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 讓你能夠快速將 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，確保你的教學內容始終新穎且適合國際用戶。
看看 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
- 依照範本建立
.env： .env.template - 設定一個 LLM 供應商（Azure OpenAI 或 OpenAI）
- 若要翻譯圖片（
-img），需同時設定 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：在你的 README 加入翻譯語言區塊，參考 README 語言範本
- 詳見：設定 Azure AI
使用方式
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：指令參考
功能特色
- 自動翻譯 Markdown、筆記本及圖片
- 翻譯內容與原始檔案同步更新
- 可在本地（CLI）或 CI（GitHub Actions）執行
- 支援 Azure OpenAI 或 OpenAI，圖片可選用 Azure AI Vision
- 保留 Markdown 格式及結構
文件
支持我們，推動全球學習
一起改變教育內容的全球分享方式！歡迎到 GitHub 為 Co-op Translator 點個 ⭐，支持我們打破學習與科技的語言障礙。你的關注和貢獻都很重要！歡迎提交程式碼或功能建議。
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
影片簡報
想更了解 Co-op Translator？歡迎觀看我們的簡報 (點擊下方圖片可在 YouTube 觀看)：
-
Open at Microsoft：18 分鐘簡介，快速教你如何使用 Co-op Translator。
貢獻方式
本專案歡迎各種貢獻與建議。想參與 Azure Co-op Translator 開發嗎？請參考 CONTRIBUTING.md，了解如何讓 Co-op Translator 更易用。
貢獻者
行為準則
本專案採用 Microsoft 開源行為準則。 更多資訊請參閱 Code of Conduct FAQ 或 聯絡 opencode@microsoft.com 提出問題或意見。
負責任的 AI
Microsoft 致力於協助客戶負責任地使用 AI 產品，分享我們的經驗，並透過透明說明與影響評估等工具建立信任。相關資源可參考 https://aka.ms/RAI。 Microsoft 的負責任 AI 原則包括公平、可靠與安全、隱私與安全、包容性、透明度及問責。
大規模自然語言、影像及語音模型（如本範例所用）有可能出現不公平、不可靠或冒犯性行為，造成傷害。請參閱 Azure OpenAI 服務透明說明，了解相關風險與限制。
建議的風險緩解方式，是在你的架構中加入安全系統，偵測並防止有害行為。Azure AI Content Safety 提供獨立防護層，能偵測應用程式與服務中的有害內容（不論是用戶或 AI 產生）。Azure AI Content Safety 包含文字與圖片 API，可偵測有害內容。我們也提供互動式 Content Safety Studio，讓你瀏覽、探索並試用偵測各種內容的範例程式碼。以下 快速入門文件 可協助你開始使用服務。 另一個需要考慮的面向是整體應用程式效能。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你的使用者所預期地運作，包括不產生有害的輸出。評估整體應用程式的效能時，建議參考生成品質以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。無論是使用測試資料集或目標，你的生成式 AI 應用程式都能透過內建或自訂的評估器進行量化評分。若要開始使用 prompt flow sdk 來評估你的系統，可以參考快速入門指南。執行評估後，你可以在 Azure AI Studio 中視覺化結果。
商標
本專案可能包含專案、產品或服務的商標或標誌。授權使用 Microsoft 商標或標誌時，必須遵守 Microsoft 商標與品牌指南。 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，則需遵循該第三方的政策。
尋求協助
如果你在開發 AI 應用程式時遇到困難或有任何疑問，歡迎加入：
如果你有產品回饋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 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應視為具權威性的來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。