LLMs के साथ मुफ़्त translation API
Large language models कई भाषाओं के बीच अच्छा अनुवाद करते हैं, और कई providers इन्हें मुफ़्त देते हैं। कुछ मुफ़्त models अनुवाद के लिए बने हैं, उदाहरण के लिए Cohere Command A Translate। यह guide अनुवाद के मुफ़्त models, batches में अनुवाद करने वाला Python code, और योजना बनाने योग्य limits दिखाती है। सभी अनुरोध FreeLLMAPI से होकर जाते हैं, जो एक OpenAI-compatible key के पीछे 45 मुफ़्त provider tiers जोड़ता है।
कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।
अनुवाद के लिए मुफ़्त models
कुछ मुफ़्त models कई भाषाओं या एक भाषा क्षेत्र के लिए प्रशिक्षित हैं। तालिका आज के मुफ़्त catalog के बहुभाषी और अनुवाद models दिखाती है।
| मॉडल | मुफ़्त उपलब्ध | कॉन्टेक्स्ट | मुफ़्त सीमाएँ (सबसे अच्छा विकल्प) | टूल | विज़न |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | हाँ | नहीं |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 अनुरोध/मिनट 10 RPM | नहीं | नहीं |
| Nemotron 3 Super 120B | SEA-LION | - | 10 अनुरोध/मिनट 10 RPM | हाँ | नहीं |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 अनुरोध/मिनट 10 RPM | नहीं | नहीं |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 अनुरोध/मिनट 10 RPM | नहीं | नहीं |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 अनुरोध/मिनट 10 RPM | नहीं | नहीं |
| Command A Translate | Cohere | 256K | 20 अनुरोध/मिनट 33 अनुरोध/दिन ~1-2M | हाँ | नहीं |
| Tiny Aya Global | Cohere | 8K | 20 अनुरोध/मिनट 33 अनुरोध/दिन 1K calls/mo shared | नहीं | नहीं |
| North Small Translate | Cohere | 33K | 20 अनुरोध/मिनट 33 अनुरोध/दिन ~1-2M | नहीं | नहीं |
| Tiny Aya Earth | Cohere | 8K | 20 अनुरोध/मिनट 33 अनुरोध/दिन 1K calls/mo shared | नहीं | नहीं |
| Tiny Aya Fire | Cohere | 8K | 20 अनुरोध/मिनट 33 अनुरोध/दिन 1K calls/mo shared | नहीं | नहीं |
| Tiny Aya Water | Cohere | 8K | 20 अनुरोध/मिनट 33 अनुरोध/दिन 1K calls/mo shared | नहीं | नहीं |
16 मिलते-जुलते मुफ़्त मॉडल में से 12 दिखाए जा रहे हैं। सभी मॉडल देखें.
FreeLLMAPI कैटलॉग से लाइव डेटा (संस्करण 2026.11.19, जाँच 2026-11-19)। मुफ़्त सीमाएँ अक्सर बदलती हैं। कैटलॉग की हर दिन जाँच होती है।
| Model family | किसके लिए बना है | स्रोत |
|---|---|---|
| Command A Translate (Cohere) | 23 भाषाओं में अनुवाद, जिनमें Arabic, Chinese, Hindi, Japanese, Persian और Ukrainian शामिल हैं | Cohere changelog, 28 August 2025 |
| Aya Expanse (Cohere) | 23 भाषाओं में बहुभाषी chat | Cohere docs |
| SEA-LION (AI Singapore) | दक्षिण-पूर्व एशियाई भाषाएं, 11 या अधिक | sea-lion.ai |
| Typhoon | Thai | opentyphoon.ai |
सामान्य models भी अच्छा अनुवाद करते हैं, मुख्य रूप से बड़ी भाषाओं के बीच। आज के सबसे मज़बूत मुफ़्त सामान्य models ये हैं:
| मॉडल | मुफ़्त उपलब्ध | कॉन्टेक्स्ट | मुफ़्त सीमाएँ (सबसे अच्छा विकल्प) | टूल | विज़न |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 अनुरोध/मिनट 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | हाँ | नहीं |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 और | 1M | 40 अनुरोध/मिनट 40 RPM | हाँ | हाँ |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 अनुरोध/मिनट 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | हाँ | हाँ |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | हाँ | नहीं |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | हाँ | हाँ |
| Deepseek V4.1 Flash | APINex | 1M | 5 अनुरोध/मिनट 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | नहीं | नहीं |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 अनुरोध/मिनट 20 अनुरोध/दिन 250,000 टोकन/मिनट ~3M | हाँ | हाँ |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | हाँ | हाँ |
184 मिलते-जुलते मुफ़्त मॉडल में से 8 दिखाए जा रहे हैं। सभी मॉडल देखें.
