Free translation API dengan LLM
Large language model menerjemahkan dengan baik antar banyak bahasa, dan beberapa penyedia memberikannya secara gratis. Beberapa model gratis dibuat khusus untuk terjemahan, misalnya Cohere Command A Translate. Panduan ini menunjukkan model gratis untuk terjemahan, kode Python yang menerjemahkan dalam batch, dan batas yang perlu direncanakan. Semua permintaan melalui FreeLLMAPI, yang menggabungkan 45 tier penyedia gratis di balik satu kunci yang kompatibel dengan OpenAI.
Kode, nama model, dan label katalog langsung ditampilkan dalam bahasa Inggris.
Model gratis untuk terjemahan
Beberapa model gratis dilatih untuk banyak bahasa atau untuk satu wilayah bahasa. Tabel menunjukkan model multibahasa dan terjemahan dalam katalog gratis hari ini.
| Model | Gratis di | Konteks | Batas gratis (penawaran terbaik) | Alat | Pemrosesan gambar |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | Ya | Tidak |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 permintaan/menit 10 RPM | Tidak | Tidak |
| Nemotron 3 Super 120B | SEA-LION | - | 10 permintaan/menit 10 RPM | Ya | Tidak |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 permintaan/menit 10 RPM | Tidak | Tidak |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 permintaan/menit 10 RPM | Tidak | Tidak |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 permintaan/menit 10 RPM | Tidak | Tidak |
| Command A Translate | Cohere | 256K | 20 permintaan/menit 33 permintaan/hari ~1-2M | Ya | Tidak |
| Tiny Aya Global | Cohere | 8K | 20 permintaan/menit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| North Small Translate | Cohere | 33K | 20 permintaan/menit 33 permintaan/hari ~1-2M | Tidak | Tidak |
| Tiny Aya Earth | Cohere | 8K | 20 permintaan/menit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| Tiny Aya Fire | Cohere | 8K | 20 permintaan/menit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
| Tiny Aya Water | Cohere | 8K | 20 permintaan/menit 33 permintaan/hari 1K calls/mo shared | Tidak | Tidak |
Menampilkan 12 dari 16 model gratis yang cocok. Lihat semua model.
Data langsung dari katalog FreeLLMAPI (versi 2026.11.19, diperiksa 2026-11-19). Batas gratis sering berubah. Katalog diperiksa setiap hari.
| Keluarga model | Dibuat untuk | Sumber |
|---|---|---|
| Command A Translate (Cohere) | Terjemahan dalam 23 bahasa, termasuk Arab, Mandarin, Hindi, Jepang, Persia, dan Ukraina | Changelog Cohere, 28 Agustus 2025 |
| Aya Expanse (Cohere) | Chat multibahasa dalam 23 bahasa | Dokumen Cohere |
| SEA-LION (AI Singapore) | Bahasa Asia Tenggara, 11 atau lebih | sea-lion.ai |
| Typhoon | Thai | opentyphoon.ai |
Model umum juga menerjemahkan dengan baik, terutama antar bahasa besar. Model umum gratis yang paling kuat saat ini adalah:
| Model | Gratis di | Konteks | Batas gratis (penawaran terbaik) | Alat | Pemrosesan gambar |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 permintaan/menit 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | Ya | Tidak |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 lagi | 1M | 40 permintaan/menit 40 RPM | Ya | Ya |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 permintaan/menit 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Ya | Ya |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | Ya | Tidak |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | Ya | Ya |
| Deepseek V4.1 Flash | APINex | 1M | 5 permintaan/menit 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | Tidak | Tidak |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 permintaan/menit 20 permintaan/hari 250,000 token/menit ~3M | Ya | Ya |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | Ya | Ya |
Menampilkan 8 dari 184 model gratis yang cocok. Lihat semua model.
Data langsung dari katalog FreeLLMAPI (versi 2026.11.19, diperiksa 2026-11-19). Batas gratis sering berubah. Katalog diperiksa setiap hari.
Uji setiap model dengan teks dan pasangan bahasa Anda sendiri. Kualitas sangat berbeda antar pasangan. Model yang bagus untuk terjemahan Inggris ke Spanyol bisa lemah untuk Thai ke Vietnam.
Siapkan gateway
Pasang FreeLLMAPI, tambahkan kunci penyedia gratis Anda di halaman Keys dashboard, lalu salin kunci terpadu. Untuk model terjemahan di atas, tambahkan kunci Cohere, kunci SEA-LION, atau kunci NVIDIA. Tambahkan kunci Google, Groq, atau Mistral untuk model umum.
Pasang dan uji satu terjemahan
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."}
]
}'ID model tetap memberikan gaya terjemahan yang sama setiap kali. Saat model itu mencapai batas gratisnya, permintaan gagal, kecuali model yang sama gratis di penyedia lain. Untuk melanjutkan dengan model lain, buat profil rantai fallback, misalnya translate, dengan model pilihan Anda sesuai urutan. Kemudian gunakan auto:translate sebagai model.
Terjemahkan dalam batch dengan Python
Satu permintaan per string cepat menghabiskan batas permintaan Anda. Kirim 20 sampai 50 string pendek dalam satu permintaan sebagai daftar JSON. Kode memeriksa bahwa jawaban memiliki jumlah item yang sama dan placeholder yang sama. Jika pemeriksaan gagal, kode menerjemahkan string satu per satu.
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"))Gunakan temperature=0 untuk terjemahan. Output akan lebih stabil antar proses. Simpan terjemahan dalam file atau database, dan terjemahkan hanya string baru atau yang berubah.
