Automatiza y mantiene fácilmente las traducciones de tu contenido educativo de GitHub en múltiples idiomas a medida que tu proyecto evoluciona.
Árabe | Bengalí | Búlgaro | Birmano (Myanmar) | Chino (Simplificado) | Chino (Tradicional, Hong Kong) | Chino (Tradicional, Macao) | Chino (Tradicional, Taiwán) | Croata | Checo | Danés | Holandés | Estonio | Finlandés | Francés | Alemán | Griego | Hebreo | Hindi | Húngaro | Indonesio | Italiano | Japonés | Canarés | Jemer | Coreano | Lituano | Malayo | Malayalam | Maratí | Nepalí | Pidgin Nigeriano | Noruego | Persa (Farsi) | Polaco | Portugués (Brasil) | Portugués (Portugal) | Punjabi (Gurmukhi) | Rumano | Ruso | Serbio (Cirílico) | Eslovaco | Esloveno | Español | Swahili | Sueco | Tagalo (Filipino) | Tamil | Telugu | Tailandés | Turco | Ucraniano | Urdu | Vietnamita
¿Prefieres clonar localmente?
Este repositorio incluye traducciones en más de 50 idiomas, lo que aumenta considerablemente el tamaño de la descarga. Para clonar sin traducciones, usa sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git cd co-op-translator git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git cd co-op-translator git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Esto te proporciona todo lo necesario para completar el curso con una descarga mucho más rápida.
Co-op Translator te ayuda a localizar tu contenido educativo de GitHub en múltiples idiomas sin esfuerzo.
Cuando actualizas tus archivos Markdown, imágenes o notebooks, las traducciones se sincronizan automáticamente, asegurando que tu contenido se mantenga preciso y actualizado para los estudiantes de todo el mundo.
Ejemplo de cómo se organiza el contenido traducido:

Co-op Translator gestiona el contenido traducido como artefactos de software versionados,
no como archivos estáticos.
La herramienta rastrea el estado del Markdown traducido, imágenes y notebooks
usando metadatos específicos por idioma.
Este diseño permite a Co-op Translator:
Al modelar las traducciones como artefactos gestionados,
los flujos de trabajo de traducción se alinean naturalmente con prácticas modernas
de gestión de dependencias y artefactos de software.
→ Cómo se gestiona el estado de la traducción
# Crear y activar un entorno virtual (recomendado)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Instalar el paquete
pip install co-op-translator
# Traducir
translate -l "ko ja fr" -md
Docker:
# Extraer la imagen pública de GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Ejecutar con la carpeta actual montada y .env proporcionado (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md
.env usando la plantilla: .env.template-img), configura Azure AI Vision_1, _2, etc. Todas las variables en un conjunto deben compartir el mismo sufijo.translations/)Traduce todos los tipos soportados:
translate -l "ko ja"
Solo Markdown:
translate -l "de" -md
Markdown + imágenes:
translate -l "pt" -md -img
Solo notebooks:
translate -l "zh" -nb
Más opciones: Referencia de comandos
[!NOTE] Solo para mantenedores de los repositorios “Para Principiantes” de Microsoft.
¡Únete a nosotros para revolucionar cómo se comparte contenido educativo globalmente! Dale una ⭐ a Co-op Translator en GitHub y apoya nuestra misión de eliminar las barreras del idioma en el aprendizaje y la tecnología. ¡Tu interés y contribuciones tienen un impacto significativo! Las contribuciones de código y sugerencias de características siempre son bienvenidas.
👉 Haz clic en la imagen abajo para ver en YouTube.
Open at Microsoft: Una breve introducción de 18 minutos y guía rápida sobre cómo usar Co-op Translator.
Este proyecto acepta contribuciones y sugerencias. ¿Interesado en contribuir a Azure Co-op Translator? Por favor, consulta nuestro CONTRIBUTING.md para conocer las pautas sobre cómo ayudar a que Co-op Translator sea más accesible.
Este proyecto ha adoptado el Código de Conducta de Código Abierto de Microsoft. Para más información, consulte las Preguntas Frecuentes del Código de Conducta o contacte a opencode@microsoft.com para cualquier pregunta o comentario adicional.
Microsoft se compromete a ayudar a nuestros clientes a usar nuestros productos de IA de manera responsable, compartiendo nuestras experiencias y construyendo asociaciones basadas en la confianza a través de herramientas como Notas de Transparencia y Evaluaciones de Impacto. Muchos de estos recursos se pueden encontrar en https://aka.ms/RAI. El enfoque de Microsoft hacia la IA responsable se basa en nuestros principios de IA que incluyen equidad, confiabilidad y seguridad, privacidad y protección, inclusión, transparencia y responsabilidad.
Los modelos a gran escala de lenguaje natural, imágenes y voz, como los que se usan en este ejemplo, pueden potencialmente comportarse de maneras injustas, poco confiables u ofensivas, lo que a su vez puede causar daños. Por favor, consulte la nota de transparencia del servicio Azure OpenAI para estar informado acerca de los riesgos y limitaciones.
El enfoque recomendado para mitigar estos riesgos es incluir un sistema de seguridad en su arquitectura que pueda detectar y prevenir comportamientos dañinos. Azure AI Content Safety proporciona una capa independiente de protección, capaz de detectar contenido perjudicial generado por usuarios y por IA en aplicaciones y servicios. Azure AI Content Safety incluye APIs de texto e imagen que permiten detectar material dañino. También contamos con un Content Safety Studio interactivo que permite ver, explorar y probar código de ejemplo para la detección de contenido dañino en diferentes modalidades. La siguiente documentación de inicio rápido le guía para hacer solicitudes al servicio.
Otro aspecto a considerar es el desempeño general de la aplicación. En aplicaciones multimodales y multimodelo, consideramos el desempeño como que el sistema funcione como usted y sus usuarios esperan, incluyendo no generar resultados dañinos. Es importante evaluar el desempeño de su aplicación general usando métricas de calidad de generación y de riesgo y seguridad.
Puede evaluar su aplicación de IA en su entorno de desarrollo usando el SDK de prompt flow. Dado un conjunto de datos de prueba o un objetivo, las generaciones de su aplicación de IA generativa se miden cuantitativamente con evaluadores integrados o evaluadores personalizados a su elección. Para comenzar con el SDK de prompt flow y evaluar su sistema, puede seguir la guía de inicio rápido. Una vez que ejecute una prueba de evaluación, podrá visualizar los resultados en Azure AI Studio.
Este proyecto puede contener marcas registradas o logotipos de proyectos, productos o servicios. El uso autorizado de las marcas registradas o logotipos de Microsoft está sujeto a y debe seguir las Directrices de Marcas y Marca Comercial de Microsoft. El uso de marcas registradas o logotipos de Microsoft en versiones modificadas de este proyecto no debe causar confusión ni implicar patrocinio por parte de Microsoft. Cualquier uso de marcas registradas o logotipos de terceros está sujeto a las políticas de esos terceros.
Si se queda atascado o tiene preguntas sobre la creación de aplicaciones de IA, únase a:
Si tiene comentarios sobre el producto o errores mientras construye, visite:
Aviso legal:
Este documento ha sido traducido utilizando el servicio de traducción por IA Co-op Translator. Aunque nos esforzamos por la exactitud, tenga en cuenta que las traducciones automáticas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional humana. No nos hacemos responsables de ningún malentendido o interpretación errónea que surja del uso de esta traducción.