LLM ಜೊತೆ ಉಚಿತ ಅನುವಾದ API
ದೊಡ್ಡ ಭಾಷಾ ಮಾಡೆಲ್ಗಳು ಹಲವು ಭಾಷೆಗಳ ನಡುವೆ ಚೆನ್ನಾಗಿ ಅನುವಾದಿಸುತ್ತವೆ, ಮತ್ತು ಹಲವು ಪೂರೈಕೆದಾರರು ಅವುಗಳನ್ನು ಉಚಿತವಾಗಿ ನೀಡುತ್ತಾರೆ. ಕೆಲವು ಉಚಿತ ಮಾಡೆಲ್ಗಳು ಅನುವಾದಕ್ಕಾಗಿಯೇ ರೂಪಿಸಲ್ಪಟ್ಟಿವೆ, ಉದಾಹರಣೆಗೆ Cohere Command A Translate. ಈ ಮಾರ್ಗದರ್ಶಿ ಅನುವಾದಕ್ಕಾಗಿ ಉಚಿತ ಮಾಡೆಲ್ಗಳು, ಬ್ಯಾಚ್ಗಳಲ್ಲಿ ಅನುವಾದಿಸುವ Python ಕೋಡ್ ಮತ್ತು ಯೋಜಿಸಬೇಕಾದ ಮಿತಿಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ಎಲ್ಲಾ ವಿನಂತಿಗಳು FreeLLMAPI ಮೂಲಕ ಹೋಗುತ್ತವೆ, ಅದು ಒಂದು OpenAI-ಹೊಂದಾಣಿಕೆಯ ಕೀ ಹಿಂದೆ 45 ಉಚಿತ ಪೂರೈಕೆದಾರ ಶ್ರೇಣಿಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ.
ಕೋಡ್, ಮಾದರಿ ಹೆಸರುಗಳು ಮತ್ತು ನೇರ ಕ್ಯಾಟಲಾಗ್ ಲೇಬಲ್ಗಳನ್ನು ಇಂಗ್ಲಿಷ್ನಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.
ಅನುವಾದಕ್ಕಾಗಿ ಉಚಿತ ಮಾಡೆಲ್ಗಳು
ಕೆಲವು ಉಚಿತ ಮಾಡೆಲ್ಗಳಿಗೆ ಹಲವು ಭಾಷೆಗಳು ಅಥವಾ ಒಂದು ಭಾಷಾ ಪ್ರದೇಶಕ್ಕಾಗಿ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ. ಇಂದಿನ ಉಚಿತ ಕ್ಯಾಟಲಾಗ್ನಲ್ಲಿರುವ ಬಹುಭಾಷಾ ಮತ್ತು ಅನುವಾದ ಮಾಡೆಲ್ಗಳನ್ನು ಕೋಷ್ಟಕ ತೋರಿಸುತ್ತದೆ.
| ಮಾದರಿ | ಉಚಿತ | ಸಂದರ್ಭ | ಉಚಿತ ಮಿತಿಗಳು (ಅತ್ಯುತ್ತಮ ಕೊಡುಗೆ) | ಉಪಕರಣಗಳು | ದೃಷ್ಟಿ |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | ಹೌದು | ಇಲ್ಲ |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 ವಿನಂತಿ/ನಿಮಿಷ 10 RPM | ಇಲ್ಲ | ಇಲ್ಲ |
| Nemotron 3 Super 120B | SEA-LION | - | 10 ವಿನಂತಿ/ನಿಮಿಷ 10 RPM | ಹೌದು | ಇಲ್ಲ |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 ವಿನಂತಿ/ನಿಮಿಷ 10 RPM | ಇಲ್ಲ | ಇಲ್ಲ |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 ವಿನಂತಿ/ನಿಮಿಷ 10 RPM | ಇಲ್ಲ | ಇಲ್ಲ |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 ವಿನಂತಿ/ನಿಮಿಷ 10 RPM | ಇಲ್ಲ | ಇಲ್ಲ |
| Command A Translate | Cohere | 256K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ ~1-2M | ಹೌದು | ಇಲ್ಲ |
| Tiny Aya Global | Cohere | 8K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ 1K calls/mo shared | ಇಲ್ಲ | ಇಲ್ಲ |
| North Small Translate | Cohere | 33K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ ~1-2M | ಇಲ್ಲ | ಇಲ್ಲ |
| Tiny Aya Earth | Cohere | 8K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ 1K calls/mo shared | ಇಲ್ಲ | ಇಲ್ಲ |
| Tiny Aya Fire | Cohere | 8K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ 1K calls/mo shared | ಇಲ್ಲ | ಇಲ್ಲ |
| Tiny Aya Water | Cohere | 8K | 20 ವಿನಂತಿ/ನಿಮಿಷ 33 ವಿನಂತಿ/ದಿನ 1K calls/mo shared | ಇಲ್ಲ | ಇಲ್ಲ |
ಹೊಂದಾಣಿಕೆಯಾಗುವ 16 ಉಚಿತ ಮಾದರಿಗಳಲ್ಲಿ 12 ಅನ್ನು ತೋರಿಸಲಾಗುತ್ತಿದೆ. ಎಲ್ಲಾ ಮಾದರಿಗಳನ್ನು ನೋಡಿ.
