_TYPE (optional): Das Format des Quelltexts, z. B. text/html oder text/plain. Standardmäßig ist der MIME-Typ auf text/plain festgelegt.

HTTP-Methode und URL: 

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

JSON-Text anfordern:

{
  "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"
    }
  ]
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

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

Node.js

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Node.js in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

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

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

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)

NMÜ

Verwenden Sie die Cloud Translation API und das NMÜ-Modell zum Übersetzen von Text.

REST

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • PROJECT_NUMBER_OR_ID: Die numerische oder alphanumerische ID Ihres Projekts von Google Cloud
  • SOURCE_LANGUAGE: (Optional) Der Sprachcode des Eingabetexts. Die unterstützten Sprachcodes finden Sie unter Sprachunterstützung.
  • TARGET_LANGUAGE: die Zielsprache, in die der Eingabetext übersetzt werden soll. Legen Sie einen der unterstützten Sprachcodes fest.
  • SOURCE_TEXT: Zu übersetzender Text.

HTTP-Methode und URL:

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

JSON-Text anfordern:

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

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

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

Node.js

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Node.js in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

/**
 * 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

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

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

Benutzerdefinierte Übersetzungen

Passen Sie die Antworten des Translation LLM an, indem Sie Ihre eigenen Beispielübersetzungen bereitstellen. Benutzerdefinierte Übersetzungen funktionieren nur mit dem Translation LLM.

Sie können eine benutzerdefinierte Übersetzung über die Vertex AI Studio-Konsole oder API mit einem Unterschied anfordern. Die Console unterstützt benutzerdefinierte Übersetzungen nur, wenn Sie Beispiele in einer TMX- oder TSV-Datei bereitstellen. Die API unterstützt benutzerdefinierte Übersetzungen nur, wenn Sie Beispiele (bis zu fünf Satzpaare) inline als Teil der Übersetzungsanfrage angeben.

Datenanforderungen

Wenn Sie Beispielübersetzungen in einer Datei für die Google Cloud Console bereitstellen, müssen die Beispiele als Segmentpaare in einer TMX- oder TSV-Datei geschrieben werden. Jedes Paar enthält ein Segment der Ausgangssprache und das übersetzte Gegenstück. Weitere Informationen finden Sie in der Cloud Translation-Dokumentation unter Beispielübersetzungen vorbereiten.

Fügen Sie spezifische Beispiele aus einer Vielzahl von Szenarien hinzu, um möglichst genaue Ergebnisse zu erhalten. Sie müssen mindestens fünf Satzpaare, aber nicht mehr als 10.000 Paare einbeziehen. Außerdem darf ein Segmentpaar maximal 512 Zeichen lang sein.

Console

  1. Rufen Sie im Bereich „Agent Platform“ der Google Cloud Console die Seite Text übersetzen in Vertex AI Studio auf.

    Zu Vertex AI Studio

  2. Konfigurieren Sie im Bereich Ausführungseinstellungen Ihre Übersetzungseinstellungen.

    1. Wählen Sie im Feld Modell die Option Übersetzungs-LLM aus.
    2. Wenn Sie die Temperatur ändern möchten, maximieren Sie Erweitert.

  3. Klicken Sie auf Beispiele hinzufügen.

    1. Wählen Sie eine lokale Datei oder eine Datei aus Cloud Storage aus. Vertex AI Studio bestimmt die Ausgangs- und Zielsprachen anhand Ihrer Datei.
    2. Wählen Sie die Anzahl von Beispielen aus, die das Modell verwenden soll, bevor eine Antwort generiert wird.

    Die Anzahl der ausgewählten Beispiele wird auf die Zeichenbeschränkung von 3.000 Eingabezeichen pro Anfrage angerechnet.

  4. Geben Sie im Eingabefeld den zu übersetzenden Text ein.

  5. Klicken Sie auf Senden.

    Die Agent Platform wählt automatisch die von Ihnen angegebene Anzahl von Referenzsätzen aus, die Ihrer Eingabe am ähnlichsten sind. Das Übersetzungsmodell identifiziert Muster aus Ihren Beispielen und wendet diese Muster dann beim Generieren einer Antwort an.

    Das Ausgabelimit pro Anfrage beträgt 3.000 Zeichen. Jedweder Text jenseits dieses Limits wird gelöscht.

  6. Klicken Sie auf Code abrufen, um den Code oder den curl-Befehl abzurufen, mit dem gezeigt wird, wie Sie Übersetzungen anfordern.

API

Wenn Sie benutzerdefinierte Übersetzungen anfordern möchten, fügen Sie Ihrer Übersetzungsanfrage bis zu fünf Referenzsatzpaare hinzu. Das Übersetzungsmodell verwendet alle diese, um Muster aus Ihren Beispielen zu identifizieren. Diese Muster werden dann beim Generieren einer Antwort angewendet.

