Diese Seite wurde von der Cloud Translation API übersetzt.

Text übersetzen

Für Übersetzungsaufgaben bietet generative KI in Vertex AI zwei spezielle Übersetzungsmodelle aus der Cloud Translation API:

Translation LLM: Das neueste Übersetzungsangebot von Google, das auf einem LLM basiert und höchste Qualität bietet. Bietet Übersetzungen von höchster Qualität bei angemessenen Latenzen (ca. dreimal schneller als Gemini 2.0 Flash).
NMÜ-Modell (neuronale maschinelle Übersetzung) von Cloud Translation: Das erstklassige Echtzeitübersetzungsangebot von Google mit einer Latenz von etwa 100 ms. Es bietet die höchste Qualität aller Modelle, die bei vergleichbaren Latenzen getestet wurden, und die Qualität wird kontinuierlich verbessert. NMT kann Latenzen erreichen, die bis zu 20-mal schneller sind als bei Gemini 2.0 Flash.

Wichtige Vorteile und Unterscheidungsmerkmale des Übersetzungs-LLM

Unübertroffene Übersetzungsqualität: Translation LLM bietet die höchste Übersetzungsqualität und erzielt bei Benchmarks im Vergleich zu anderen Modellen eine deutlich höhere Leistung. Das Translation LLM formuliert Sätze viel eher um, damit sie in der Zielsprache natürlicher klingen, anstatt weniger natürliche „Wort-für-Wort“-Übersetzungen zu liefern, die oft in anderen Übersetzungsmodellen zu finden sind.
Hervorragendes Verhältnis zwischen Qualität und Latenz: Das Translation LLM bietet LLM-basierte Übersetzungen mit einer deutlich geringeren Latenz als Gemini 2.0 Flash. Das Translation LLM hat zwar eine höhere Latenz als das NMÜ-Modell, liefert aber in der Regel qualitativ hochwertigere Antworten für eine Vielzahl von Anwendungen.

Vergleich der Modellfunktionen

Funktion	Übersetzungs-LLM (basierend auf Gemini)	NMÜ-Modell
Beschreibung	Ein auf Übersetzungen spezialisiertes Large Language Model, das auf Gemini basiert und für Übersetzungen optimiert wurde. Verfügbar mit Generative AI in Vertex AI und der Cloud Translation – Advanced API.	Das NMT-Modell (Neural Machine Translation) von Google ist über die APIs Cloud Translation Advanced und Cloud Translation Basic verfügbar . Für Einfachheit und Skalierbarkeit optimiert.
Qualität	Übersetzung in höchster Qualität: Übertrifft NMÜ, Gemini 2.0 Flash und Gemini 2.5 Pro in Bezug auf die Qualität. Sätze werden eher umgeschrieben, um einen natürlichen Fluss zu erreichen. Deutliche Fehlerreduzierung	Mittlere bis hohe Qualität, je nach Sprachpaar. Eines der leistungsstärksten Echtzeit-NMÜ-Modelle für viele Sprach- und Domänenkombinationen.
Latenz	Die Latenz ist deutlich besser als bei Gemini 2.0 Flash, aber immer noch langsamer als bei NMT.	Schnellste Echtzeit-Übersetzung. Niedrige Latenz, geeignet für Chat- und Echtzeitanwendungen. Bis zu 20-mal geringere Latenz als bei Gemini 2.0 Flash
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.	Unterstützte Sprachen sind unter anderem Kantonesisch, Fidschianisch und Balinesisch. Übersetzungen aus einer beliebigen Sprache in eine beliebige andere Sprache in der Liste der unterstützten Sprachen sind möglich. Eine vollständige Liste finden Sie unter Unterstützte Sprachen.
Anpassung	Unterstützung für erweiterte Glossare, überwachte Feinabstimmung in Vertex AI für domänen- und kundenspezifische Anpassungen sowie adaptive Übersetzung für die Echtzeit-Stilanpassung mit wenigen Beispielen.	Unterstützung für Glossare zur Steuerung der Terminologie und zum Trainieren benutzerdefinierter Modelle mit AutoML Translation in der Cloud Translation Advanced API.
Übersetzungsfunktionen	HTML-Übersetzung	HTML-, Batch- und Übersetzung formatierter Dokumente
API-Integration	Cloud Translation – Advanced API, Vertex AI API	Cloud Translation – Basic API, Cloud Translation – Advanced API, Vertex AI API

Nutzung

In diesem Abschnitt wird gezeigt, 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.

