Mulai 29 April 2025, model Gemini 1.5 Pro dan Gemini 1.5 Flash tidak tersedia di project yang belum pernah menggunakan model ini, termasuk project baru. Untuk mengetahui detailnya, lihat Versi dan siklus proses model.

Halaman ini diterjemahkan oleh Cloud Translation API.

Menerjemahkan teks

Untuk tugas terjemahan, AI Generatif di Vertex AI menawarkan dua model terjemahan khusus dari Cloud Translation API:

Translation LLM - Penawaran terjemahan bergaya LLM berkualitas tertinggi terbaru dari Google. Mencapai kualitas terjemahan tertinggi sekaligus melayani dengan latensi yang wajar (~3x lebih cepat daripada Gemini 2.0 Flash).
Model Terjemahan Mesin Neural (NMT) Cloud Translation - Penawaran terjemahan real-time utama Google yang mencapai terjemahan dengan latensi ~100 md. Model ini mencapai kualitas tertinggi dari semua model yang diukur dengan tolok ukur yang melayani pada latensi yang sebanding dan terus mengalami peningkatan kualitas. NMT dapat mencapai latensi hingga 20x lebih cepat daripada Gemini 2.0 Flash.

Keunggulan & pembeda utama LLM Terjemahan

Kualitas Terjemahan yang Tak Tertandingi - LLM Terjemahan menawarkan kualitas terjemahan tertinggi dengan performa yang jauh lebih tinggi pada tolok ukur dibandingkan dengan model tolok ukur lainnya. LLM Terjemahan lebih cenderung menulis ulang kalimat secara signifikan agar terdengar lebih alami dalam bahasa target, daripada memberikan terjemahan "kata demi kata" yang kurang alami yang sering terlihat di model terjemahan lain.
Trade-off Kualitas/Latensi yang Lebih Unggul - LLM Terjemahan memberikan terjemahan yang didukung LLM dengan latensi yang jauh lebih baik daripada Gemini 2.0 Flash. Meskipun memiliki latensi yang lebih tinggi daripada model NMT, Translation LLM biasanya memberikan respons berkualitas lebih tinggi untuk berbagai aplikasi.

Perbandingan fitur model

Fitur	LLM Terjemahan (Didukung oleh Gemini)	Model NMT
Deskripsi	Model Bahasa Besar khusus terjemahan yang didukung oleh Gemini, yang telah disesuaikan untuk terjemahan. Tersedia dengan AI Generatif di Vertex AI dan Cloud Translation - Advanced API.	Model Terjemahan Mesin Neural Google, yang tersedia melalui Cloud Translation API - Advanced dan Cloud Translation API - Basic . Dioptimalkan untuk kesederhanaan dan skala.
Kualitas	Terjemahan berkualitas tertinggi. Performa lebih baik daripada NMT, Gemini 2.0 Flash, dan Gemini 2.5 Pro dalam hal kualitas. Lebih cenderung menulis ulang kalimat agar alurnya alami. Menunjukkan pengurangan error yang signifikan.	Kualitas sedang hingga tinggi, bergantung pada pasangan bahasa. Termasuk model NMT real-time dengan performa terbaik untuk banyak kombinasi bahasa dan domain.
Latensi	Latensi jauh lebih baik daripada Gemini 2.0 Flash, tetapi masih lebih lambat daripada NMT.	Terjemahan Real Time Tercepat. Latensi rendah, cocok untuk aplikasi chat dan real-time. Mencapai latensi hingga 20x lebih cepat daripada Gemini 2.0 Flash
Dukungan bahasa	Bahasa yang didukung mencakup Arab, China, Ceko, Belanda, Inggris, Prancis, Jerman, Hindi, Indonesia, Italia, Jepang, Korea, Polandia, Portugis, Rusia, Spanyol, Thai, Turkiye, Ukraina, dan Vietnam. Lihat bahasa yang didukung untuk mengetahui daftar lengkapnya.	Bahasa yang didukung mencakup Kanton, Fiji, dan Bali. Terjemahan dari bahasa apa pun ke bahasa lain dalam daftar yang didukung dapat dilakukan. Lihat bahasa yang didukung untuk mengetahui daftar lengkapnya.
Penyesuaian	Dukungan untuk - Glosarium Lanjutan, Penyesuaian dengan Pengawasan di Vertex AI untuk adaptasi khusus domain/pelanggan, Terjemahan adaptif untuk penyesuaian gaya real-time dengan beberapa contoh.	Dukungan untuk - Glosarium untuk mengontrol terminologi, dan melatih Model Kustom dengan AutoML Translation di Cloud Translation - Advanced API.
Fitur terjemahan	Terjemahan HTML	HTML, Batch, dan Terjemahan dokumen berformat
Integrasi API	Cloud Translation - Advanced API, Vertex AI API	Cloud Translation - Basic API, Cloud Translation - Advanced API, Vertex AI API

