ホーム / ガイド / LLM を使った無料の翻訳 API

LLM を使った無料の翻訳 API

大規模言語モデルは、多くの言語の間で高品質に翻訳できます。複数のプロバイダがこれを無料で提供しています。一部の無料モデルは翻訳用に作られており、例えば Cohere Command A Translate があります。このガイドでは、翻訳に使える無料モデル、バッチで翻訳する Python のコード、計画に入れるべき上限を示します。すべてのリクエストは FreeLLMAPI を経由します。FreeLLMAPI は 45 種類の無料プロバイダ枠を、1 つの OpenAI 互換キーにまとめます。

コード、モデル名、ライブのカタログラベルは英語で表示します。

翻訳に使える無料モデル

一部の無料モデルは、多くの言語や特定の言語圏向けに学習されています。この表では、本日の無料カタログにある多言語モデルと翻訳モデルを示します。

無料の翻訳モデルと多言語モデル
モデル無料で利用可能コンテキスト無料枠の上限(最良の条件)ツール画像入力
Typhoon 2.5 30B A3B InstructTyphoon131KOngoing free research API (shared rate limits)はいいいえ
Qwen SEA-LION v4.5 27BSEA-LION33K10 リクエスト/分
10 RPM
いいえいいえ
Nemotron 3 Super 120BSEA-LION-10 リクエスト/分
10 RPM
はいいいえ
Qwen SEA-LION v4 32BSEA-LION33K10 リクエスト/分
10 RPM
いいえいいえ
Llama SEA-LION v3 70BSEA-LION131K10 リクエスト/分
10 RPM
いいえいいえ
Gemma SEA-LION v4 27BCloudflare Workers AI, SEA-LION131K10 リクエスト/分
10 RPM
いいえいいえ
Command A TranslateCohere256K20 リクエスト/分
33 リクエスト/日
~1-2M
はいいいえ
Tiny Aya GlobalCohere8K20 リクエスト/分
33 リクエスト/日
1K calls/mo shared
いいえいいえ
North Small TranslateCohere33K20 リクエスト/分
33 リクエスト/日
~1-2M
いいえいいえ
Tiny Aya EarthCohere8K20 リクエスト/分
33 リクエスト/日
1K calls/mo shared
いいえいいえ
Tiny Aya FireCohere8K20 リクエスト/分
33 リクエスト/日
1K calls/mo shared
いいえいいえ
Tiny Aya WaterCohere8K20 リクエスト/分
33 リクエスト/日
1K calls/mo shared
いいえいいえ

一致する無料モデル 16 件のうち 12 件を表示しています。 すべてのモデルを見る.

FreeLLMAPI カタログのライブデータ(バージョン 2026.11.19、確認日 2026-11-19)。無料枠の上限は頻繁に変わります。カタログは毎日確認されます。

モデルファミリー対象出典
Command A Translate (Cohere)23 言語の翻訳。アラビア語、中国語、ヒンディー語、日本語、ペルシア語、ウクライナ語を含むCohere の変更履歴、2025 年 8 月 28 日
Aya Expanse (Cohere)23 言語の多言語チャットCohere のドキュメント
SEA-LION (AI Singapore)東南アジアの言語、11 言語以上sea-lion.ai
Typhoonタイ語opentyphoon.ai

汎用モデルも、主に主要言語の間では高品質に翻訳できます。現時点で最も性能の高い無料の汎用モデルは次のとおりです。

128K 以上のコンテキストを持つ、性能の高い無料の汎用モデル
モデル無料で利用可能コンテキスト無料枠の上限(最良の条件)ツール画像入力
GLM 5.3APINex, UnoRouter1M5 リクエスト/分
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
はいいいえ
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM ほか 1 件1M40 リクエスト/分
40 RPM
はいはい
Gemini 3.8 FlashAPINex, Google AI Studio1M5 リクエスト/分
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
はいはい
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowanceはいいいえ
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditはいはい
Deepseek V4.1 FlashAPINex1M5 リクエスト/分
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
いいえいいえ
Gemini 3.7 FlashGoogle AI Studio1M10 リクエスト/分
20 リクエスト/日
250,000 トークン/分
~3M
はいはい
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditはいはい

一致する無料モデル 184 件のうち 8 件を表示しています。 すべてのモデルを見る.

FreeLLMAPI カタログのライブデータ(バージョン 2026.11.19、確認日 2026-11-19)。無料枠の上限は頻繁に変わります。カタログは毎日確認されます。

お持ちのテキストと言語の組み合わせで、各モデルをテストしてください。品質は組み合わせによって大きく異なります。英語からスペイン語には適したモデルでも、タイ語からベトナム語には弱い場合があります。

ゲートウェイを設定する

FreeLLMAPI をインストールし、ダッシュボードの Keys ページで無料プロバイダのキーを追加して、統合キーをコピーします。上の翻訳モデルを使う場合は、Cohere のキー、SEA-LION のキー、または NVIDIA のキーを追加します。汎用モデルには、Google、Groq、Mistral のキーを追加します。

インストールして 1 件の翻訳をテストする

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."}
    ]
  }'

モデル ID を固定すると、毎回同じ翻訳スタイルになります。そのモデルが無料の上限に達すると、同じモデルが別のプロバイダで無料でない限り、リクエストは失敗します。他のモデルで処理を続けるには、選んだモデルを順番に並べたフォールバックの順序プロファイルを作成します。例: translate。次に、モデルとして auto:translate を使います。

