co-op-translator
Co-op Translator
輕鬆自動化翻譯你的 GitHub 教育內容，支援多種語言，助你觸及全球用戶。
🌐 多語言支援
由 Co-op Translator 提供
Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Korean | Lithuanian | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Thai | Turkish | Ukrainian | Urdu | Vietnamese
簡介
Co-op Translator 讓你可以快速將 GitHub 教育內容翻譯成多種語言，輕鬆觸及全球用戶。當你更新 Markdown 檔案、圖片或 Jupyter 筆記本時，翻譯會自動同步，確保你的教育內容對國際用戶保持最新和相關。
以下是 Co-op Translator 如何組織翻譯後的 GitHub 教育內容：
快速開始
# Create and activate a virtual environment (recommended)
python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate
# Install the package
pip install co-op-translator
# Translate
translate -l "ko ja fr" -md
Docker：
# Pull the public image from GHCR
docker pull ghcr.io/azure/co-op-translator:latest
# Run with current folder mounted and .env provided (Bash/Zsh)
docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko ja fr" -md
最簡設置
- 用 .env.template 建立
.env - 設定一個 LLM 供應商（Azure OpenAI 或 OpenAI）
- 如需翻譯圖片（
-img），同時設定 Azure AI Vision - 建議：如果你有其他工具產生的翻譯，先清理（例如：
translations/），避免衝突 - 建議：在 README 加入翻譯語言區段，參考 README languages template
- 詳情請參考：Set up Azure AI
使用方法
翻譯所有支援類型：
translate -l "ko ja"
只翻譯 Markdown：
translate -l "de" -md
Markdown + 圖片：
translate -l "pt" -md -img
只翻譯筆記本：
translate -l "zh" -nb
更多參數：Command reference
功能特色
- 自動翻譯 Markdown、筆記本及圖片
- 翻譯內容會隨原文更新自動同步
- 可本地（CLI）或 CI（GitHub Actions）運行
- 支援 Azure OpenAI 或 OpenAI，圖片可選用 Azure AI Vision
- 保持 Markdown 格式及結構不變
文件
支持我們，推動全球學習
歡迎加入我們，一起革新全球教育內容分享方式！在 GitHub 為 Co-op Translator 點個 ⭐，支持我們打破學習和科技的語言障礙。你的關注和貢獻非常重要！歡迎提交程式碼和功能建議。
探索 Microsoft 教育內容（多語言）
- AZD for Beginners
- Edge AI for Beginners
- Model Context Protocol (MCP) For Beginners
- AI Agents for Beginners
- Generative AI for Beginners using .NET
- Generative AI for Beginners
- Generative AI for Beginners using Java
- ML for Beginners
- Data Science for Beginners
- AI for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- PhiCookBook
影片簡介
想了解 Co-op Translator？歡迎觀看我們的簡報影片（點擊下圖到 YouTube）：
-
Open at Microsoft：18 分鐘簡介及快速教學，帶你認識 Co-op Translator。
貢獻方式
本項目歡迎各方貢獻及建議。有興趣參與 Azure Co-op Translator？請參閱 CONTRIBUTING.md，了解如何協助 Co-op Translator 變得更易用。
貢獻者
行為守則
本項目採用 Microsoft Open Source Code of Conduct。 詳情請參閱 Code of Conduct FAQ 或 如有疑問，請電郵 opencode@microsoft.com。
負責任的 AI
Microsoft 致力協助客戶負責任地使用 AI 產品，分享我們的經驗，並透過透明度說明和影響評估等工具建立信任。相關資源可於 https://aka.ms/RAI 查閱。 Microsoft 的負責任 AI 原則包括公平、可靠及安全、私隱及保安、共融、透明及問責。
大規模自然語言、圖像及語音模型（如本範例所用）有機會出現不公平、不可靠或冒犯性行為，可能造成傷害。請參閱 Azure OpenAI service Transparency note 了解相關風險及限制。
建議的風險緩解方法，是在你的架構中加入安全系統，偵測及防止有害行為。Azure AI Content Safety 提供獨立保護層，可偵測應用程式及服務中的有害用戶或 AI 內容。Azure AI Content Safety 包括文字及圖像 API，助你偵測有害資料。我們亦有互動式 Content Safety Studio，讓你試用偵測不同類型有害內容的範例程式碼。以下 快速入門文件 可指導你如何向服務發送請求。 另一個需要考慮的層面是整體應用程式的效能。對於多模態和多模型的應用程式來說，效能指的是系統能夠如你和用戶所期望般運作，包括不產生有害的輸出。評估整體應用程式的效能時，建議參考生成品質及風險與安全性指標。
你可以在開發環境中利用 prompt flow SDK 來評估你的 AI 應用程式。無論是使用測試數據集或目標，你的生成式 AI 應用程式的輸出都可以透過內建或自訂的評估器進行量化評分。想要開始使用 prompt flow sdk 來評估你的系統，可以參考快速入門指南。當你執行評估後，可以在 Azure AI Studio 視覺化結果。
商標
本專案可能包含某些專案、產品或服務的商標或標誌。經授權使用 Microsoft 商標或標誌時，必須遵守 Microsoft 的商標及品牌指引。 在本專案的修改版本中使用 Microsoft 商標或標誌時，不得造成混淆或暗示 Microsoft 贊助。 任何第三方商標或標誌的使用，則需遵守該第三方的相關政策。
尋求協助
如果你在開發 AI 應用程式時遇到困難或有疑問，歡迎加入：
如果你有產品意見或在開發過程中遇到錯誤，請前往：
免責聲明： 本文件是使用 AI 翻譯服務 Co-op Translator 翻譯而成。我們致力於確保翻譯的準確性，但請注意，自動翻譯可能會包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。因使用本翻譯而引起的任何誤解或錯誤，我們概不負責。