Penggunaan

Bagian ini menunjukkan cara menggunakan Vertex AI Studio untuk menerjemahkan teks dengan cepat dari satu bahasa ke bahasa lain. Anda dapat menggunakan LLM Terjemahan atau model NMT untuk menerjemahkan teks menggunakan konsol atau API Google Cloud . Perhatikan bahwa bahasa yang didukung setiap model dapat berbeda-beda. Sebelum Anda meminta terjemahan, periksa apakah model yang Anda gunakan mendukung bahasa sumber dan target Anda.

Konsol

Di bagian Vertex AI pada konsol Google Cloud , buka halaman Translate text di Vertex AI Studio.

Buka Vertex AI Studio
Di panel Run settings, pilih model terjemahan di kolom Model.
Untuk mengubah setelan model (seperti suhu), luaskan Lanjutan.
Tetapkan bahasa sumber dan target.
Di kolom input, masukkan teks yang akan diterjemahkan.
Klik Kirim.
Untuk mendapatkan kode atau perintah curl yang menunjukkan cara meminta terjemahan, klik Get code.

Perhatikan bahwa di Vertex AI Studio, Translation LLM memungkinkan Anda memberikan contoh terjemahan untuk menyesuaikan respons model agar lebih cocok dengan gaya, intonasi, dan domain industri Anda. Model menggunakan contoh Anda sebagai konteks few-shot sebelum menerjemahkan teks Anda.

API

Pilih model yang akan digunakan untuk terjemahan Anda.

LLM Terjemahan

Gunakan Vertex AI API dan LLM Terjemahan untuk menerjemahkan teks.

REST

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

PROJECT_NUMBER_OR_ID: ID numerik atau alfanumerik untuk project Google Cloud Anda
LOCATION: Lokasi tempat Anda ingin menjalankan operasi ini. Contoh, us-central1.
SOURCE_LANGUAGE_CODE: Kode bahasa teks input. Disetel ke salah satu kode bahasa yang tercantum dalam terjemahan adaptif.
TARGET_LANGUAGE_CODE: Bahasa target untuk menerjemahkan teks input. Disetel ke salah satu kode bahasa yang tercantum dalam terjemahan adaptif.
SOURCE_TEXT: Teks dalam bahasa sumber yang akan diterjemahkan.
MIME_TYPE (Opsional): Format teks sumber, seperti text/html atau text/plain. Secara default, jenis MIME disetel ke text/plain.

Metode HTTP dan URL:

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

Meminta isi JSON:

{
  "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"
    }
  ]
}

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login , atau dengan menggunakan Cloud Shell, yang secara otomatis membuat Anda login ke gcloud CLI . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

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"

PowerShell (Windows)

Catatan: Perintah berikut mengasumsikan bahwa Anda telah login ke gcloud CLI menggunakan akun pengguna Anda dengan menjalankan gcloud init atau gcloud auth login . Anda dapat memeriksa akun yang saat ini aktif dengan menjalankan gcloud auth list.

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$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

Anda akan menerima respons JSON yang mirip dengan yang berikut ini:

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

Node.js

Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Node.js di panduan memulai Vertex AI menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi API Node.js Vertex AI.

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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)
}

Python

Sebelum mencoba contoh ini, ikuti petunjuk penyiapan Python di Panduan memulai Vertex AI menggunakan library klien. Untuk mengetahui informasi selengkapnya, lihat Dokumentasi referensi API Python Vertex AI.

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

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)

NMT

Gunakan Cloud Translation API dan model NMT untuk menerjemahkan teks.

REST

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

PROJECT_NUMBER_OR_ID: ID numerik atau alfanumerik untuk Google Cloud project Anda.
SOURCE_LANGUAGE: (Opsional) Kode bahasa teks input. Untuk kode bahasa yang didukung, lihat Dukungan bahasa.
TARGET_LANGUAGE: Bahasa target untuk menerjemahkan teks input. Disetel ke salah satu kode bahasa yang didukung.
SOURCE_TEXT: Teks untuk diterjemahkan.

Metode HTTP dan URL:

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

Meminta isi JSON:

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

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

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"

PowerShell (Windows)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$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

Anda akan menerima respons JSON yang mirip dengan yang berikut ini:

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

Node.js

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

/**
 * 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 translateText() {
  // MIME type of the content to translate
  // Supported MIME types:
  // https://cloud.google.com/translate/docs/supported-formats
  const mimeType = 'text/plain';

  // Construct request
  const request = {
    parent: `projects/${projectId}/locations/${location}`,
    contents: [text],
    mimeType: mimeType,
    sourceLanguageCode: 'en',
    targetLanguageCode: 'sr-Latn',
  };

  // Run request
  const [response] = await translationClient.translateText(request);

  for (const translation of response.translations) {
    console.log(`Translation: ${translation.translatedText}`);
  }
}

translateText();

Python

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

import os

# Import the Google Cloud Translation library.
from google.cloud import translate_v3

PROJECT_ID = os.environ.get("GOOGLE_CLOUD_PROJECT")


def translate_text(
    text: str = "YOUR_TEXT_TO_TRANSLATE",
    source_language_code: str = "en-US",
    target_language_code: str = "fr",
) -> translate_v3.TranslationServiceClient:
    """Translate Text from a Source language to a Target language.
    Args:
        text: The content to translate.
        source_language_code: The code of the source language.
        target_language_code: The code of the target language.
            For example: "fr" for French, "es" for Spanish, etc.
            Find available languages and codes here:
            https://cloud.google.com/translate/docs/languages#neural_machine_translation_model
    """

    # Initialize Translation client.
    client = translate_v3.TranslationServiceClient()
    parent = f"projects/{PROJECT_ID}/locations/global"

    # MIME type of the content to translate.
    # Supported MIME types:
    # https://cloud.google.com/translate/docs/supported-formats
    mime_type = "text/plain"

    # Translate text from the source to the target language.
    response = client.translate_text(
        contents=[text],
        parent=parent,
        mime_type=mime_type,
        source_language_code=source_language_code,
        target_language_code=target_language_code,
    )

    # Display the translation for the text.
    # For example, for "Hello! How are you doing today?":
    # Translated text: Bonjour comment vas-tu aujourd'hui?
    for translation in response.translations:
        print(f"Translated text: {translation.translated_text}")

    return response

Terjemahan kustom

Sesuaikan respons dari LLM Terjemahan dengan memberikan contoh terjemahan Anda sendiri. Terjemahan kustom hanya berfungsi dengan LLM Terjemahan.

Anda dapat meminta terjemahan yang disesuaikan melalui konsol atau API Vertex AI Studio dengan satu perbedaan. Konsol mendukung terjemahan kustom hanya jika Anda memberikan contoh dalam file TMX atau TSV. API ini hanya mendukung terjemahan kustom jika Anda memberikan contoh (hingga 5 pasangan kalimat) secara inline sebagai bagian dari permintaan terjemahan.

Persyaratan data

Jika Anda memberikan contoh terjemahan dalam file untuk Google Cloud konsol, contoh harus ditulis sebagai pasangan segmen dalam file TMX atau TSV. Setiap pasangan mencakup segmen bahasa sumber dan terjemahannya. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan contoh terjemahan dalam dokumentasi Cloud Translation.

Untuk mendapatkan hasil yang paling akurat, sertakan contoh spesifik dari berbagai macam skenario. Anda harus menyertakan minimal lima pasangan kalimat,tetapi tidak lebih dari 10.000 pasangan. Selain itu, pasangan segmen dapat berisi maksimal total 512 karakter.

Konsol

Di bagian Vertex AI pada konsol Google Cloud , buka halaman Translate text di Vertex AI Studio.