REST

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • PROJECT_NUMBER_OR_ID: Die numerische oder alphanumerische ID Ihres Projekts von Google Cloud
  • LOCATION: Der Standort, an dem Sie diesen Vorgang ausführen möchten. Beispiel: us-central1.
  • REFERENCE_SOURCE: Ein Satz in der Ausgangssprache, der Teil eines Referenzsatzpaars ist.
  • REFERENCE_TARGET: Ein Satz in der Zielsprache, der Teil eines Referenzsatzpaars ist.
  • SOURCE_LANGUAGE: Der Sprachcode des Eingabetexts.
  • TARGET_LANGUAGE: die Zielsprache, in die der Eingabetext übersetzt werden soll.
  • SOURCE_TEXT: Text in der Ausgangssprache, der übersetzt werden soll.
  • MIME_TYPE (optional): Das Format des Quelltexts, z. B. text/html oder text/plain. Standardmäßig ist der MIME-Typ auf text/plain festgelegt.

HTTP-Methode und URL: 

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

JSON-Text anfordern:

{
  "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"
    }
  ]
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

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

Node.js

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Node.js in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

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

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für die Agent Platform.

Richten Sie zur Authentifizierung bei der Agent Platform Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

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'])

Sie können die Cloud Translation API auch verwenden, um ein Dataset zu erstellen und Ihre Beispielsatzpaare zu importieren. Wenn Sie die Cloud Translation API zum Anfordern von Übersetzungen verwenden, können Sie Ihr Dataset einschließen, um Antworten anzupassen. Das Dataset bleibt bestehen und kann mit mehreren Übersetzungsanfragen wiederverwendet werden. Weitere Informationen finden Sie in der Cloud Translation-Dokumentation unter Adaptive Übersetzungen anfordern.

Unterstützte Sprachen

Translation LLM

Mit dem Translation LLM können Sie in jede und aus jeder der folgenden Sprachen übersetzen.

Sprache Sprachcode
Afrikaans af
Albanisch sq
Amharisch am
Arabisch (Saudi-Arabien) ar-SA
Arabisch ar
Armenisch hy
Aserbaidschanisch az
Baskisch eu
Belarussisch be
Bengalisch (Indien) bn-IN
Bengalisch bn
Bosnisch (Kyrillisch) bs-Cyrl
Bosnisch bs
Bulgarisch bg
Burmesisch my
Katalanisch ca
Chinesisch (China) zh-CN
Chinesisch (Hongkong) zh-HK
Chinesisch (vereinfacht) zh-Hans
Chinesisch (Taiwan) zh-TW
Chinesisch (traditionell) zh-Hant
Chinesisch zh
Kroatisch hr
Tschechisch cs
Dänisch da
Niederländisch (Belgien) nl-BE
Niederländisch nl
Englisch (Australien) en-AU
Englisch (Kanada) en-CA
‪Englisch (Neuseeland) en-NZ
Englisch (Philippinen) en-PH
Englisch (Südafrika) en-ZA
Englisch (Vereinigtes Königreich) en-GB
Englisch (USA) en-US
Englisch en
Estnisch et
Philippinisch fil
Finnisch fi
Französisch (Kanada) fr-CA
Französisch (Schweiz) fr-CH
Französisch fr
Friesisch fy
Galizisch gl
Georgisch ka
Deutsch de
Griechisch el
Guarani gn
Gujarati gu
Hausa ha
Hebräisch he
Hebräisch iw
Hindi hi
Ungarisch hu
Isländisch is
Igbo ig
Indonesisch id
Irisch ga
Italienisch it
Japanisch ja
Kannada kn
Khmer km
Koreanisch ko
Kirgisisch ky
Lao lo
Lettisch lv
Lingala ln
Litauisch lt
Luxemburgisch lb
Mazedonisch mk
Malaiisch ms
Malayalam ml
Maltesisch mt
Marathi mr
Mongolisch mn
Nepalesisch ne
Norwegisch (Bokmål) nb
Norwegisch no
Oriya or
Persisch fa
Polnisch pl
Portugiesisch (Brasilien) pt-BR
Portugiesisch (Portugal) pt-PT
Portugiesisch pt
Panjabi (Pakistan) pa-PK
Punjabi pa
Rumänisch ro
Russisch ru
Schottisches Gälisch gd
Serbisch sr
Slowakisch sk
Slowenisch sl
Somali so
Spanisch (Argentinien) es-AR
Spanisch (Chile) es-CL
Spanisch (Kolumbien) es-CO
Spanisch (Costa Rica) es-CR
Spanisch (Ecuador) es-EC
Spanisch (El Salvador) es-SV
Spanisch (Guatemala) es-GT
Spanisch (Haiti) es-HT
Spanisch (Honduras) es-HN
Spanisch (Lateinamerika) es-419
Spanisch (Mexiko) es-MX
Spanisch (Nicaragua) es-NI
Spanisch (Panama) es-PA
Spanisch (Paraguay) es-PY
Spanisch (Peru) es-PE
Spanisch (Puerto Rico) es-PR
Spanisch (Spanien) es-ES
Spanisch (USA) es-US
Spanisch (Uruguay) es-UY
Spanisch (Venezuela) es-VE
Spanisch es
Suaheli sw
Schwedisch sv
Tagalog tl
Tadschikisch tg
Tamilisch ta
Telugu te
Thailändisch th
Türkisch tr
Ukrainisch uk
Urdu ur
Usbekisch uz
Vietnamesisch vi
Walisisch cy
Zulu zu

NMÜ

Informationen dazu, welche Sprachen das NMÜ-Modell von Cloud Translation unterstützt, finden Sie in der folgenden Dokumentation: