תרגום טקסט

למשימות תרגום, בינה מלאכותית גנרטיבית ב-Gemini Enterprise Agent Platform מציעה שני מודלים ייעודיים לתרגום מ-Cloud Translation API:

  • ‫Translation LLM – מודל התרגום החדש והאיכותי ביותר של Google בסגנון LLM. הוא מספק את התרגום באיכות הגבוהה ביותר, בזמן תגובה סביר.

  • מודל תרגום מכונה עצבי (NMT) של Cloud Translation – שירות התרגום המוביל של Google בזמן אמת, שמשיג זמן אחזור של כ-100 אלפיות השנייה. הוא משיג את האיכות הגבוהה ביותר מבין כל המודלים שנבדקו, עם זמני אחזור דומים, וממשיך להשתפר כל הזמן.

היתרונות העיקריים והייחודיים של מודל ה-LLM לתרגום

  • איכות תרגום ללא תחרות – מודל ה-LLM לתרגום מציע את איכות התרגום הגבוהה ביותר, ומשיג ביצועים גבוהים משמעותית בבנצ'מרקים בהשוואה למודלים אחרים שנבדקו. מודל ה-LLM לתרגום נוטה הרבה יותר לשכתב משפט באופן משמעותי כדי שיישמע טבעי יותר בשפת היעד, במקום לספק תרגומים פחות טבעיים "מילה במילה" שרואים לעיתים קרובות במודלים אחרים של תרגום.
  • איזון טוב יותר בין איכות לזמן אחזור – למרות שזמני האחזור של Translation LLM ארוכים יותר מאלה של מודל ה-NMT, בדרך כלל הוא מספק תשובות איכותיות 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. התכונה זמינה עם בינה מלאכותית גנרטיבית ב-Gemini Enterprise Agent Platform וב-Cloud Translation - Advanced API. מודל תרגום המכונה העצבי (NMT) של Google, שזמין דרך ממשקי ה-API של Cloud Translation - Advanced ו-Cloud Translation - Basic . אופטימיזציה לפשטות ולקנה מידה.
איכות תרגום באיכות הגבוהה ביותר. הוא עולה על NMT ו-Gemini 2.5 Pro באיכות. סביר יותר שהם ישכתבו משפטים כדי שהם יישמעו טבעיים יותר. הפחתה משמעותית בשגיאות. איכות בינונית עד גבוהה, בהתאם לצמד השפות. אחד ממודלי ה-NMT בזמן אמת עם הביצועים הכי טובים להרבה שילובים של שפות ותחומים.
זמן אחזור זמן האחזור עדיין איטי יותר מאשר ב-NMT. תרגום מהיר בזמן אמת. 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 אפשר לעיין ברשימה המלאה של השפות הנתמכות. השפות הנתמכות כוללות קנטונזית, פיג'ית ובאלית. אפשר לתרגם מכל שפה לכל שפה אחרת ברשימת השפות הנתמכות. כאן אפשר לעיין ברשימה המלאה של השפות הנתמכות.
התאמה אישית תמיכה במילוני מונחים מתקדמים, כוונון מפוקח (SFT) ב-Gemini Enterprise Agent Platform להתאמות ספציפיות לדומיין או ללקוח, ותרגום מותאם אישית להתאמה אישית של הסגנון בזמן אמת באמצעות כמה דוגמאות. תמיכה במילוני מונחים לשליטה בטרמינולוגיה, ואימון מודלים בהתאמה אישית באמצעות AutoML Translation ב-Cloud Translation - Advanced API.
תכונות שקשורות לתרגום תרגום HTML תרגום מסמכים בפורמט HTML, תרגום מסמכים באצווה ותרגום מסמכים 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 משתמשים ב-Vertex AI Studio כדי לתרגם במהירות טקסט משפה אחת לאחרת. אתם יכולים להשתמש במודל ה-LLM לתרגום או במודל ה-NMT כדי לתרגם טקסט באמצעות מסוף Google Cloud או ה-API. חשוב לזכור שהשפות שכל מודל תומך בהן יכולות להשתנות. לפני ששולחים בקשות לתרגום, חשוב לוודא שהמודל שבו משתמשים תומך בשפת המקור ובשפת היעד.

המסוף

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

    כניסה ל-Vertex AI Studio

  2. בחלונית Run settings, בוחרים מודל תרגום בשדה Model.

  3. כדי לשנות את הגדרות המודל (כמו טמפרטורה), מרחיבים את הקטע Advanced.

  4. מגדירים את שפת המקור ואת שפת 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 Get code.

שימו לב שב-Vertex AI Studio, מודל ה-LLM לתרגום מאפשר לכם לספק דוגמאות לתרגומים כדי להתאים את התשובות של המודל לסגנון, לטון ולתחום 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

שימוש ב-Agent Platform API וב-Translation LLM לתרגום טקסט.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫PROJECT_NUMBER_OR_ID: המזהה המספרי או האלפאנומרי של הפרויקט ב- Google Cloud
  • ‫LOCATION: המיקום שבו רוצים להריץ את הפעולה. לדוגמה, us-central1.
  • ‫SOURCE_LANGUAGE_CODE: קוד השפה של טקסט הקלט. מגדירים את אחד מקודי השפות שמפורטים בקטע תרגום מותאם.
  • ‫TARGET_LANGUAGE_CODE: שפת היעד שאליה רוצים לתרגם את טקסט הקלט. מגדירים את אחד מקודי השפות שמפורטים בקטע תרגום מותאם.
  • ‫SOURCE_TEXT: טקסט בשפת המקור לתרגום.
  • ‫MIME_TYPE (אופציונלי): הפורמט של טקסט המקור, כמו text/html או text/plain. כברירת מחדל, סוג ה-MIME מוגדר ל-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 הוראות ההגדרה של Node.js שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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 הוראות ההגדרה של Python שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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

שימוש 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 שאליה רוצים לתרגם את טקסט הקלט. צריך להגדיר את אחד מקודי השפה הנתמכים.
  • ‫SOURCE_TEXT: הטקסט שרוצים לתרגם.

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 הוראות ההגדרה של Node.js שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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 הוראות ההגדרה של Python שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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 Translation LLM, אתם יכולים לספק דוגמאות משלכם לתרגומים. תרגומים בהתאמה אישית פועלים רק עם מודל ה-LLM של Translate.

אתם יכולים לבקש תרגום בהתאמה אישית דרך מסוף Vertex AI Studio או דרך ה-API, עם הבדל אחד. המסוף תומך בתרגומים בהתאמה אישית רק כשמספקים דוגמאות בקובץ TMX או TSV. ה-API תומך בתרגומים בהתאמה אישית רק כשמספקים דוגמאות (עד 5 זוגות של משפטים) בתוך בקשת התרגום.

הדרישות לגבי הנתונים

אם אתם מספקים דוגמאות לתרגומים בקובץ למסוף Google Cloud , הדוגמאות צריכות להיות כתובות כזוגות של פלחים בקובץ TMX או TSV. כל צמד כולל קטע בשפת המקור וקטע מקביל בשפת היעד. מידע נוסף זמין במאמר הכנת תרגומים לדוגמה במסמכי התיעוד 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, צמד פלחים יכול להכיל עד 512 תווים בסך הכול.

המסוף

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

    כניסה ל-Vertex AI Studio

  2. בחלונית Run settings, קובעים את הגדרות התרגום.

    1. בשדה Model, בוחרים באפשרות Translation LLM.
    2. כדי לשנות את הטמפרטורה, מרחיבים את הקטע הגדרות מתקדמות.

  3. לוחצים על הוספת דוגמאות.

    1. בוחרים קובץ מקומי או קובץ מ-Cloud Storage. ‫Vertex AI Studio מזהה את שפת המקור ושפת היעד מהקובץ.
    2. בוחרים את מספר הדוגמאות שהמודל ישתמש בהן לפני שהוא ייצור תשובה.

    מספר הדוגמאות שבוחרים נכלל במגבלת התווים לקלט של 3,000 תווים לכל בקשה.

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

  5. לוחצים על שליחה.

    פלטפורמת Agent בוחרת באופן אוטומטי את מספר משפטי העזר שציינתם שהכי דומים לקלט שלכם. מודל התרגום מזהה דפוסים מהדוגמאות שלכם, ואז מיישם את הדפוסים האלה כשהוא יוצר תשובה.

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

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

API

כדי לבקש תרגומים בהתאמה אישית, צריך לכלול עד חמישה זוגות של משפטי עזר בבקשת התרגום. מודל התרגום משתמש בכולן כדי לזהות דפוסים מהדוגמאות, ואז מחיל 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 הפרויקט ב- Google Cloud
  • ‫LOCATION: המיקום שבו רוצים להריץ את הפעולה. לדוגמה, us-central1.
  • ‫REFERENCE_SOURCE: משפט בשפת המקור שהוא חלק מזוג משפטים להשוואה.
  • ‫REFERENCE_TARGET: משפט בשפת היעד שהוא חלק מזוג משפטים להשוואה.
  • ‫SOURCE_LANGUAGE: קוד השפה של טקסט הקלט.
  • ‫TARGET_LANGUAGE: שפת היעד שאליה רוצים לתרגם את 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 ל-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 הוראות ההגדרה של Node.js שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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 הוראות ההגדרה של Python שמפורטות במאמר התחלה מהירה של Agent Platform באמצעות ספריות לקוח.

כדי לבצע אימות ב-Agent Platform, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו 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 קבוצת נתונים ולייבא את צמדי המשפטים לדוגמה. כשמשתמשים ב-Cloud Translation API כדי לבקש תרגומים, אפשר לכלול את מערך הנתונים כדי להתאים אישית את התשובות. מערך הנתונים נשמר ואפשר להשתמש בו שוב בכמה בקשות תרגום. מידע נוסף זמין במאמר בקשה לתרגומים מותאמים במסמכי התיעוד של Cloud Translation.

שפות נתמכות

מודל שפה גדול (LLM) לתרגום

בעזרת ה-LLM לתרגום, אתם יכולים לתרגם מכל אחת מהשפות הבאות ואליהן.

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 סלוודור) 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

במאמרים הבאים מפורטות השפות שנתמכות במודל ה-NMT של Cloud Translation: