હોમ / માર્ગદર્શિકાઓ / LLM સાથે મફત અનુવાદ API

LLM સાથે મફત અનુવાદ API

મોટા ભાષા મોડેલ ઘણી ભાષાઓ વચ્ચે સારો અનુવાદ કરે છે, અને કેટલાક પ્રદાતા તેમને મફત આપે છે. કેટલાક મફત મોડેલ અનુવાદ માટે બનાવાયેલા છે, ઉદાહરણ તરીકે Cohere Command A Translate. આ માર્ગદર્શિકા અનુવાદ માટેના મફત મોડેલ, બેચમાં અનુવાદ કરતો Python કોડ અને આયોજન માટેની મર્યાદા બતાવે છે. બધી વિનંતીઓ FreeLLMAPI માંથી જાય છે, જે એક OpenAI સાથે સુસંગત કી પાછળ 45 મફત પ્રદાતા ટાયર એકત્ર કરે છે.

કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.

અનુવાદ માટે મફત મોડેલ

કેટલાક મફત મોડેલ ઘણી ભાષાઓ અથવા એક ભાષા-ક્ષેત્ર માટે તાલીમ પામેલા છે. કોષ્ટક આજના મફત catalog માં બહુભાષી અને અનુવાદ મોડેલ બતાવે છે.

મફત અનુવાદ અને બહુભાષી મોડેલ
મૉડેલમફત ઉપલબ્ધસંદર્ભમફત મર્યાદા (શ્રેષ્ઠ ઑફર)સાધનોવિઝન
Typhoon 2.5 30B A3B InstructTyphoon131KOngoing free research API (shared rate limits)હાના
Qwen SEA-LION v4.5 27BSEA-LION33K10 વિનંતી/મિનિટ
10 RPM
નાના
Nemotron 3 Super 120BSEA-LION-10 વિનંતી/મિનિટ
10 RPM
હાના
Qwen SEA-LION v4 32BSEA-LION33K10 વિનંતી/મિનિટ
10 RPM
નાના
Llama SEA-LION v3 70BSEA-LION131K10 વિનંતી/મિનિટ
10 RPM
નાના
Gemma SEA-LION v4 27BCloudflare Workers AI, SEA-LION131K10 વિનંતી/મિનિટ
10 RPM
નાના
Command A TranslateCohere256K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
~1-2M
હાના
Tiny Aya GlobalCohere8K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
1K calls/mo shared
નાના
North Small TranslateCohere33K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
~1-2M
નાના
Tiny Aya EarthCohere8K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
1K calls/mo shared
નાના
Tiny Aya FireCohere8K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
1K calls/mo shared
નાના
Tiny Aya WaterCohere8K20 વિનંતી/મિનિટ
33 વિનંતી/દિવસ
1K calls/mo shared
નાના

મેળ ખાતા 16 મફત મૉડેલમાંથી 12 બતાવ્યા. બધા મૉડેલ જુઓ.

FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.

મોડેલ પરિવારકોના માટે બનાવેલસ્રોત
Command A Translate (Cohere)23 ભાષાઓમાં અનુવાદ, જેમાં અરબી, ચાઇનીઝ, હિન્દી, જાપાનીઝ, પર્શિયન અને યુક્રેનિયનનો સમાવેશ થાય છેCohere changelog, 28 ઑગસ્ટ 2025
Aya Expanse (Cohere)23 ભાષાઓમાં બહુભાષી ચેટCohere ડૉક્સ
SEA-LION (AI Singapore)દક્ષિણ-પૂર્વ એશિયાઈ ભાષાઓ, 11 કે વધુsea-lion.ai
Typhoonથાઈopentyphoon.ai

સામાન્ય મોડેલ પણ સારો અનુવાદ કરે છે, મુખ્યત્વે મોટી ભાષાઓ વચ્ચે. આજના સૌથી મજબૂત મફત સામાન્ય મોડેલ આ છે:

128K+ કૉન્ટેક્સ્ટ ધરાવતા મજબૂત મફત સામાન્ય મોડેલ
મૉડેલમફત ઉપલબ્ધસંદર્ભમફત મર્યાદા (શ્રેષ્ઠ ઑફર)સાધનોવિઝન
GLM 5.3APINex, UnoRouter1M5 વિનંતી/મિનિટ
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
હાના
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM +1 વધુ1M40 વિનંતી/મિનિટ
40 RPM
હાહા
Gemini 3.8 FlashAPINex, Google AI Studio1M5 વિનંતી/મિનિટ
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
હાહા
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowanceહાના
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditહાહા
Deepseek V4.1 FlashAPINex1M5 વિનંતી/મિનિટ
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
નાના
Gemini 3.7 FlashGoogle AI Studio1M10 વિનંતી/મિનિટ
20 વિનંતી/દિવસ
250,000 ટોકન/મિનિટ
~3M
હાહા
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditહાહા

મેળ ખાતા 184 મફત મૉડેલમાંથી 8 બતાવ્યા. બધા મૉડેલ જુઓ.

FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.

દરેક મોડેલને તમારા પોતાના લખાણ અને ભાષા જોડીઓ સાથે ચકાસો. જોડી પ્રમાણે ગુણવત્તા ઘણી બદલાય છે. અંગ્રેજીથી સ્પેનિશ માટે સારું મોડેલ થાઈથી વિયેતનામીઝ માટે નબળું હોઈ શકે છે.

ગેટવે સેટ કરો

FreeLLMAPI ઇન્સ્ટોલ કરો, ડૅશબોર્ડના Keys પેજ પર તમારી મફત પ્રદાતા કી ઉમેરો અને યુનિફાઇડ કી કૉપી કરો. ઉપરના અનુવાદ મોડેલ માટે Cohere કી, SEA-LION કી અથવા NVIDIA કી ઉમેરો. સામાન્ય મોડેલ માટે Google, Groq અથવા Mistral કી ઉમેરો.

એક અનુવાદ ઇન્સ્ટોલ અને ચકાસો

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."}
    ]
  }'

નિશ્ચિત મોડેલ ID દર વખતે એક જ અનુવાદ શૈલી આપે છે. જ્યારે તે મોડેલ તેની મફત મર્યાદા પર પહોંચે, ત્યારે વિનંતી નિષ્ફળ જાય છે, સિવાય કે તે જ મોડેલ બીજા પ્રદાતા પર મફત હોય. અન્ય મોડેલ પર ચાલુ રાખવા માટે, fallback ચેઇન profile બનાવો, ઉદાહરણ તરીકે translate, તમારા પસંદ કરેલા મોડેલ ક્રમમાં. પછી મોડેલ તરીકે auto:translate વાપરો.

Python વડે બેચમાં અનુવાદ કરો

દરેક સ્ટ્રિંગ માટે એક વિનંતી તમારી વિનંતી મર્યાદા ઝડપથી વાપરે છે. 20 થી 50 ટૂંકી સ્ટ્રિંગ JSON યાદી તરીકે એક વિનંતીમાં મોકલો. કોડ ચકાસે છે કે જવાબમાં એટલી જ આઇટમ અને એ જ placeholder છે. ચકાસણી નિષ્ફળ જાય, તો કોડ સ્ટ્રિંગનો એક-એક કરીને અનુવાદ કરે છે.

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"))

અનુવાદ માટે temperature=0 વાપરો. પછી આઉટપુટ રન વચ્ચે વધુ સ્થિર રહે છે. અનુવાદ ફાઇલ અથવા ડેટાબેઝમાં સાચવો, અને ફક્ત નવી કે બદલાયેલી સ્ટ્રિંગનો અનુવાદ કરો.

ગ્લોસરી, ટોન અને લાંબા દસ્તાવેજ

  • Glossary: system message માં ઉત્પાદન નામો અને નિશ્ચિત શબ્દો યાદી કરો. મોડેલને કહો કે કયા શબ્દોનો અનુવાદ ન કરવો.
  • ટોન: રજિસ્ટર જણાવો, ઉદાહરણ તરીકે જર્મનમાં ઔપચારિક "Sie" અથવા ફ્રેન્ચમાં અનૌપચારિક "tu".
  • સંદર્ભ: લખાણ ક્યાં દેખાય છે તે વિશે એક લીટી ઉમેરો, ઉદાહરણ તરીકે "બેંકિંગ એપમાં બટન લેબલ". તેના વિના ટૂંકી સ્ટ્રિંગ ઘણી વાર અસ્પષ્ટ હોય છે.
  • લાંબા દસ્તાવેજ: ફકરાની સીમા પર વિભાજિત કરો. દરેક ભાગને પાછલા ફકરાના સંદર્ભ સાથે મોકલો, અને ફક્ત નવા ભાગનો અનુવાદ કરો.
  • એક દસ્તાવેજ માટે એક જ મોડેલ: દસ્તાવેજ ID સાથે X-Session-Id હેડર મોકલો. FreeLLMAPI સત્રને 30 મિનિટ સુધી એક મોડેલ પર રાખે છે, તેથી શબ્દો એક જ રહે છે.

FreeLLMAPI માં એકસરખી વિનંતીઓ માટે opt-in પ્રતિસાદ cache છે. cache hit કોઈ પ્રદાતા ક્વોટા વાપરતું નથી. X-FreeLLM-Cache હેડર વડે એક વિનંતી માટે તેને ચાલુ કે બંધ કરી શકો છો. temperature=0 સાથે, એ જ સ્ટ્રિંગ અને એ જ સૂચનાઓ એક જ વિનંતી બનાવે છે, તેથી પુનરાવર્તિત સ્ટ્રિંગ cache માંથી આવે છે.

ગુણવત્તા આપમેળે ચકાસો

સરળ ચકાસણી વ્યક્તિ વાંચે તે પહેલાં મોટાભાગના ખરાબ અનુવાદ શોધી કાઢે છે. દરેક બેચ પછી તેમને ચલાવો, અને ફક્ત નિષ્ફળ સ્ટ્રિંગ સમીક્ષા યાદીમાં મોકલો.

  • Placeholder: અનુવાદમાં સ્રોત જેવા જ placeholder અને tag હોવા જોઈએ. ઉપરનો કોડ આ પહેલેથી ચકાસે છે.
  • લંબાઈ: સ્રોતની લંબાઈના ત્રીજા ભાગથી ઓછો, અથવા ત્રણ ગણાથી વધુ અનુવાદ ઘણી વાર ખોટો હોય છે.
  • અનુવાદ વગરનું લખાણ: જો આઉટપુટ ઇનપુટ જેવું જ હોય, તો મોડેલે તેનો અનુવાદ કર્યો નથી.
  • પાછો અનુવાદ: મહત્વના લખાણ માટે, પરિણામને અલગ મોડેલ વડે સ્રોત ભાષામાં પાછું અનુવાદિત કરો. શબ્દો નહીં, અર્થની તુલના કરો.

સમીક્ષા માટે સ્ટ્રિંગ શોધો

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)]

પાછા અનુવાદ માટે, તમારી અનુવાદ profile માં ન હોય તેવી નિશ્ચિત મોડેલ ID પિન કરો. અલગ મોડેલ પહેલા મોડેલની ભૂલો ફરીથી કરે તેની શક્યતા ઓછી છે.

મર્યાદા અને પ્રામાણિક સમાધાન

મફત ટાયર એપ સ્ટ્રિંગ, સપોર્ટ જવાબો, આંતરિક દસ્તાવેજ અને પરીક્ષણ માટે સારા છે. આ મર્યાદાઓ માટે આયોજન કરો:

મર્યાદાઅનુવાદ પર અસરશું કરવું
પ્રતિ મિનિટ અને પ્રતિ દિવસ વિનંતીઓમોટી ફાઇલ આખો દૈનિક ક્વોટા વાપરી શકે છેપ્રતિ વિનંતી 20 થી 50 સ્ટ્રિંગનો બેચ બનાવો. વધુ પ્રદાતાઓની કી ઉમેરો.
નિષ્ણાત મોડેલ પર ઓછી દૈનિક મર્યાદાકેટલાક અનુવાદ મોડેલ દિવસમાં થોડી જ વિનંતીઓ આપે છેતેમને profile માં પહેલા મૂકો, પછી સામાન્ય મોડેલ
failover પછી અલગ મોડેલબેચ વચ્ચે શૈલી અને શબ્દો બદલાઈ શકે છેગ્લોસરી અને X-Session-Id હેડર વાપરો
કોઈ SLA નથીદિવસ દરમિયાન વિલંબ બદલાય છેનિશ્ચિત સમયમાં જવાબ આપવો જરૂરી હોય તેવા રીયલ-ટાઇમ અનુવાદ માટે મફત ટાયર વાપરો નહીં
ડેટા શરતોકેટલાક મફત ટાયર પ્રોમ્પ્ટ વડે મોડેલને તાલીમ આપી શકે છેગોપનીય લખાણ તે પ્રદાતાઓ પર મોકલો નહીં

મશીન અનુવાદ ખોટો હોઈ શકે છે. પ્રકાશિત કરતા પહેલાં કાનૂની, તબીબી અને માર્કેટિંગ લખાણની મૂળ ભાષા બોલનાર વ્યક્તિ પાસે સમીક્ષા કરાવો. જ્યારે ચેઇનની દરેક કી તેની મર્યાદા પર હોય, ત્યારે ગેટવે Retry-After હેડર સાથે 429 પાછું આપે છે. ઉપરનો કોડ રાહ જુએ છે અને ફરી પ્રયાસ કરે છે.

આ બધાનો ઉપયોગ એક જ કી દ્વારા કરો. FreeLLMAPI એક ઓપન-સોર્સ, સ્વ-હોસ્ટેડ રાઉટર છે. તે આ બધા મફત ટાયરને એક OpenAI સાથે સુસંગત એન્ડપોઇન્ટ પાછળ મૂકે છે અને જ્યારે એક મૉડેલની રેટ મર્યાદા આવે ત્યારે બીજા પર આપમેળે સ્વિચ કરે છે. કૅટલૉગ બ્રાઉઝ કરો અથવા લાઇવ જાઓ.

વારંવાર પૂછાતા પ્રશ્નો

શું LLM પર આધારિત મફત અનુવાદ API છે?

હા. ઘણા પ્રદાતા બહુભાષી LLM મફત આપે છે, જેમાં Cohere Command A Translate જેવા અનુવાદ મોડેલનો સમાવેશ થાય છે. FreeLLMAPI તેમને એક OpenAI સાથે સુસંગત કી વડે પીરસે છે.

અનુવાદ માટે સૌથી સારું મફત LLM કયું છે?

તે ભાષા જોડી પર આધારિત છે. Command A Translate 23 ભાષાઓ આવરે છે, SEA-LION દક્ષિણ-પૂર્વ એશિયાઈ ભાષાઓ માટે બનાવાયું છે અને Typhoon થાઈ માટે. તમારા પોતાના લખાણ સાથે ચકાસો.

રેટ મર્યાદા વટાવ્યા વિના ઘણી સ્ટ્રિંગનો અનુવાદ કેવી રીતે કરવો?

20 થી 50 સ્ટ્રિંગ JSON યાદી તરીકે એક વિનંતીમાં મોકલો, temperature 0 વાપરો, પરિણામો cache કરો અને વધુ પ્રદાતાઓની કી ઉમેરો.

LLM અનુવાદમાં placeholder અને HTML tag કેવી રીતે સાચવવા?

મોડેલને તેમને બરાબર સાચવવા કહો, પછી દરેક અનુવાદ ચકાસો. જો placeholder મેળ ન ખાય, તો તે સ્ટ્રિંગનો ફરીથી અનુવાદ કરો અથવા તેને એકલી કરીને અનુવાદ કરો.

શું પ્રોડક્શન માટે મફત LLM અનુવાદ પૂરતો સારો છે?

એપ સ્ટ્રિંગ અને આંતરિક લખાણ માટે, ઘણી વાર હા, ગ્લોસરી અને ચકાસણી સાથે. કાનૂની, તબીબી અને માર્કેટિંગ લખાણની મૂળ ભાષા બોલનાર વ્યક્તિ પાસે સમીક્ષા કરાવો.

સંબંધિત માર્ગદર્શિકાઓ

સ્રોતો

બધી માર્ગદર્શિકાઓ · બધા મફત મૉડેલ જુઓ