Traduci testo

Per le attività di traduzione, l'AI generativa su Cloud Translation offre due modelli di traduzione specializzati dall'API Cloud Translation:

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

• Modello di traduzione automatica neurale (NMT) di Cloud Translation: l'offerta di traduzione in tempo reale di Google che raggiunge traduzioni con una latenza di circa 100 ms. Raggiunge la massima qualità di tutti i modelli di 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 senza pari: l'LLM di traduzione offre la massima qualità di traduzione, ottenendo un rendimento significativamente superiore nei benchmark rispetto ad altri modelli di riferimento. Il 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 tra qualità e latenza superiori: 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

Utilizzo

Questa sezione mostra come utilizzare Vertex AI Studio per tradurre rapidamente testo da una lingua all'altra. Puoi utilizzare il modello 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 ogni 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 Cloud Translation 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 mostrano come richiedere le traduzioni, fai clic su code Genera codice.

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

API

Seleziona il modello da utilizzare per le traduzioni.

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

{
  "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"
    }
  ]
}

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"

$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

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

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)
}
      

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)
      

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

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

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"

$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

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

/**
 * 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