Glosarium, nada, dan dokumen panjang
- Glosarium: cantumkan nama produk dan istilah tetap dalam pesan sistem. Beri tahu model kata mana yang tidak boleh diterjemahkan.
- Nada: nyatakan register, misalnya "Sie" formal dalam bahasa Jerman atau "tu" informal dalam bahasa Prancis.
- Konteks: tambahkan satu baris tentang tempat teks muncul, misalnya "label tombol di aplikasi perbankan". String pendek sering ambigu tanpa konteks ini.
- Dokumen panjang: bagi pada batas paragraf. Kirim setiap bagian dengan paragraf sebelumnya sebagai konteks, dan terjemahkan hanya bagian baru.
- Model yang sama untuk satu dokumen: kirim header
X-Session-Iddengan ID dokumen. FreeLLMAPI mempertahankan sesi pada satu model selama 30 menit, sehingga istilah tetap sama.
FreeLLMAPI memiliki cache respons opt-in untuk permintaan yang identik. Cache hit tidak menggunakan kuota penyedia. Anda dapat mengaktifkan atau menonaktifkannya untuk satu permintaan dengan header X-FreeLLM-Cache. Dengan temperature=0, string yang sama dan instruksi yang sama menghasilkan permintaan yang sama, sehingga string yang berulang berasal dari cache.
Periksa kualitas secara otomatis
Pemeriksaan sederhana menemukan sebagian besar terjemahan buruk sebelum orang membacanya. Jalankan setelah setiap batch dan kirim hanya string yang gagal ke daftar tinjauan.
- Placeholder: terjemahan harus memiliki placeholder dan tag yang sama dengan sumber. Kode di atas sudah memeriksa hal ini.
- Panjang: terjemahan yang kurang dari sepertiga atau lebih dari tiga kali panjang sumber sering salah.
- Teks tidak diterjemahkan: jika output sama dengan input, model tidak menerjemahkannya.
- Terjemahan balik: untuk teks penting, terjemahkan hasilnya kembali ke bahasa sumber dengan model yang berbeda. Bandingkan maknanya, bukan katanya.
Temukan string untuk ditinjau
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)]Untuk terjemahan balik, tetapkan ID model tetap yang tidak ada di profil terjemahan Anda. Model yang berbeda lebih kecil kemungkinannya mengulang kesalahan model pertama.
Batas dan kompromi yang jujur
Tier gratis cocok untuk string aplikasi, balasan dukungan, dokumen internal, dan pengujian. Rencanakan batas berikut:
| Batas | Dampak pada terjemahan | Yang harus dilakukan |
|---|---|---|
| Permintaan per menit dan per hari | Satu file besar dapat menghabiskan seluruh kuota harian | Batch 20 sampai 50 string per permintaan. Tambahkan kunci dari lebih banyak penyedia. |
| Batas harian rendah pada model khusus | Beberapa model terjemahan hanya mengizinkan sedikit permintaan per hari | Letakkan di urutan pertama dalam profil, dengan model umum setelahnya |
| Model berbeda setelah failover | Gaya dan istilah dapat berubah antar batch | Gunakan glosarium dan header X-Session-Id |
| Tanpa SLA | Latensi berubah sepanjang hari | Jangan gunakan tier gratis untuk terjemahan real-time yang harus menjawab dalam waktu tetap |
| Ketentuan data | Beberapa tier gratis dapat menggunakan prompt untuk melatih model | Jangan kirim teks rahasia ke penyedia tersebut |
Terjemahan mesin dapat salah. Minta penutur asli meninjau teks hukum, medis, dan pemasaran sebelum Anda menerbitkannya. Saat setiap kunci dalam rantai sudah mencapai batasnya, gateway mengembalikan 429 dengan header Retry-After. Kode di atas menunggu lalu mencoba lagi.
Pertanyaan yang sering diajukan
Apakah ada free translation API berbasis LLM?
Ada. Beberapa penyedia memberikan LLM multibahasa secara gratis, termasuk model terjemahan seperti Cohere Command A Translate. FreeLLMAPI menyajikannya melalui satu kunci yang kompatibel dengan OpenAI.
LLM gratis mana yang terbaik untuk terjemahan?
Bergantung pada pasangan bahasa. Command A Translate mencakup 23 bahasa, SEA-LION dibuat untuk bahasa Asia Tenggara, dan Typhoon untuk bahasa Thai. Uji dengan teks Anda sendiri.
Bagaimana cara menerjemahkan banyak string tanpa mencapai batas permintaan?
Kirim 20 sampai 50 string dalam satu permintaan sebagai daftar JSON, gunakan temperature 0, simpan hasil di cache, dan tambahkan kunci dari lebih banyak penyedia.
Bagaimana cara menjaga placeholder dan tag HTML dalam terjemahan LLM?
Beri tahu model untuk mempertahankannya persis sama, lalu periksa setiap terjemahan. Jika placeholder tidak cocok, terjemahkan ulang string itu, atau terjemahkan string itu sendiri.
Apakah terjemahan LLM gratis cukup baik untuk produksi?
Untuk string aplikasi dan teks internal, sering kali ya, dengan glosarium dan pemeriksaan. Minta penutur asli meninjau teks hukum, medis, dan pemasaran.
Panduan terkait
- API LLM gratis di Python
- Apakah free LLM API melatih model dengan data Anda?
- Batas rate limit API LLM gratis
- Base URL free API kompatibel OpenAI
- Free LLM API untuk penggunaan komersial
Sumber
- Cohere changelog: Command A Translate (23 languages) (diperiksa 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (diperiksa 20 November 2026)
- AI Singapore: SEA-LION (diperiksa 20 November 2026)
- Typhoon: Thai language models (diperiksa 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (diperiksa 20 November 2026)