خانه / راهنماها / API ترجمه رایگان با LLMها

API ترجمه رایگان با LLMها

مدل‌های زبانی بزرگ بین زبان‌های زیادی خوب ترجمه می‌کنند و چند ارائه‌دهنده آن‌ها را رایگان ارائه می‌دهند. برخی مدل‌های رایگان برای ترجمه ساخته شده‌اند، مثلاً Cohere Command A Translate. این راهنما مدل‌های رایگان ترجمه، کد Python برای ترجمه دسته‌ای و محدودیت‌هایی را نشان می‌دهد که باید برنامه‌ریزی کنید. همه درخواست‌ها از طریق FreeLLMAPI انجام می‌شوند که سطوح رایگان 45 ارائه‌دهنده را پشت یک کلید سازگار با OpenAI ترکیب می‌کند.

کد، نام مدل‌ها و برچسب‌های زندهٔ کاتالوگ به زبان انگلیسی نمایش داده می‌شوند.

مدل‌های رایگان برای ترجمه

برخی مدل‌های رایگان برای بسیاری از زبان‌ها یا برای یک منطقه زبانی آموزش دیده‌اند. جدول، مدل‌های چندزبانه و ترجمه را در کاتالوگ رایگان امروز نشان می‌دهد.

مدل‌های رایگان ترجمه و چندزبانه
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
Typhoon 2.5 30B A3B InstructTyphoon131KOngoing free research API (shared rate limits)بلهخیر
Qwen SEA-LION v4.5 27BSEA-LION33K10 درخواست در دقیقه
10 RPM
خیرخیر
Nemotron 3 Super 120BSEA-LION-10 درخواست در دقیقه
10 RPM
بلهخیر
Qwen SEA-LION v4 32BSEA-LION33K10 درخواست در دقیقه
10 RPM
خیرخیر
Llama SEA-LION v3 70BSEA-LION131K10 درخواست در دقیقه
10 RPM
خیرخیر
Gemma SEA-LION v4 27BCloudflare Workers AI, SEA-LION131K10 درخواست در دقیقه
10 RPM
خیرخیر
Command A TranslateCohere256K20 درخواست در دقیقه
33 درخواست در روز
~1-2M
بلهخیر
Tiny Aya GlobalCohere8K20 درخواست در دقیقه
33 درخواست در روز
1K calls/mo shared
خیرخیر
North Small TranslateCohere33K20 درخواست در دقیقه
33 درخواست در روز
~1-2M
خیرخیر
Tiny Aya EarthCohere8K20 درخواست در دقیقه
33 درخواست در روز
1K calls/mo shared
خیرخیر
Tiny Aya FireCohere8K20 درخواست در دقیقه
33 درخواست در روز
1K calls/mo shared
خیرخیر
Tiny Aya WaterCohere8K20 درخواست در دقیقه
33 درخواست در روز
1K calls/mo shared
خیرخیر

نمایش 12 مدل رایگان مطابق از 16 مدل. مشاهده همه مدل‌ها.

داده‌های زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسی‌شده در 2026-11-19). محدودیت‌های رایگان اغلب تغییر می‌کنند. کاتالوگ هر روز بررسی می‌شود.

خانواده مدلساخته شده برایمنبع
Command A Translate (Cohere)ترجمه در 23 زبان، از جمله عربی، چینی، هندی، ژاپنی، فارسی و اوکراینیتغییرات Cohere، 28 اوت 2025
Aya Expanse (Cohere)گفتگوی چندزبانه در 23 زبانمستندات Cohere
SEA-LION (AI Singapore)زبان‌های جنوب شرق آسیا، 11 زبان یا بیشترsea-lion.ai
Typhoonتاییopentyphoon.ai

مدل‌های عمومی هم ترجمه خوبی دارند، عمدتاً بین زبان‌های بزرگ. قوی‌ترین مدل‌های عمومی رایگان امروز عبارت‌اند از:

مدل‌های عمومی رایگان قوی با زمینه 128K+
مدلرایگان درمتن ورودیمحدودیت‌های رایگان (بهترین پیشنهاد)ابزارهابینایی
GLM 5.3APINex, UnoRouter1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
بلهخیر
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM +1 مورد دیگر1M40 درخواست در دقیقه
40 RPM
بلهبله
Gemini 3.8 FlashAPINex, Google AI Studio1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
بلهبله
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowanceبلهخیر
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditبلهبله
Deepseek V4.1 FlashAPINex1M5 درخواست در دقیقه
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
خیرخیر
Gemini 3.7 FlashGoogle AI Studio1M10 درخواست در دقیقه
20 درخواست در روز
250,000 توکن در دقیقه
~3M
بلهبله
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditبلهبله

نمایش 8 مدل رایگان مطابق از 184 مدل. مشاهده همه مدل‌ها.

داده‌های زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسی‌شده در 2026-11-19). محدودیت‌های رایگان اغلب تغییر می‌کنند. کاتالوگ هر روز بررسی می‌شود.

هر مدل را با متن‌ها و جفت زبان‌های خودتان آزمایش کنید. کیفیت بین جفت زبان‌ها خیلی تفاوت می‌کند. مدلی که برای ترجمه از انگلیسی به اسپانیایی خوب است، ممکن است برای ترجمه از تایی به ویتنامی ضعیف باشد.

راه‌اندازی درگاه

FreeLLMAPI را نصب کنید، کلیدهای ارائه‌دهندگان رایگان خود را در صفحه Keys داشبورد اضافه کنید و کلید یکپارچه را کپی کنید. برای مدل‌های ترجمه بالا، یک کلید Cohere، یک کلید SEA-LION یا یک کلید NVIDIA اضافه کنید. برای مدل‌های عمومی، کلید Google، Groq یا Mistral اضافه کنید.

نصب و آزمایش یک ترجمه

curl -fsSL https://freellmapi.co/install.sh | bash

curl http://localhost:3001/v1/chat/completions \
  -H "Authorization: Bearer <unified-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "command-a-translate-08-2025",
    "temperature": 0,
    "messages": [
      {"role": "system", "content": "Translate the user text into German. Return only the translation."},
      {"role": "user", "content": "Your order has shipped."}
    ]
  }'

یک شناسه مدل ثابت، همیشه همان سبک ترجمه را می‌دهد. وقتی آن مدل به سقف رایگانش برسد، درخواست شکست می‌خورد، مگر اینکه همان مدل روی ارائه‌دهنده دیگری رایگان باشد. برای ادامه با مدل‌های دیگر، یک پروفایل زنجیره جایگزین بسازید، مثلاً translate، که مدل‌های انتخابی شما را به ترتیب دارد. سپس auto:translate را به عنوان مدل استفاده کنید.

ترجمه دسته‌ای با Python

یک درخواست برای هر رشته، سریع سهمیه درخواست‌های شما را مصرف می‌کند. 20 تا 50 رشته کوتاه را در یک درخواست به‌صورت فهرست JSON بفرستید. کد بررسی می‌کند که پاسخ تعداد آیتم یکسان و جای‌نگهدارهای (placeholder) یکسان داشته باشد. اگر بررسی شکست بخورد، رشته‌ها را یکی‌یکی ترجمه می‌کند.

translate.py

import json
import os
import re
import time

import openai
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:3001/v1",
    api_key=os.environ["FREELLMAPI_API_KEY"],
    max_retries=3,
    timeout=90,
)
MODEL = "auto:translate"  # a profile with your translation models
PLACEHOLDER = re.compile(r"\{[^}]+\}|%\w|<[^>]+>")  # {name}, %s, <b>

SYSTEM = (
    "You are a professional translator. Translate each string into {lang}. "
    "Keep placeholders such as {{name}}, %s and HTML tags exactly as they are. "
    "Use this glossary: {glossary}. "
    "Return only a JSON array of strings, in the same order and with the same length."
)

def chat(messages):
    for attempt in range(6):
        try:
            resp = client.chat.completions.create(model=MODEL, messages=messages, temperature=0)
            return resp.choices[0].message.content or ""
        except openai.RateLimitError as err:
            header = err.response.headers.get("retry-after", "")
            time.sleep(min(int(header) if header.isdigit() else 2 ** attempt, 120))
    raise RuntimeError("Rate limited on every provider")

def same_placeholders(src: str, dst: str) -> bool:
    return sorted(PLACEHOLDER.findall(src)) == sorted(PLACEHOLDER.findall(dst))

def parse_list(text: str):
    text = text.strip().removeprefix("```json").removeprefix("```").removesuffix("```")
    return json.loads(text)

def translate_batch(strings, lang, glossary="none"):
    system = SYSTEM.format(lang=lang, glossary=glossary)
    try:
        out = parse_list(chat([
            {"role": "system", "content": system},
            {"role": "user", "content": json.dumps(strings, ensure_ascii=False)},
        ]))
        if len(out) == len(strings) and all(same_placeholders(s, d) for s, d in zip(strings, out)):
            return out
    except (json.JSONDecodeError, TypeError):
        pass
    # Fallback: one string per request
    return [translate_one(s, system) for s in strings]

def translate_one(s, system):
    text = chat([
        {"role": "system", "content": system},
        {"role": "user", "content": json.dumps([s], ensure_ascii=False)},
    ])
    try:
        return str(parse_list(text)[0])
    except (json.JSONDecodeError, TypeError, IndexError, KeyError):
        return text.strip()  # keep the raw answer; review it later

def translate_all(strings, lang, size=30, glossary="none"):
    result = []
    for i in range(0, len(strings), size):
        result.extend(translate_batch(strings[i:i + size], lang, glossary))
    return result

if __name__ == "__main__":
    ui = ["Welcome back, {name}!", "You have %s new messages.", "<b>Save</b> your changes"]
    print(translate_all(ui, "French", glossary="messages = messages; Save = Enregistrer"))

برای ترجمه از temperature=0 استفاده کنید. در این حالت خروجی بین اجراها پایدارتر است. ترجمه‌ها را در یک فایل یا پایگاه داده ذخیره کنید و فقط رشته‌های جدید یا تغییرکرده را ترجمه کنید.

واژه‌نامه، لحن و اسناد طولانی

  • واژه‌نامه: نام محصولات و اصطلاحات ثابت را در پیام سیستم فهرست کنید. به مدل بگویید کدام کلمات را نباید ترجمه کند.
  • لحن: سطح رسمیت را بیان کنید، مثلاً «Sie» رسمی در آلمانی یا «tu» غیررسمی در فرانسوی.
  • زمینه: یک خط درباره محل ظاهر شدن متن اضافه کنید، مثلاً «برچسب دکمه‌ها در یک برنامه بانکی». رشته‌های کوتاه بدون آن اغلب مبهم هستند.
  • اسناد طولانی: متن را در مرز پاراگراف‌ها تقسیم کنید. هر بخش را همراه با پاراگراف قبلی به عنوان زمینه بفرستید و فقط بخش جدید را ترجمه کنید.
  • همان مدل برای یک سند: هدر X-Session-Id را همراه با شناسه سند بفرستید. FreeLLMAPI یک نشست را 30 دقیقه روی یک مدل نگه می‌دارد، بنابراین شرایط ثابت می‌ماند.

FreeLLMAPI یک کش پاسخ اختیاری برای درخواست‌های یکسان دارد. یافتن پاسخ در کش هیچ سهمیه ارائه‌دهنده‌ای مصرف نمی‌کند. می‌توانید آن را برای یک درخواست با هدر X-FreeLLM-Cache روشن یا خاموش کنید. با temperature=0، همان رشته و همان دستورالعمل‌ها یک درخواست یکسان می‌سازند، پس رشته‌های تکراری از کش می‌آیند.

بررسی خودکار کیفیت

بررسی‌های ساده بیشتر ترجمه‌های بد را پیش از خواندن توسط یک فرد پیدا می‌کنند. بعد از هر دسته آن‌ها را اجرا کنید و فقط رشته‌های ناموفق را به فهرست بازبینی بفرستید.

  • جای‌نگهدارها: ترجمه باید همان placeholderها و تگ‌های متن منبع را داشته باشد. کد بالا این را از قبل بررسی می‌کند.
  • طول: ترجمه‌ای که کمتر از یک سوم یا بیشتر از سه برابر طول متن منبع باشد، اغلب اشتباه است.
  • متن ترجمه‌نشده: اگر خروجی با ورودی یکسان باشد، مدل آن را ترجمه نکرده است.
  • ترجمه برگشتی: برای متن مهم، نتیجه را با یک مدل دیگر به زبان منبع برگردانید. معنا را مقایسه کنید، نه کلمات را.

پیدا کردن رشته‌ها برای بازبینی

def needs_review(src: str, dst: str) -> bool:
    ratio = len(dst) / max(len(src), 1)
    return (
        not same_placeholders(src, dst)
        or dst.strip() == src.strip()
        or ratio < 0.33
        or ratio > 3.0
    )

review = [(s, d) for s, d in zip(ui, translated) if needs_review(s, d)]

برای ترجمه برگشتی، یک شناسه مدل ثابت را انتخاب کنید که در پروفایل ترجمه شما نیست. مدل دیگر کمتر احتمال دارد خطاهای مدل اول را تکرار کند.

محدودیت‌ها و مصالحه‌های صادقانه

سطوح رایگان برای رشته‌های برنامه، پاسخ‌های پشتیبانی، اسناد داخلی و آزمایش مناسب‌اند. این محدودیت‌ها را برنامه‌ریزی کنید:

محدودیتاثر بر ترجمهچه کنید
درخواست در دقیقه و در روزیک فایل بزرگ می‌تواند کل سهمیه روزانه را مصرف کندهر درخواست را 20 تا 50 رشته قرار دهید. کلیدهای ارائه‌دهندگان بیشتری اضافه کنید.
سقف روزانه پایین برای مدل‌های تخصصیبرخی مدل‌های ترجمه تعداد کمی درخواست در روز می‌پذیرندآن‌ها را در یک پروفایل اول قرار دهید و مدل‌های عمومی را بعد از آن‌ها بگذارید
مدل‌های متفاوت بعد از failoverسبک و اصطلاحات بین دسته‌ها ممکن است تغییر کنداز یک واژه‌نامه و هدر X-Session-Id استفاده کنید
بدون SLAتأخیر در طول روز تغییر می‌کندبرای ترجمه بلادرنگ که باید در زمان ثابتی پاسخ دهد، از سطوح رایگان استفاده نکنید
شرایط دادهبرخی سطوح رایگان ممکن است از پرامپت‌ها برای آموزش مدل استفاده کنندمتن محرمانه را برای آن ارائه‌دهندگان نفرستید

ترجمه ماشینی می‌تواند اشتباه باشد. پیش از انتشار، یک گوینده بومی متن حقوقی، پزشکی و بازاریابی را بازبینی کند. وقتی همه کلیدهای زنجیره به سقف خود رسیده باشند، درگاه پاسخ 429 را با هدر Retry-After برمی‌گرداند. کد بالا صبر می‌کند و دوباره تلاش می‌کند.

هر یک از این‌ها را با یک کلید استفاده کنید. FreeLLMAPI یک روتر متن‌باز و میزبانی‌شده روی سرور خودتان است. این روتر همه این سطوح رایگان را پشت یک نقطه پایانی سازگار با OpenAI قرار می‌دهد و وقتی یک سرویس به محدودیت نرخ برسد، به سرویس بعدی منتقل می‌شود. مرور کاتالوگ یا اجرای زنده.

پرسش‌های متداول

آیا یک API ترجمه رایگان بر پایه LLMها وجود دارد؟

بله. چند ارائه‌دهنده LLMهای چندزبانه را رایگان می‌دهند، از جمله مدل‌های ترجمه مثل Cohere Command A Translate. FreeLLMAPI آن‌ها را از طریق یک کلید سازگار با OpenAI ارائه می‌دهد.

کدام LLM رایگان برای ترجمه بهترین است؟

این به جفت زبان بستگی دارد. Command A Translate از 23 زبان پشتیبانی می‌کند، SEA-LION برای زبان‌های جنوب شرق آسیا ساخته شده و Typhoon برای تایی. با متن‌های خودتان آزمایش کنید.

چطور بدون رسیدن به محدودیت‌های نرخ، رشته‌های زیادی را ترجمه کنم؟

20 تا 50 رشته را در یک درخواست به‌صورت فهرست JSON بفرستید، از temperature 0 استفاده کنید، نتایج را کش کنید و کلیدهای ارائه‌دهندگان بیشتری اضافه کنید.

چطور placeholderها و تگ‌های HTML را در ترجمه‌های LLM نگه دارم؟

به مدل بگویید دقیقاً آن‌ها را نگه دارد، سپس هر ترجمه را بررسی کنید. اگر placeholderها مطابقت نداشتند، آن رشته را دوباره یا به‌تنهایی ترجمه کنید.

آیا ترجمه رایگان با LLM برای محیط تولید کافی است؟

برای رشته‌های برنامه و متن داخلی، اغلب بله، با واژه‌نامه و بررسی‌ها. متن حقوقی، پزشکی و بازاریابی را یک گوینده بومی بازبینی کند.

راهنماهای مرتبط

منابع

همه راهنماها · مرور همه مدل‌های رایگان