Konsole

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

Zu Vertex AI Studio
Wählen Sie im Bereich Ausführungseinstellungen ein Übersetzungsmodell im Feld Modell aus.
Wenn Sie die Modelleinstellungen ändern möchten, z. B. die Temperatur, maximieren Sie Erweitert.
Legen Sie die Ausgangs- und Zielsprachen fest.
Geben Sie in das Eingabefeld den Text ein, den Sie übersetzen möchten.
Klicken Sie auf Senden.
Klicken Sie auf Code abrufen, um den Code oder den curl-Befehl abzurufen, mit dem gezeigt wird, wie Sie Übersetzungen anfordern.

Hinweis: 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.

Übersetzungs-LLM

Verwenden Sie die Vertex AI 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 Google Cloud -Projekts
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:

curl (Linux, macOS oder Cloud Shell)

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud-Befehlszeile angemeldet haben. Dazu haben Sie gcloud init oder gcloud auth login ausgeführt oder die Cloud Shell genutzt, die Sie automatisch bei der gcloud-Befehlszeile anmeldet. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

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)

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud-Befehlszeile angemeldet haben. Dazu führen Sie gcloud init oder gcloud auth login aus. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

$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

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 anwenden, folgen Sie den Node.js-Einrichtungsschritten in der Vertex AI-Kurzanleitung zur Verwendung von Clientbibliotheken. Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Node.js API.

Richten Sie zur Authentifizierung bei Vertex AI 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 anwenden, folgen Sie den Python-Einrichtungsschritten in der Vertex AI-Kurzanleitung zur Verwendung von Clientbibliotheken. Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Python API.

Richten Sie zur Authentifizierung bei Vertex AI 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 Google Cloud -Projekts.
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:

curl (Linux, macOS oder Cloud Shell)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

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)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

$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

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

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

Node.js

Richten Sie zur Authentifizierung bei Vertex AI 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

Richten Sie zur Authentifizierung bei Vertex AI 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 Übersetzungs-LLM an, indem Sie Ihre eigenen Beispielübersetzungen bereitstellen. Benutzerdefinierte Übersetzungen funktionieren nur mit dem Übersetzungs-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 -Konsole 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.

Konsole

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

Zu Vertex AI Studio
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.
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.
Geben Sie in das Eingabefeld den Text ein, den Sie übersetzen möchten.
Klicken Sie auf Senden.

Vertex AI 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.
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 Google Cloud -Projekts
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:

curl (Linux, macOS oder Cloud Shell)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

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)

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

$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

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

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

Node.js

Richten Sie zur Authentifizierung bei Vertex AI 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

Richten Sie zur Authentifizierung bei Vertex AI 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

Übersetzungs-LLM

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

Sprache	Sprachcode
Arabisch	`ar`
Bengalisch	`bn`
Bulgarisch	`bg`
Katalanisch	`ca`
Chinesisch (vereinfacht)	`zh-CN`
Kroatisch	`hr`
Tschechisch	`cs`
Dänisch	`da`
Niederländisch	`nl`
Englisch	`en`
Estnisch	`et`
Finnisch	`fi`
Französisch	`fr`
Deutsch	`de`
Griechisch	`el`
Gujarati	`gu`
Hebräisch	`he`
Hindi	`hi`
Ungarisch	`hu`
Isländisch	`is`
Indonesisch	`id`
Italienisch	`it`
Japanisch	`ja`
Kannada	`kn`
Koreanisch	`ko`
Lettisch	`lv`
Litauisch	`lt`
Malayalam	`ml`
Marathi	`mr`
Norwegisch	`no`
Persisch	`fa`
Polnisch	`pl`
Portugiesisch	`pt`
Panjabi	`pa`
Rumänisch	`ro`
Russisch	`ru`
Slowakisch	`sk`
Slowenisch	`sl`
Spanisch	`es`
Swahili	`sw`
Schwedisch	`sv`
Tamil	`ta`
Telugu	`te`
Thailändisch	`th`
Türkisch	`tr`
Ukrainisch	`uk`
Urdu	`ur`
Vietnamesisch	`vi`
Zulu	`zu`

NMÜ

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

Sprachunterstützung für NMÜ-Übersetzungsmodell

Text übersetzen Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Wichtige Vorteile und Unterscheidungsmerkmale des Übersetzungs-LLM

Vergleich der Modellfunktionen

Nutzung

Konsole

API

Übersetzungs-LLM

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Node.js

Python

NMÜ

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Node.js

Python

Benutzerdefinierte Übersetzungen

Datenanforderungen

Konsole

API

REST

curl (Linux, macOS oder Cloud Shell)

PowerShell (Windows)

Node.js

Python

Unterstützte Sprachen

Übersetzungs-LLM

NMÜ

Text übersetzen