試著翻譯具有格式的文件

Vertex AI Translation 和光學字元辨識 (OCR) 服務結合後，可提供名為「文件翻譯」的文件處理功能。

Document Translate 可直接翻譯格式化文件，例如 PDF 檔案。相較於純文字翻譯，這項功能可保留翻譯文件的原始格式和版面配置，協助您保留大部分的原始脈絡，例如段落分隔。

文件翻譯支援內嵌、從儲存空間值區和批次翻譯文件。

本頁面將引導您透過互動式體驗，使用 Google Distributed Cloud (GDC) 實體隔離方案的文件處理功能，在翻譯文件時保留格式。

支援的格式

文件翻譯支援下列輸入檔案類型和相關輸出檔案類型：

輸入 文件 MIME 類型 輸出內容
PDF application/pdf PDF、DOCX
DOC application/msword DOC、DOCX
DOCX application/vnd.openxmlformats-officedocument.wordprocessingml.document DOCX
PPT application/vnd.ms-powerpoint PPT、PPTX
PPTX application/vnd.openxmlformats-officedocument.presentationml.presentation PPTX
XLS application/vnd.ms-excel XLS、XLSX
XLSX application/vnd.openxmlformats-officedocument.spreadsheetml.sheet XLSX

原始和掃描 PDF 文件的翻譯

文件翻譯支援原始和掃描的 PDF 檔案，包括翻譯成由右至左語言或從由右至左語言翻譯。此外，文件翻譯功能會保留檔案中的超連結、字型大小和字型顏色。

事前準備

如要開始使用文件處理功能，您必須擁有名為 dt-project 的專案。專案的自訂資源必須如以下範例所示：

apiVersion: resourcemanager.gdc.goog/v1
kind: Project
metadata:
  labels:
    atat.config.google.com/clin-number: CLIN_NUMBER
    atat.config.google.com/task-order-number: TASK_ORDER_NUMBER
  name: dt-project
  namespace: platform

此外，您必須啟用 Vertex AI Translation 和 OCR 預先訓練 API，並具備適當的憑證。建議您安裝 Vertex AI Translation 和 OCR 用戶端程式庫，方便呼叫 API。如要進一步瞭解必要條件，請參閱「設定翻譯專案」。

翻譯儲存空間 bucket 中的文件

如要翻譯儲存在 bucket 中的文件，請使用 Vertex AI Translation API。

本節說明如何翻譯值區中的文件，並將結果儲存至另一個輸出值區路徑。回應也會傳回位元組串流。 您可以指定 MIME 類型，如果沒有指定，文件翻譯會根據輸入檔案的副檔名判斷。

文件翻譯功能支援自動偵測儲存在 bucket 中的文件語言。如果您未指定原文語言代碼，Document Translate 就會為您偵測語言。輸出內容的 detectedLanguageCode 欄位會顯示偵測到的語言。

如要翻譯儲存空間值區中的文件，請按照下列步驟操作：

  1. 設定物件儲存空間的 gcloud CLI。

  2. 在 dt-project 命名空間中建立儲存空間 bucket。使用 Standard 儲存空間類別。

    您可以在 dt-project 命名空間中部署 Bucket 資源，藉此建立 Storage bucket：

      apiVersion: object.gdc.goog/v1
  kind: Bucket
  metadata:
    name: dt-bucket
    namespace: dt-project
  spec:
    description: bucket for document vision service
    storageClass: Standard
    bucketPolicy:
      lockingPolicy:
        defaultObjectRetentionDays: 90

  3. 將 bucket 的 read 和 write 權限授予 Vertex AI Translation 服務使用的服務帳戶 (ai-translation-system-sa)。

    您可以按照下列步驟，使用自訂資源建立角色和角色繫結：

    1. 在 dt-project 命名空間中部署 Role 資源，即可建立角色：

        apiVersion: rbac.authorization.k8s.io/v1
  kind: Role
  metadata:
    name: dvs-reader-writer
    namespace: dt-project
  rules:
    -
      apiGroups:
        - object.gdc.goog
      resources:
        - buckets
      verbs:
        - read-object
        - write-object

    2. 在 dt-project 命名空間中部署 RoleBinding 資源，即可建立角色繫結：

        apiVersion: rbac.authorization.k8s.io/v1
  kind: RoleBinding
  metadata:
    name: dvs-reader-writer-rolebinding
    namespace: dt-project
  roleRef:
    apiGroup: rbac.authorization.k8s.io
    kind: Role
    name: dvs-reader-writer
  subjects:
    -
      kind: ServiceAccount
      name: ai-translation-system-sa
      namespace: ai-translation-system

  4. 將文件上傳至您建立的儲存空間 bucket。詳情請參閱「在專案中上傳及下載儲存空間物件」。

  5. 對 Vertex AI Translation 預先訓練的 API 提出要求：

    curl

    請按照下列步驟提出 curl 要求：

    1. 儲存下列 request.json 檔案：

      cat <<- EOF > request.json
{
  "parent": "projects/PROJECT_ID",
  "source_language_code": "SOURCE_LANGUAGE",
  "target_language_code": "TARGET_LANGUAGE",
  "document_input_config": {
    "mime_type": "application/pdf",
    "s3_source": {
      "input_uri": "s3://INPUT_FILE_PATH"
    }
  },
  "document_output_config": {
    "mime_type": "application/pdf"
  },
  "enable_rotation_correction": "true"
}
EOF

      更改下列內容：

      • PROJECT_ID：您的專案 ID。
      • SOURCE_LANGUAGE：文件使用的語言。請參閱支援的語言清單和對應的語言代碼。
      • TARGET_LANGUAGE：要將文件翻譯成的語言。請參閱支援的語言清單和對應的語言代碼。
      • INPUT_FILE_PATH：儲存空間值區中的文件檔案路徑。

      根據文件修改 mime_type 值。

    2. 取得驗證權杖。

    3. 提出要求：

      curl -vv --data-binary @- -H "Content-Type: application/json" -H "Authorization: Bearer TOKEN" https://ENDPOINT:443/v3/projects/PROJECT_ID/locations/PROJECT_ID:translateDocument < request.json

      更改下列內容：

      • TOKEN：您取得的驗證權杖。
      • ENDPOINT：貴機構使用的 Vertex AI Translation 端點。詳情請參閱服務狀態和端點。
      • PROJECT_ID：您的專案 ID。

在文件中翻譯

本節說明如何將文件內嵌在 API 要求中傳送。您必須加入內嵌文件翻譯的 MIME 類型。

文件翻譯功能支援自動偵測語言，並翻譯內嵌文字。如果您未指定原文語言代碼，Document Translate 會為您偵測語言。輸出內容的 detectedLanguageCode 欄位會顯示偵測到的語言。

對 Vertex AI Translation 預先訓練的 API 提出要求：

curl

請按照下列步驟提出 curl 要求：

  1. 取得驗證權杖。

  2. 提出要求：

echo '{"parent": "projects/PROJECT_ID","source_language_code": "SOURCE_LANGUAGE", "target_language_code": "TARGET_LANGUAGE", "document_input_config": { "mime_type": "application/pdf", "content": "'$(base64 -w 0 INPUT_FILE_PATH)'" }, "document_output_config": { "mime_type": "application/pdf" }, "enable_rotation_correction": "true"}' | curl --data-binary @- -H "Content-Type: application/json" -H "Authorization: Bearer TOKEN" https://ENDPOINT/v3/projects/PROJECT_ID/locations/PROJECT_ID:translateDocument

更改下列內容：

  • PROJECT_ID：您的專案 ID。
  • SOURCE_LANGUAGE：文件使用的語言。請參閱支援的語言清單和對應的語言代碼。
  • TARGET_LANGUAGE：要將文件翻譯成的語言。請參閱支援的語言清單和對應的語言代碼。
  • INPUT_FILE_PATH：本機文件檔案的路徑。
  • TOKEN：您取得的驗證權杖。
  • ENDPOINT：貴機構使用的 Vertex AI Translation 端點。如需更多資訊，請查看服務狀態和端點

批次翻譯文件

批次翻譯可讓您透過單一要求，將多個檔案翻譯成多種語言。每項要求最多可傳送 100 個檔案，總內容大小上限為 1 GB 或 1 億個 Unicode 碼位，以先達到者為準。您可以為每種語言指定特定翻譯模型。

詳情請參閱 batchTranslateDocument。

翻譯多份文件

以下範例包含多個輸入設定。每個輸入設定都是儲存空間 bucket 中檔案的指標。

對 Vertex AI Translation 預先訓練的 API 提出要求：

curl

請按照下列步驟提出 curl 要求：

  1. 將下列要求主體儲存在名為 request.json 的檔案中：

    {
  "source_language_code": "SOURCE_LANGUAGE",
  "target_language_codes": ["TARGET_LANGUAGE", ...],
  "input_configs": [
    {
      "s3_source": {
        "input_uri": "s3://INPUT_FILE_PATH_1"
      }
    },
    {
      "s3_source": {
        "input_uri": "s3://INPUT_FILE_PATH_2"
      }
    },
    ...
  ],
  "output_config": {
    "s3_destination": {
      "output_uri_prefix": "s3://OUTPUT_FILE_PREFIX"
    }
  }
}

    更改下列內容：

    • SOURCE_LANGUAGE：輸入文件的語言代碼。請參閱支援的語言清單和對應的語言代碼。
    • TARGET_LANGUAGE：要將輸入文件翻譯成的目標語言。請參閱支援的語言清單和對應的語言代碼。
    • INPUT_FILE_PATH：一或多個輸入文件的儲存空間 bucket 位置和檔案名稱。
    • OUTPUT_FILE_PREFIX：儲存所有輸出文件的儲存空間 bucket 位置。

  2. 取得驗證權杖。

  3. 提出要求：

    curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  "https://ENDPOINT:443/v3/projects/PROJECT_ID/locations/PROJECT_ID:batchTranslateDocument"

    更改下列內容：

    • TOKEN：您取得的驗證權杖。
    • ENDPOINT：貴機構使用的 Vertex AI Translation 端點。詳情請參閱服務狀態和端點。
    • PROJECT_ID：您的專案 ID。