FreeLLMAPI कैटलॉग से लाइव डेटा (संस्करण 2026.11.19, जाँच 2026-11-19)। मुफ़्त सीमाएँ अक्सर बदलती हैं। कैटलॉग की हर दिन जाँच होती है।
हर model को अपने पाठ और भाषा जोड़ियों के साथ जांचें। गुणवत्ता जोड़ी के अनुसार बहुत बदलती है। जो model अंग्रेज़ी से स्पेनिश के लिए अच्छा है, वह Thai से Vietnamese के लिए कमज़ोर हो सकता है।
Gateway सेट करें
FreeLLMAPI इंस्टॉल करें, dashboard के Keys page पर अपनी मुफ़्त provider keys जोड़ें और unified key कॉपी करें। ऊपर के अनुवाद models के लिए Cohere key, SEA-LION key या NVIDIA key जोड़ें। सामान्य models के लिए Google, Groq या Mistral keys जोड़ें।
एक अनुवाद इंस्टॉल करके जांचें
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."}
]
}'एक तय model ID हर बार एक जैसी अनुवाद शैली देता है। जब वह model अपनी मुफ़्त limit तक पहुंचता है, तो अनुरोध विफल हो जाता है, जब तक वही model किसी दूसरे provider पर मुफ़्त न हो। दूसरे models पर जारी रखने के लिए एक fallback chain profile बनाएं, उदाहरण के लिए translate, जिसमें आपके चुने हुए models क्रम में हों। फिर model के रूप में auto:translate उपयोग करें।
Python से batches में अनुवाद करें
हर string के लिए एक अनुरोध आपकी request limits जल्दी खर्च करता है। 20 से 50 छोटी strings को JSON list के रूप में एक अनुरोध में भेजें। Code जांचता है कि उत्तर में उतने ही items हैं और उतने ही placeholders हैं। जांच विफल होने पर, वह strings को एक-एक करके अनुवाद करता है।
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"))अनुवाद के लिए temperature=0 उपयोग करें। तब आउटपुट रनों के बीच अधिक स्थिर रहता है। अनुवाद को फ़ाइल या database में सहेजें, और केवल नई या बदली हुई strings का अनुवाद करें।
Glossary, लहजा और लंबे दस्तावेज़
- Glossary: system message में product नाम और तय शब्द सूचीबद्ध करें। model को बताएं कि कौन से शब्द अनुवाद नहीं होने चाहिए।
- लहजा: रजिस्टर बताएं, उदाहरण के लिए जर्मन में औपचारिक "Sie" या फ़्रेंच में अनौपचारिक "tu"।
- संदर्भ: एक पंक्ति जोड़ें कि पाठ कहां दिखता है, उदाहरण के लिए "banking app में button labels"। इसके बिना छोटी strings अक्सर अस्पष्ट होती हैं।
- लंबे दस्तावेज़: अनुच्छेद की सीमाओं पर विभाजित करें। हर भाग को पिछले अनुच्छेद के संदर्भ के साथ भेजें, और केवल नया भाग अनुवाद करें।
- एक दस्तावेज़ के लिए एक ही model: दस्तावेज़ ID के साथ
X-Session-Idheader भेजें। FreeLLMAPI एक session को 30 मिनट तक एक model पर रखता है, ताकि शर्तें वही रहें।
FreeLLMAPI में एक जैसे अनुरोधों के लिए opt-in response cache है। Cache hit provider quota का उपयोग नहीं करता। आप X-FreeLLM-Cache header से एक अनुरोध के लिए इसे चालू या बंद कर सकते हैं। temperature=0 के साथ, एक ही string और एक ही निर्देश एक ही अनुरोध बनाते हैं, इसलिए दोहराई गई strings cache से आती हैं।
गुणवत्ता स्वचालित रूप से जांचें
सरल जांचें किसी व्यक्ति के पढ़ने से पहले अधिकांश खराब अनुवाद पकड़ लेती हैं। हर batch के बाद इन्हें चलाएं और केवल विफल strings को समीक्षा सूची में भेजें।
- Placeholders: अनुवाद में स्रोत जैसे ही placeholders और tags होने चाहिए। ऊपर का code इसे पहले से जांचता है।
- लंबाई: स्रोत की लंबाई के एक तिहाई से कम या तीन गुना से अधिक वाला अनुवाद अक्सर गलत होता है।
- बिना अनुवाद वाला पाठ: यदि आउटपुट इनपुट के समान है, तो model ने उसका अनुवाद नहीं किया।