FreeLLMAPI ಕ್ಯಾಟಲಾಗ್ನಿಂದ ನೇರ ಡೇಟಾ (ಆವೃತ್ತಿ 2026.11.19, 2026-11-19 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ). ಉಚಿತ ಮಿತಿಗಳು ಆಗಾಗ್ಗೆ ಬದಲಾಗುತ್ತವೆ. ಕ್ಯಾಟಲಾಗ್ ಪ್ರತಿದಿನ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
| ಮಾಡೆಲ್ ಕುಟುಂಬ | ಯಾವುದಕ್ಕಾಗಿ ರೂಪಿಸಲಾಗಿದೆ | ಮೂಲ |
|---|---|---|
| Command A Translate (Cohere) | 23 ಭಾಷೆಗಳಲ್ಲಿ ಅನುವಾದ, ಅರೇಬಿಕ್, ಚೈನೀಸ್, ಹಿಂದಿ, ಜಪಾನೀಸ್, ಪರ್ಷಿಯನ್ ಮತ್ತು ಉಕ್ರೇನಿಯನ್ ಸೇರಿದಂತೆ | Cohere changelog, 28 ಆಗಸ್ಟ್ 2025 |
| Aya Expanse (Cohere) | 23 ಭಾಷೆಗಳಲ್ಲಿ ಬಹುಭಾಷಾ ಚಾಟ್ | Cohere ದಾಖಲೆಗಳು |
| SEA-LION (AI Singapore) | ಆಗ್ನೇಯ ಏಷ್ಯಾ ಭಾಷೆಗಳು, 11 ಅಥವಾ ಹೆಚ್ಚು | sea-lion.ai |
| Typhoon | ಥಾಯ್ | opentyphoon.ai |
ಸಾಮಾನ್ಯ ಮಾಡೆಲ್ಗಳು ಸಹ ಚೆನ್ನಾಗಿ ಅನುವಾದಿಸುತ್ತವೆ, ಮುಖ್ಯವಾಗಿ ದೊಡ್ಡ ಭಾಷೆಗಳ ನಡುವೆ. ಇಂದು ಅತ್ಯುತ್ತಮ ಉಚಿತ ಸಾಮಾನ್ಯ ಮಾಡೆಲ್ಗಳು:
| ಮಾದರಿ | ಉಚಿತ | ಸಂದರ್ಭ | ಉಚಿತ ಮಿತಿಗಳು (ಅತ್ಯುತ್ತಮ ಕೊಡುಗೆ) | ಉಪಕರಣಗಳು | ದೃಷ್ಟಿ |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 ವಿನಂತಿ/ನಿಮಿಷ 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | ಹೌದು | ಇಲ್ಲ |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 ಇನ್ನೂ | 1M | 40 ವಿನಂತಿ/ನಿಮಿಷ 40 RPM | ಹೌದು | ಹೌದು |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 ವಿನಂತಿ/ನಿಮಿಷ 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | ಹೌದು | ಹೌದು |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | ಹೌದು | ಇಲ್ಲ |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | ಹೌದು | ಹೌದು |
| Deepseek V4.1 Flash | APINex | 1M | 5 ವಿನಂತಿ/ನಿಮಿಷ 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | ಇಲ್ಲ | ಇಲ್ಲ |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 ವಿನಂತಿ/ನಿಮಿಷ 20 ವಿನಂತಿ/ದಿನ 250,000 ಟೋಕನ್/ನಿಮಿಷ ~3M | ಹೌದು | ಹೌದು |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | ಹೌದು | ಹೌದು |
ಹೊಂದಾಣಿಕೆಯಾಗುವ 184 ಉಚಿತ ಮಾದರಿಗಳಲ್ಲಿ 8 ಅನ್ನು ತೋರಿಸಲಾಗುತ್ತಿದೆ. ಎಲ್ಲಾ ಮಾದರಿಗಳನ್ನು ನೋಡಿ.
FreeLLMAPI ಕ್ಯಾಟಲಾಗ್ನಿಂದ ನೇರ ಡೇಟಾ (ಆವೃತ್ತಿ 2026.11.19, 2026-11-19 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ). ಉಚಿತ ಮಿತಿಗಳು ಆಗಾಗ್ಗೆ ಬದಲಾಗುತ್ತವೆ. ಕ್ಯಾಟಲಾಗ್ ಪ್ರತಿದಿನ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ.
ಪ್ರತಿ ಮಾಡೆಲ್ ಅನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಪಠ್ಯಗಳು ಮತ್ತು ಭಾಷಾ ಜೋಡಿಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ. ಜೋಡಿಗಳ ನಡುವೆ ಗುಣಮಟ್ಟ ಬಹಳ ಬದಲಾಗುತ್ತದೆ. ಇಂಗ್ಲಿಷ್ನಿಂದ ಸ್ಪ್ಯಾನಿಷ್ಗೆ ಉತ್ತಮವಾದ ಮಾಡೆಲ್ ಥಾಯ್ನಿಂದ ವಿಯೆಟ್ನಾಮೀಸ್ಗೆ ದುರ್ಬಲವಾಗಿರಬಹುದು.
ಗೇಟ್ವೇ ಹೊಂದಿಸಿ
FreeLLMAPI ಸ್ಥಾಪಿಸಿ, ಡ್ಯಾಶ್ಬೋರ್ಡ್ನ Keys ಪುಟದಲ್ಲಿ ನಿಮ್ಮ ಉಚಿತ ಪೂರೈಕೆದಾರ ಕೀಗಳನ್ನು ಸೇರಿಸಿ ಮತ್ತು ಏಕೀಕೃತ ಕೀ ನಕಲಿಸಿ. ಮೇಲಿನ ಅನುವಾದ ಮಾಡೆಲ್ಗಳಿಗಾಗಿ, Cohere ಕೀ, SEA-LION ಕೀ ಅಥವಾ NVIDIA ಕೀ ಸೇರಿಸಿ. ಸಾಮಾನ್ಯ ಮಾಡೆಲ್ಗಳಿಗಾಗಿ Google, Groq ಅಥವಾ Mistral ಕೀಗಳನ್ನು ಸೇರಿಸಿ.
ಒಂದು ಅನುವಾದವನ್ನು ಸ್ಥಾಪಿಸಿ ಮತ್ತು ಪರೀಕ್ಷಿಸಿ
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."}
]
}'ನಿಗದಿತ ಮಾಡೆಲ್ ID ಪ್ರತಿ ಬಾರಿ ಒಂದೇ ಅನುವಾದ ಶೈಲಿಯನ್ನು ನೀಡುತ್ತದೆ. ಆ ಮಾಡೆಲ್ ತನ್ನ ಉಚಿತ ಮಿತಿಯನ್ನು ತಲುಪಿದಾಗ, ಅದೇ ಮಾಡೆಲ್ ಬೇರೆ ಪೂರೈಕೆದಾರರಲ್ಲಿ ಉಚಿತವಾಗಿಲ್ಲದಿದ್ದರೆ ವಿನಂತಿ ವಿಫಲವಾಗುತ್ತದೆ. ಇತರ ಮಾಡೆಲ್ಗಳಲ್ಲಿ ಮುಂದುವರಿಯಲು, ಆಯ್ಕೆಮಾಡಿದ ಮಾಡೆಲ್ಗಳನ್ನು ಕ್ರಮದಲ್ಲಿ ಹೊಂದಿರುವ ಫಾಲ್ಬ್ಯಾಕ್ ಸರಪಳಿ ಪ್ರೊಫೈಲ್ ರಚಿಸಿ, ಉದಾಹರಣೆಗೆ translate. ನಂತರ ಮಾಡೆಲ್ ಆಗಿ auto:translate ಬಳಸಿ.
Python ಜೊತೆ ಬ್ಯಾಚ್ಗಳಲ್ಲಿ ಅನುವಾದಿಸಿ
ಪ್ರತಿ ಸ್ಟ್ರಿಂಗ್ಗೆ ಒಂದು ವಿನಂತಿ ನಿಮ್ಮ ವಿನಂತಿ ಮಿತಿಯನ್ನು ಬೇಗ ಬಳಸುತ್ತದೆ. 20 ರಿಂದ 50 ಚಿಕ್ಕ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು JSON ಪಟ್ಟಿಯಾಗಿ ಒಂದೇ ವಿನಂತಿಯಲ್ಲಿ ಕಳುಹಿಸಿ. ಕೋಡ್ ಉತ್ತರದಲ್ಲಿ ಅಷ್ಟೇ ಐಟಂಗಳು ಮತ್ತು ಅದೇ ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳು ಇವೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಪರಿಶೀಲನೆ ವಿಫಲವಾದರೆ, ಅದು ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಅನುವಾದಿಸುತ್ತದೆ.