回應會包含長時間執行作業的 ID：

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}

翻譯及轉換原始 PDF 檔案

以下範例會翻譯原始 PDF 檔案，並轉換為 DOCX 檔案。您可以指定多個不同檔案類型的輸入，不一定要是原始 PDF 檔案。不過，如果轉換要求包含掃描的 PDF 檔案，系統會拒絕要求，且不會進行翻譯。系統只會翻譯原始 PDF 檔案，並轉換為 DOCX 檔案。舉例來說，如果加入 PPTX 檔案，系統會翻譯並以 PPTX 檔案形式傳回。

如果經常翻譯掃描和原始 PDF 檔案，建議將這兩類檔案分別歸入不同儲存空間。這樣一來，當您要求批次翻譯和轉換時，可以排除含有掃描 PDF 檔案的 bucket，不必排除個別檔案。

對 Vertex AI Translation 預先訓練的 API 提出要求：

curl

請按照下列步驟提出 curl 要求：

  1. 將下列要求主體儲存在名為 request.json 的檔案中：

    {
  "source_language_code": "SOURCE_LANGUAGE",
  "target_language_codes": ["TARGET_LANGUAGE", ...],
  "input_configs": [
    {
      "s3_source": {
        "input_uri": "s3://INPUT_FILE_PATH_1"
      }
    },
    {
      "s3_source": {
        "input_uri": "s3://INPUT_FILE_PATH_2"
      }
    },
    ...
  ],
  "output_config": {
    "s3_destination": {
      "output_uri_prefix": "s3://OUTPUT_FILE_PREFIX"
    }
  },
  "format_conversions": {
    "application/pdf": "application/vnd.openxmlformats-officedocument.wordprocessingml.document"
  }
}

    更改下列內容：

    • SOURCE_LANGUAGE：輸入文件的語言代碼。請參閱支援的語言清單和對應的語言代碼。
    • TARGET_LANGUAGE：要將輸入文件翻譯成的目標語言。請參閱支援的語言清單和對應的語言代碼。
    • INPUT_FILE_PATH：一或多個輸入文件的儲存空間 bucket 位置和檔案名稱。
    • OUTPUT_FILE_PREFIX：儲存所有輸出文件的儲存空間 bucket 位置。

  2. 取得驗證權杖。

  3. 提出要求：

    curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  "https://ENDPOINT:443/v3/projects/PROJECT_ID/locations/PROJECT_ID:batchTranslateDocument"

    更改下列內容：

    • TOKEN：您取得的驗證權杖。
    • ENDPOINT：貴機構使用的 Vertex AI Translation 端點。詳情請參閱服務狀態和端點。
    • PROJECT_ID：您的專案 ID。

回應會包含長時間執行作業的 ID：

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}

使用詞彙表

您可以加入詞彙表，處理特定領域的專有術語。如果指定字彙表，就必須指定原文語言。以下範例使用詞彙表。您最多可以指定 10 種目標語言，並為每種語言提供專屬的字彙表。

如果為部分目標語言指定字彙表，系統不會為未指定的語言使用任何字彙表。

對 Vertex AI Translation 預先訓練的 API 提出要求：

curl

請按照下列步驟提出 curl 要求：

  1. 將下列要求主體儲存在名為 request.json 的檔案中：

    {
  "source_language_code": "SOURCE_LANGUAGE",
  "target_language_codes": ["TARGET_LANGUAGE", ...],
  "input_configs": [
    {
      "s3_source": {
        "input_uri": "s3://INPUT_FILE_PATH"
      }
    }
  ],
  "output_config": {
    "s3_destination": {
      "output_uri_prefix": "s3://OUTPUT_FILE_PREFIX"
    }
  },
  "glossaries": {
    "TARGET_LANGUAGE": {
      "glossary": "projects/GLOSSARY_PROJECT_ID"
    },
    ...
  }
}

    更改下列內容：

    • SOURCE_LANGUAGE：輸入文件的語言代碼。請參閱支援的語言清單和對應的語言代碼。
    • TARGET_LANGUAGE：要將輸入文件翻譯成的目標語言。請參閱支援的語言清單和對應的語言代碼。
    • INPUT_FILE_PATH：一或多個輸入文件的儲存空間 bucket 位置和檔案名稱。
    • OUTPUT_FILE_PREFIX：儲存所有輸出文件的儲存空間 bucket 位置。
    • GLOSSARY_PROJECT_ID：詞彙表所在的專案 ID。

  2. 取得驗證權杖。

  3. 提出要求：

    curl -X POST \
  -H "Authorization: Bearer TOKEN" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  "https://ENDPOINT:443/v3/projects/PROJECT_ID/locations/PROJECT_ID:batchTranslateDocument"

    更改下列內容：

    • TOKEN：您取得的驗證權杖。
    • ENDPOINT：貴機構使用的 Vertex AI Translation 端點。詳情請參閱服務狀態和端點。
    • PROJECT_ID：您的專案 ID。

回應會包含長時間執行作業的 ID：

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}