- उलटा अनुवाद (back-translation): महत्वपूर्ण पाठ के लिए, परिणाम को किसी दूसरे model से स्रोत भाषा में वापस अनुवाद करें। शब्दों की नहीं, अर्थ की तुलना करें।
समीक्षा के लिए strings खोजें
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)]Back-translation के लिए, एक तय model ID लगाएं जो आपकी translation profile में न हो। कोई दूसरा model पहले model की गलतियां दोहराने की संभावना कम रखता है।
Limits और ईमानदार समझौते
मुफ़्त tiers app strings, support के उत्तरों, आंतरिक दस्तावेज़ों और परीक्षणों के लिए अच्छे हैं। इन limits की योजना बनाएं:
| Limit | अनुवाद पर असर | क्या करें |
|---|---|---|
| प्रति मिनट और प्रति दिन requests | एक बड़ी फ़ाइल पूरा दैनिक quota उपयोग कर सकती है | प्रति अनुरोध 20 से 50 strings का batch बनाएं। अधिक providers की keys जोड़ें। |
| विशेष models पर कम दैनिक limits | कुछ translation models प्रति दिन कुछ ही requests देते हैं | उन्हें profile में पहले रखें, उनके बाद सामान्य models रखें |
| Failover के बाद अलग models | Batches के बीच शैली और शब्द बदल सकते हैं | Glossary और X-Session-Id header उपयोग करें |
| कोई SLA नहीं | दिन के दौरान latency बदलती है | तय समय में उत्तर देने वाले real-time अनुवाद के लिए मुफ़्त tiers न उपयोग करें |
| डेटा शर्तें | कुछ मुफ़्त tiers prompts से models प्रशिक्षित कर सकते हैं | गोपनीय पाठ उन providers को न भेजें |
Machine translation गलत हो सकता है। प्रकाशित करने से पहले कानूनी, चिकित्सा और marketing पाठ की समीक्षा कोई मूल वक्ता करे। जब chain की हर key अपनी limit पर होती है, तो gateway Retry-After header के साथ 429 लौटाता है। ऊपर का code प्रतीक्षा करता है और फिर से प्रयास करता है।
अक्सर पूछे जाने वाले प्रश्न
क्या LLMs पर आधारित कोई मुफ़्त translation API है?
हां। कई providers बहुभाषी LLMs मुफ़्त देते हैं, जिनमें Cohere Command A Translate जैसे translation models भी हैं। FreeLLMAPI इन्हें एक OpenAI-compatible key से देता है।
अनुवाद के लिए कौन सा मुफ़्त LLM सबसे अच्छा है?
यह भाषा जोड़ी पर निर्भर करता है। Command A Translate 23 भाषाएं कवर करता है, SEA-LION दक्षिण-पूर्व एशियाई भाषाओं के लिए बना है और Typhoon Thai के लिए। अपने पाठ से जांचें।
Rate limits तक पहुंचे बिना मैं कई strings का अनुवाद कैसे करूं?
20 से 50 strings को एक अनुरोध में JSON list के रूप में भेजें, temperature 0 उपयोग करें, परिणाम cache करें और अधिक providers की keys जोड़ें।
LLM अनुवादों में मैं placeholders और HTML tags कैसे रखूं?
model को बताएं कि उन्हें ठीक वैसा ही रखे, फिर हर अनुवाद की जांच करें। यदि placeholders मेल नहीं खाते, तो उस string का फिर से अनुवाद करें, या उसे अकेले अनुवाद करें।
क्या production के लिए मुफ़्त LLM अनुवाद पर्याप्त है?
app strings और आंतरिक पाठ के लिए, अक्सर हां, glossary और जांचों के साथ। कानूनी, चिकित्सा और marketing पाठ की समीक्षा कोई मूल वक्ता करे।
संबंधित गाइड
- Python में मुफ़्त LLM API
- क्या मुफ़्त LLM APIs आपके डेटा से प्रशिक्षण लेते हैं?
- मुफ़्त LLM API रेट सीमाएँ
- मुफ़्त OpenAI-compatible API base URLs
- व्यावसायिक उपयोग के लिए मुफ़्त LLM API
स्रोत
- Cohere changelog: Command A Translate (23 languages) (जाँचा गया 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (जाँचा गया 20 November 2026)
- AI Singapore: SEA-LION (जाँचा गया 20 November 2026)
- Typhoon: Thai language models (जाँचा गया 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (जाँचा गया 20 November 2026)