Buka Vertex AI Studio
Di panel Run settings, konfigurasikan setelan terjemahan Anda.
1. Di kolom Model, pilih Translation LLM.
2. Untuk mengubah suhu, luaskan Lanjutan.
Klik Tambahkan contoh.
1. Pilih file lokal atau file dari Cloud Storage. Vertex AI Studio menentukan bahasa sumber dan target dari file Anda.
2. Pilih jumlah contoh yang akan digunakan model sebelum membuat respons.
Jumlah contoh yang Anda pilih dihitung dalam batas karakter input per permintaan sebanyak 3.000.
Di kolom input, masukkan teks yang akan diterjemahkan.
Klik Kirim.

Vertex AI secara otomatis memilih jumlah kalimat rujukan yang ditentukan yang paling mirip dengan input Anda. Model terjemahan mengidentifikasi pola dari contoh Anda, lalu menerapkan pola tersebut saat membuat respons.

Batas output per permintaan adalah 3.000 karakter. Teks apa pun yang melebihi batas ini akan dihapus.
Untuk mendapatkan kode atau perintah curl yang menunjukkan cara meminta terjemahan, klik Get code.

API

Untuk meminta terjemahan kustom, sertakan hingga lima pasangan kalimat rujukan dalam permintaan terjemahan Anda. Model terjemahan menggunakan semuanya untuk mengidentifikasi pola dari contoh Anda, lalu menerapkan pola tersebut saat membuat respons.

REST

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

PROJECT_NUMBER_OR_ID: ID numerik atau alfanumerik untuk project Google Cloud Anda
LOCATION: Lokasi tempat Anda ingin menjalankan operasi ini. Contoh, us-central1.
REFERENCE_SOURCE: Kalimat dalam bahasa sumber yang merupakan bagian dari pasangan kalimat rujukan.
REFERENCE_TARGET: Kalimat dalam bahasa target yang merupakan bagian dari pasangan kalimat referensi.
SOURCE_LANGUAGE: Kode bahasa teks input.
TARGET_LANGUAGE: Bahasa target untuk menerjemahkan teks input.
SOURCE_TEXT: Teks dalam bahasa sumber yang akan diterjemahkan.
MIME_TYPE (Opsional): Format teks sumber, seperti text/html atau text/plain. Secara default, jenis MIME disetel ke text/plain.

Metode HTTP dan URL:

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

Meminta isi JSON:

{
  "instances": [
    {
      "reference_sentence_config": {
        "reference_sentence_pair_lists": [
          {
            "reference_sentence_pairs": [
              {
                "source_sentence": "REFERENCE_SOURCE_1_1",
                "target_sentence": "REFERENCE_TARGET_1_1"
              },
              {
                "source_sentence": "REFERENCE_SOURCE_1_2",
                "target_sentence": "REFERENCE_SOURCE_1_2"
              }
            ]
          }
        ],
        "source_language_code": "SOURCE_LANGUAGE_CODE",
        "target_language_code": "TARGET_LANGUAGE_CODE"
      },
      "content": [
        "SOURCE_TEXT"
      ],
      "mimeType": "MIME_TYPE"
    }
  ]
}

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

curl (Linux, macOS, atau Cloud Shell)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

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/translate-llm:predict"

PowerShell (Windows)

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$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/translate-llm:predict" | Select-Object -Expand Content

Anda akan menerima respons JSON yang mirip dengan yang berikut ini:

{
  "predictions": [
    {
      "languageCode": "TARGET_LANGUAGE",
      "translations": [
        {
          "translatedText": "TRANSLATED_TEXT"
        }
      ]
    }
  ]
}

Node.js

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

async function translate() {
  const request = {
    instances: [{
        "reference_sentence_config": {
          "reference_sentence_pair_lists": [{
            "reference_sentence_pairs": [{
              "source_sentence": 'SAMPLE_REFERENCE_SOURCE_1',
              "target_sentence": 'SAMPLE_REFERENCE_TARGET_1'
            },
            "reference_sentence_pairs": {
              "source_sentence": 'SAMPLE_REFERENCE_SOURCE_2',
              "target_sentence": 'SAMPLE_REFERENCE_TARGET_2'
            }]
          }],
          "source_language_code": 'SOURCE_LANGUAGE_CODE',
          "target_language_code": 'TARGET_LANGUAGE_CODE'
        },
        "contents": ["SOURCE_TEXT"]
    }]
  };
  const {google} = require('googleapis');
  const aiplatform = google.cloud('aiplatform');
  const endpoint = aiplatform.predictionEndpoint('projects/PROJECT_ID/locations/LOCATION/publishers/google/models/translate-llm');

  const [response] = await endpoint.predict(request)
  console.log('Translating')
  console.log(response)
}

Python

Untuk melakukan autentikasi ke Vertex AI, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, lihat Menyiapkan autentikasi untuk lingkungan pengembangan lokal.

from google.cloud import aiplatform
from google.protobuf.json_format import MessageToDict

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/translate-llm"
  instances=[{
      "reference_sentence_config": {
        "reference_sentence_pair_lists": [{
          "reference_sentence_pairs": [{
            "source_sentence": 'SAMPLE_REFERENCE_SOURCE_1',
            "target_sentence": 'SAMPLE_REFERENCE_TARGET_1'
          },
          {
            "source_sentence": 'SAMPLE_REFERENCE_SOURCE_2',
            "target_sentence": 'SAMPLE_REFERENCE_TARGET_2'
          }]
        }],
        "source_language_code": 'SOURCE_LANGUAGE_CODE',
        "target_language_code": 'TARGET_LANGUAGE_CODE'
      },
      "content": ["SOURCE_TEXT"]
  }]
  # Make the request
  response = client.predict(
      endpoint=endpoint_id, instances=instances,
  )
  # Handle the response
  print(response)

  # The predictions are a google.protobuf.Value representation of the model's predictions.
  predictions = MessageToDict(response._pb)['predictions']
  for prediction in predictions:
      print(prediction['translations'])

Anda juga dapat menggunakan Cloud Translation API untuk membuat set data dan mengimpor pasangan kalimat contoh. Saat menggunakan Cloud Translation API untuk meminta terjemahan, Anda dapat menyertakan set data untuk menyesuaikan respons. Set data tetap ada dan dapat digunakan kembali dengan beberapa permintaan terjemahan. Untuk mengetahui informasi selengkapnya, lihat Meminta terjemahan adaptif dalam dokumentasi Cloud Translation.

Bahasa yang didukung

LLM Terjemahan

Dengan LLM Terjemahan, Anda dapat menerjemahkan ke dan dari bahasa berikut.

Nama bahasa	Kode bahasa
Arab	`ar`
Bengali	`bn`
Bulgaria	`bg`
Catalan	`ca`
China (Aksara Sederhana)	`zh-CN`
Kroasia	`hr`
Ceko	`cs`
Dansk	`da`
Belanda	`nl`
Inggris	`en`
Estonia	`et`
Suomi	`fi`
Prancis	`fr`
Jerman	`de`
Yunani	`el`
Gujarati	`gu`
Ibrani	`he`
Hindi	`hi`
Hungaria	`hu`
Islandia	`is`
Indonesia	`id`
Italia	`it`
Jepang	`ja`
Kannada	`kn`
Korea	`ko`
Latvia	`lv`
Lituania	`lt`
Malayalam	`ml`
Marathi	`mr`
Norwegia	`no`
Persia	`fa`
Polski	`pl`
Portugis	`pt`
Punjabi	`pa`
Rumania	`ro`
Rusia	`ru`
Slovakia	`sk`
Slovenia	`sl`
Spanyol	`es`
Swahili	`sw`
Swedia	`sv`
Tamil	`ta`
Telugu	`te`
Thai	`th`
Turki	`tr`
Ukraina	`uk`
Urdu	`ur`
Vietnam	`vi`
Zulu	`zu`

NMT

Untuk mengetahui informasi tentang bahasa yang didukung oleh model NMT Cloud Translation, lihat dokumentasi berikut:

Dukungan bahasa model NMT Translation

Menerjemahkan teks Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

Keunggulan & pembeda utama LLM Terjemahan

Perbandingan fitur model

Penggunaan

Konsol

API

LLM Terjemahan

REST

curl (Linux, macOS, atau Cloud Shell)

PowerShell (Windows)

Node.js

Python

NMT

REST

curl (Linux, macOS, atau Cloud Shell)

PowerShell (Windows)

Node.js

Python

Terjemahan kustom

Persyaratan data

Konsol

API

REST

curl (Linux, macOS, atau Cloud Shell)

PowerShell (Windows)

Node.js

Python

Bahasa yang didukung

LLM Terjemahan

NMT

Menerjemahkan teks