Python でバッチ翻訳する

文字列ごとに 1 件のリクエストを送ると、リクエストの上限を急速に使い切ります。20~50 件の短い文字列を、JSON の一覧として 1 件のリクエストで送ります。コードは、応答の項目数とプレースホルダーが一致するかを確認します。確認に失敗した場合は、文字列を 1 件ずつ翻訳します。

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"))

翻訳には temperature=0 を使います。そうすると、実行ごとの出力がより安定します。翻訳結果をファイルまたはデータベースに保存し、新しい文字列や変更された文字列だけを翻訳します。

用語集、語調、長文書類

  • 用語集: システムメッセージに、製品名と固定の用語を列挙します。翻訳してはいけない語をモデルに伝えます。
  • 語調: 文体を指定します。例: ドイツ語の丁寧な「Sie」、フランス語の親しい「tu」。
  • 文脈: テキストが表示される場所を 1 行で追加します。例: 「銀行アプリのボタンのラベル」。文脈がないと、短い文字列は意味があいまいになることがよくあります。
  • 長文書類: 段落の区切りで分割します。各部分を、前の段落を文脈として添えて送り、新しい部分だけを翻訳します。
  • 1 つの書類には同じモデル: 書類の ID を含む X-Session-Id ヘッダーを送ります。FreeLLMAPI は 30 分間、セッションを 1 つのモデルに固定するため、用語が変わりません。

FreeLLMAPI には、同一のリクエストに対するオプトインの応答キャッシュがあります。キャッシュがヒットした場合、プロバイダの枠は使われません。X-FreeLLM-Cache ヘッダーで、1 件のリクエストごとに有効または無効を切り替えられます。temperature=0 の場合、同じ文字列と同じ指示は同じリクエストになるため、繰り返し現れる文字列はキャッシュから返されます。

品質を自動で確認する

単純な確認で、人が読む前に不適切な翻訳の大半を見つけられます。各バッチの後に実行し、失敗した文字列だけをレビュー一覧に送ります。

  • プレースホルダー: 翻訳には、原文と同じプレースホルダーとタグが必要です。上のコードはこれをすでに確認しています。
  • 長さ: 原文の長さの 3 分の 1 未満、または 3 倍を超える翻訳は、誤りであることがよくあります。
  • 未翻訳の文字: 出力が入力と同じ場合、モデルは翻訳していません。
  • 逆翻訳: 重要なテキストは、別のモデルで結果を原文の言語に翻訳し直します。単語ではなく意味を比較します。

レビュー対象の文字列を見つける

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)]

逆翻訳には、翻訳プロファイルに含まれない固定のモデル ID を指定します。別のモデルは、1 つ目のモデルの誤りを繰り返す可能性が低くなります。

上限と現実的なトレードオフ

無料の枠は、アプリの文字列、サポートの返信、社内文書、テストに適しています。次の上限を計画に入れてください。

上限翻訳への影響対処
1 分あたりと 1 日あたりのリクエスト数大きいファイルは、1 日の枠を使い切ることがありますリクエストごとに 20~50 件の文字列をバッチにします。他のプロバイダのキーを追加します。
特殊なモデルの 1 日の上限が低い一部の翻訳モデルは、1 日に許可されるリクエスト数が少ないですプロファイルの先頭に置き、その後に汎用モデルを並べます
フェイルオーバー後に別のモデルが使われるバッチによって、文体や用語が変わる場合があります用語集と X-Session-Id ヘッダーを使います
SLA がない応答時間は時間帯によって変わります一定時間内に応答する必要があるリアルタイム翻訳には、無料枠を使わないでください
データの規約一部の無料枠は、プロンプトをモデルの学習に使う場合があります機密性の高いテキストを、それらのプロバイダに送らないでください

機械翻訳は誤る場合があります。法務、医療、マーケティングのテキストは、公開する前に母語話者が確認してください。チェーン内のすべてのキーが上限に達すると、ゲートウェイは Retry-After ヘッダー付きで 429 を返します。上のコードは待機してから再試行します。

これらすべてを 1 つのキーで利用できます。 FreeLLMAPI は、オープンソースのセルフホスト型ルーターです。これらの無料枠すべてを 1 つの OpenAI 互換エンドポイントの背後にまとめ、レート制限に達した場合は自動的に別のプロバイダーへ切り替えます。 カタログを見る または 公開.

よくある質問

LLM に基づく無料の翻訳 API はありますか?

はい。Cohere Command A Translate などの翻訳モデルを含め、複数のプロバイダが多言語の LLM を無料で提供しています。FreeLLMAPI は、それらを 1 つの OpenAI 互換キーで提供します。

翻訳に最も適した無料の LLM はどれですか?

言語の組み合わせによります。Command A Translate は 23 言語を扱います。SEA-LION は東南アジアの言語向け、Typhoon はタイ語向けです。お持ちのテキストでテストしてください。

レート制限に達さずに多数の文字列を翻訳するには?

20~50 件の文字列を、JSON の一覧として 1 件のリクエストで送ります。temperature は 0 を使い、結果をキャッシュし、他のプロバイダのキーを追加します。

LLM の翻訳でプレースホルダーと HTML タグを保持するには?

モデルにそのまま保持するよう指示し、各翻訳を確認します。プレースホルダーが一致しない場合は、その文字列だけを改めて翻訳します。

無料の LLM 翻訳は、本番環境に十分な品質ですか?

アプリの文字列や社内のテキストでは、用語集と確認があれば、多くの場合は十分です。法務、医療、マーケティングのテキストは、母語話者が確認してください。

関連ガイド

出典

すべてのガイド · 無料モデルをすべて見る