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"))ಅನುವಾದಕ್ಕೆ temperature=0 ಬಳಸಿ. ಆಗ ಔಟ್ಪುಟ್ ರನ್ಗಳ ನಡುವೆ ಹೆಚ್ಚು ಸ್ಥಿರವಾಗಿರುತ್ತದೆ. ಅನುವಾದಗಳನ್ನು ಫೈಲ್ ಅಥವಾ ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಉಳಿಸಿ, ಮತ್ತು ಹೊಸ ಅಥವಾ ಬದಲಾದ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಮಾತ್ರ ಅನುವಾದಿಸಿ.
ಗ್ಲಾಸರಿ, ಧ್ವನಿ ಮತ್ತು ದೀರ್ಘ ದಾಖಲೆಗಳು
- ಗ್ಲಾಸರಿ: ಸಿಸ್ಟಂ ಸಂದೇಶದಲ್ಲಿ ಉತ್ಪನ್ನದ ಹೆಸರುಗಳು ಮತ್ತು ನಿಗದಿತ ಪದಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಅನುವಾದಿಸಬಾರದ ಪದಗಳನ್ನು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ.
- ಧ್ವನಿ: ಶೈಲಿಯನ್ನು ಹೇಳಿ, ಉದಾಹರಣೆಗೆ ಜರ್ಮನ್ನಲ್ಲಿ ಔಪಚಾರಿಕ "Sie" ಅಥವಾ ಫ್ರೆಂಚ್ನಲ್ಲಿ ಅನೌಪಚಾರಿಕ "tu".
- ಸಂದರ್ಭ: ಪಠ್ಯ ಎಲ್ಲಿ ಕಾಣಿಸುತ್ತದೆ ಎಂದು ಒಂದು ಸಾಲಿನಲ್ಲಿ ಸೇರಿಸಿ, ಉದಾಹರಣೆಗೆ "ಬ್ಯಾಂಕಿಂಗ್ ಆಪ್ನಲ್ಲಿ ಬಟನ್ ಲೇಬಲ್ಗಳು". ಸಂದರ್ಭವಿಲ್ಲದೆ ಚಿಕ್ಕ ಸ್ಟ್ರಿಂಗ್ಗಳು ಹೆಚ್ಚಾಗಿ ಅಸ್ಪಷ್ಟವಾಗಿರುತ್ತವೆ.
- ದೀರ್ಘ ದಾಖಲೆಗಳು: ಪ್ಯಾರಾಗ್ರಾಫ್ ಗಡಿಗಳಲ್ಲಿ ವಿಭಜಿಸಿ. ಪ್ರತಿ ಭಾಗವನ್ನು ಹಿಂದಿನ ಪ್ಯಾರಾಗ್ರಾಫ್ ಸಂದರ್ಭದೊಂದಿಗೆ ಕಳುಹಿಸಿ, ಮತ್ತು ಹೊಸ ಭಾಗವನ್ನು ಮಾತ್ರ ಅನುವಾದಿಸಿ.
- ಒಂದು ದಾಖಲೆಗೆ ಒಂದೇ ಮಾಡೆಲ್: ದಾಖಲೆ ID ಯೊಂದಿಗೆ
X-Session-Idಹೆಡರ್ ಕಳುಹಿಸಿ. FreeLLMAPI ಒಂದು ಸೆಷನ್ ಅನ್ನು 30 ನಿಮಿಷಗಳ ಕಾಲ ಒಂದೇ ಮಾಡೆಲ್ನಲ್ಲಿ ಇಡುತ್ತದೆ, ಆದ್ದರಿಂದ ನಿಯಮಗಳು ಬದಲಾಗುವುದಿಲ್ಲ.
ಒಂದೇ ವಿನಂತಿಗಳಿಗಾಗಿ FreeLLMAPI ಆಯ್ಕೆಯ ಪ್ರತಿಕ್ರಿಯೆ ಕ್ಯಾಶ್ ಹೊಂದಿದೆ. ಕ್ಯಾಶ್ ಹಿಟ್ ಯಾವುದೇ ಪೂರೈಕೆದಾರ ಕೋಟಾವನ್ನು ಬಳಸುವುದಿಲ್ಲ. X-FreeLLM-Cache ಹೆಡರ್ ಮೂಲಕ ಒಂದು ವಿನಂತಿಗೆ ಅದನ್ನು ಆನ್ ಅಥವಾ ಆಫ್ ಮಾಡಬಹುದು. temperature=0 ಜೊತೆ, ಅದೇ ಸ್ಟ್ರಿಂಗ್ ಮತ್ತು ಅದೇ ಸೂಚನೆಗಳು ಅದೇ ವಿನಂತಿಯನ್ನು ನೀಡುತ್ತವೆ, ಆದ್ದರಿಂದ ಪುನರಾವರ್ತಿತ ಸ್ಟ್ರಿಂಗ್ಗಳು ಕ್ಯಾಶ್ನಿಂದ ಬರುತ್ತವೆ.
ಗುಣಮಟ್ಟವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ
