Traduci testo

Per le attività di traduzione, l'AI generativa su Gemini Enterprise Agent Platform offre due modelli di traduzione specializzati dell'API Cloud Translation:

  • LLM di traduzione: l'offerta di traduzione in stile LLM di Google più recente e di qualità più elevata. Ottiene la traduzione di massima qualità con latenze ragionevoli.

  • Modello di traduzione automatica neurale (NMT) di Cloud Translation: l'offerta di traduzione in tempo reale di Google che consente di ottenere traduzioni con una latenza di circa 100 ms. Raggiunge la massima qualità tra tutti i modelli sottoposti a benchmark, con latenze comparabili, e continua a registrare progressi costanti in termini di qualità.

Principali vantaggi e fattori di differenziazione dell'LLM di traduzione

  • Qualità di traduzione impareggiabile: l'LLM di traduzione offre la massima qualità di traduzione, ottenendo prestazioni significativamente più elevate nei benchmark rispetto ad altri modelli sottoposti a benchmark. L'LLM di traduzione ha molte più probabilità di riscrivere in modo significativo una frase per renderla più naturale nella lingua di destinazione, anziché fornire traduzioni "parola per parola" meno naturali che si vedono spesso in altri modelli di traduzione.
  • Compromesso qualità/latenza superiore: sebbene il modello LLM di traduzione abbia latenze più elevate rispetto al modello NMT, in genere fornisce risposte di qualità superiore per un'ampia gamma di applicazioni.

Confronto delle funzionalità dei modelli

Funzionalità LLM di traduzione (basato su Gemini) Modello NMT
Descrizione Un modello linguistico di grandi dimensioni (LLM) specializzato nella traduzione, basato su Gemini e ottimizzato per la traduzione. Disponibile con l'AI generativa su Gemini Enterprise Agent Platform e l'API Cloud Translation - Advanced. Il modello di traduzione automatica neurale di Google, disponibile tramite le API Cloud Translation - Advanced e Cloud Translation - Basic . Ottimizzato per ottenere semplicità e scalabilità.
Qualità Traduzione di massima qualità. Supera NMT e Gemini 2.5 Pro in termini di qualità. È più probabile che riscriva le frasi per un flusso naturale. Mostra una riduzione significativa degli errori. Qualità da media ad alta a seconda della coppia di lingue. Tra i modelli NMT in tempo reale con le migliori prestazioni per molte combinazioni di domini linguistici.
Latenza La latenza è ancora più lenta rispetto alla NMT. Fastest Real Time Translation. Bassa latenza, adatta per chat e applicazioni in tempo reale.
Supporto dei linguaggi Le lingue supportate includono arabo, cinese, ceco, coreano, francese, giapponese, hindi, indonesiano, inglese, italiano, olandese, polacco, portoghese, russo, spagnolo, thailandese, tedesco, turco, ucraino e vietnamita. Per un elenco completo, consulta le lingue supportate. Le lingue supportate includono cantonese, figiano e balinese. Sono possibili traduzioni da qualsiasi lingua a qualsiasi altra lingua dell'elenco supportato. Per un elenco completo, consulta le lingue supportate.
Personalizzazione Supporto per: glossari avanzati, fine-tuning supervisionato su Gemini Enterprise Agent Platform per adattamenti specifici per dominio/cliente, traduzione adattiva per la personalizzazione dello stile in tempo reale con alcuni esempi. Supporto di glossari per controllare la terminologia e addestramento di modelli personalizzati con AutoML Translation nell'API Cloud Translation - Advanced.
Funzionalità di traduzione Traduzione dell'HTML Traduzione di documenti HTML, batch e formattati
Integrazione API API Cloud Translation - Advanced, API Gemini Enterprise API Cloud Translation - Basic, API Cloud Translation - Advanced, API Gemini Enterprise

Utilizzo

Questa sezione mostra come utilizzare Vertex AI Studio per tradurre rapidamente il testo da una lingua all'altra. Puoi utilizzare l'LLM di traduzione o il modello NMT per tradurre il testo utilizzando la console Google Cloud o l'API. Tieni presente che le lingue supportate da ciascun modello possono variare. Prima di richiedere le traduzioni, verifica che il modello che stai utilizzando supporti le lingue di origine e di destinazione.

Console

  1. Nella sezione Agent Platform della console Google Cloud , vai alla pagina Traduci testo in Vertex AI Studio.

    Vai a Vertex AI Studio

  2. Nel riquadro Impostazioni di esecuzione, seleziona un modello di traduzione nel campo Modello.

  3. Per modificare le impostazioni del modello (ad esempio la temperatura), espandi Avanzate.

  4. Imposta le lingue di origine e di destinazione.

  5. Nel campo di immissione, inserisci il testo da tradurre.

  6. Fai clic su Invia.

  7. Per ottenere il codice o il comando curl che mostra come richiedere le traduzioni, fai clic su Ottieni codice.

Tieni presente che in Vertex AI Studio, l'LLM di traduzione ti consente di fornire traduzioni di esempio per personalizzare le risposte del modello in modo che corrispondano più fedelmente al tuo stile, al tuo tono e al tuo dominio di settore. Il modello utilizza gli esempi come contesto few-shot prima di tradurre il testo.

API

Seleziona il modello da utilizzare per le traduzioni.

LLM di traduzione

Utilizza l'API Agent Platform e l'LLM di traduzione per tradurre il testo.

REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_NUMBER_OR_ID: l'ID numerico o alfanumerico del tuo progetto Google Cloud .
  • LOCATION: la località in cui vuoi eseguire questa operazione. Ad esempio, us-central1.
  • SOURCE_LANGUAGE_CODE: il codice lingua del testo di input. Impostala su uno dei codici lingua elencati in Traduzione adattiva.
  • TARGET_LANGUAGE_CODE: la lingua di destinazione in cui tradurre il testo di input. Impostala su uno dei codici lingua elencati in Traduzione adattiva.
  • SOURCE_TEXT: il testo nella lingua di origine da tradurre.
  • (Facoltativo) MIME_TYPE: il formato del testo di origine, ad esempio text/html o text/plain. Per impostazione predefinita, il tipo MIME è impostato su text/plain.

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

{
  "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"
    }
  ]
}

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere una risposta JSON simile alla seguente:

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

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

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

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

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

Utilizza l'API Cloud Translation e il modello NMT per tradurre il testo.

REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_NUMBER_OR_ID: l'ID numerico o alfanumerico del tuo progetto Google Cloud .
  • SOURCE_LANGUAGE: (facoltativo) il codice lingua del documento di input. Per i codici lingua supportati, consulta Lingue supportate.
  • TARGET_LANGUAGE: la lingua di destinazione in cui tradurre il testo di input. Impostalo su uno dei codici lingua supportati.
  • SOURCE_TEXT: il testo da tradurre.

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

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

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere una risposta JSON simile alla seguente:

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

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

/**
 * 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

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

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

Traduzioni personalizzate

Personalizza le risposte dell'LLM di traduzione fornendo le tue traduzioni di esempio. Le traduzioni personalizzate funzionano solo con l'LLM di traduzione.

Puoi richiedere una traduzione personalizzata tramite la console o l'API Vertex AI Studio, con una differenza. La console supporta le traduzioni personalizzate solo se fornisci esempi in un file TMX o TSV. L'API supporta le traduzioni personalizzate solo se fornisci esempi (fino a 5 coppie di frasi) inline come parte della richiesta di traduzione.

Requisiti dei dati

Se fornisci traduzioni di esempio in un file per la console Google Cloud , gli esempi devono essere scritti come coppie di segmenti in un file TMX o TSV. Ogni coppia include un segmento nella lingua di origine e la relativa traduzione. Per saperne di più, consulta Prepara traduzioni di esempio nella documentazione di Cloud Translation.

Per ottenere i risultati più precisi, includi esempi specifici di un'ampia varietà di scenari. Devi includere almeno cinque coppie di frasi,ma non più di 10.000. Inoltre, una coppia di segmenti può contenere al massimo 512 caratteri in totale.

Console

  1. Nella sezione Agent Platform della console Google Cloud , vai alla pagina Traduci testo in Vertex AI Studio.

    Vai a Vertex AI Studio

  2. Nel riquadro Impostazioni di esecuzione, configura le impostazioni di traduzione.

    1. Nel campo Modello, seleziona LLM di traduzione.
    2. Per modificare la temperatura, espandi Avanzate.

  3. Fai clic su Aggiungi esempi.

    1. Seleziona un file locale o un file da Cloud Storage. Vertex AI Studio determina le lingue di origine e di destinazione dal file.
    2. Seleziona il numero di esempi che il modello deve utilizzare prima di generare una risposta.

    Il numero di esempi selezionati viene conteggiato ai fini del limite di caratteri di input per richiesta,pari a 3000.

  4. Nel campo di immissione, inserisci il testo da tradurre.

  5. Fai clic su Invia.

    Agent Platform seleziona automaticamente il numero specificato di frasi di riferimento più simili al tuo input. Il modello di traduzione identifica i pattern dai tuoi esempi e li applica quando genera una risposta.

    Il limite di output per richiesta è di 3000 caratteri. Eventuale testo oltre questo limite viene ignorato.

  6. Per ottenere il codice o il comando curl che mostra come richiedere le traduzioni, fai clic su Genera codice.

API

Per richiedere traduzioni personalizzate, includi fino a cinque coppie di frasi di riferimento nella richiesta di traduzione. Il modello di traduzione li utilizza tutti per identificare i pattern dai tuoi esempi e poi li applica durante la generazione di una risposta.

REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_NUMBER_OR_ID: l'ID numerico o alfanumerico del tuo progetto Google Cloud .
  • LOCATION: la località in cui vuoi eseguire questa operazione. Ad esempio, us-central1.
  • REFERENCE_SOURCE: una frase nella lingua di origine che fa parte di una coppia di frasi di riferimento.
  • REFERENCE_TARGET: una frase nella lingua di destinazione che fa parte di una coppia di frasi di riferimento.
  • SOURCE_LANGUAGE: il codice lingua del testo di input.
  • TARGET_LANGUAGE: la lingua di destinazione in cui tradurre il testo di input.
  • SOURCE_TEXT: il testo nella lingua di origine da tradurre.
  • (Facoltativo) MIME_TYPE: il formato del testo di origine, ad esempio text/html o text/plain. Per impostazione predefinita, il tipo MIME è impostato su text/plain.

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

{
  "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"
    }
  ]
}

Per inviare la richiesta, espandi una di queste opzioni:

Dovresti ricevere una risposta JSON simile alla seguente:

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

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

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

Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di Agent Platform per l'utilizzo delle librerie client.

Per eseguire l'autenticazione in Agent Platform, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configura l'autenticazione per un ambiente di sviluppo locale. 

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'])

Puoi anche utilizzare l'API Cloud Translation per creare un set di dati e importare le coppie di frasi di esempio. Quando utilizzi l'API Cloud Translation per richiedere traduzioni, puoi includere il tuo set di dati per personalizzare le risposte. Il set di dati persiste e può essere riutilizzato con più richieste di traduzione. Per saperne di più, consulta Richiedi traduzioni adattive nella documentazione di Cloud Translation.

Lingue supportate

LLM di traduzione

Con l'LLM di traduzione, puoi tradurre da e verso una qualsiasi delle seguenti lingue.

Nome lingua Codice lingua
Afrikaans af
Albanese sq
Amarico am
Arabo (Arabia Saudita) ar-SA
Arabo ar
Armeno hy
Azero az
Basco eu
Bielorusso be
Bengalese (India) bn-IN
Bengalese bn
Bosniaco (cirillico) bs-Cyrl
Bosniaco bs
Bulgaro bg
Birmano my
Catalano ca
Cinese (Cina) zh-CN
Cinese (Hong Kong) zh-HK
Cinese (semplificato) zh-Hans
Cinese (Taiwan) zh-TW
Cinese (tradizionale) zh-Hant
Cinese zh
Croato hr
Ceco cs
Danese da
Olandese (Belgio) nl-BE
Olandese nl
Inglese (Australia) en-AU
Inglese (Canada) en-CA
Inglese (Nuova Zelanda) en-NZ
Inglese (Filippine) en-PH
Inglese (Sudafrica) en-ZA
Inglese (Regno Unito) en-GB
Inglese (Stati Uniti) en-US
Inglese en
Estone et
Filippino fil
Finlandese fi
Francese (Canada) fr-CA
Francese (Svizzera) fr-CH
Francese fr
Frisone fy
Galiziano gl
Georgiano ka
Tedesco de
Greco el
Guarani gn
Gujarati gu
Hausa ha
Ebraico he
Ebraico iw
Hindi hi
Ungherese hu
Islandese is
Igbo ig
Indonesiano id
Irlandese ga
Italiano it
Giapponese ja
Kannada kn
Khmer km
Coreano ko
Kirgizo ky
Lao lo
Lettone lv
Lingala ln
Lituano lt
Lussemburghese lb
Macedone mk
Malese ms
Malayalam ml
Maltese mt
Marathi mr
Mongolo mn
Nepalese ne
Norvegese (Bokmal) nb
Norvegese no
Odia or
Persiano fa
Polacco pl
Portoghese (Brasile) pt-BR
Portoghese (Portogallo) pt-PT
Portoghese pt
Punjabi (Pakistan) pa-PK
Punjabi pa
Rumeno ro
Russo ru
Gaelico scozzese gd
Serbo sr
Slovacco sk
Sloveno sl
Somalo so
Spagnolo (Argentina) es-AR
Spagnolo (Cile) es-CL
Spagnolo (Colombia) es-CO
Spagnolo (Costa Rica) es-CR
Spagnolo (Ecuador) es-EC
Spagnolo (El Salvador) es-SV
Spagnolo (Guatemala) es-GT
Spagnolo (Haiti) es-HT
Spagnolo (Honduras) es-HN
Spagnolo (America Latina) es-419
Spagnolo (Messico) es-MX
Spagnolo (Nicaragua) es-NI
Spagnolo (Panama) es-PA
Spagnolo (Paraguay) es-PY
Spagnolo (Perù) es-PE
Spagnolo (Portorico) es-PR
Spagnolo (Spagna) es-ES
Spagnolo (Stati Uniti) es-US
Spagnolo (Uruguay) es-UY
Spagnolo (Venezuela) es-VE
Spagnolo es
Swahili sw
Svedese sv
Tagalog tl
Tagico tg
Tamil ta
Telugu te
Tailandese th
Turco tr
Ucraino uk
Urdu ur
Uzbeco uz
Vietnamita vi
Gallese cy
Zulu zu

NMT

Per informazioni sulle lingue supportate dal modello NMT di Cloud Translation, consulta la seguente documentazione: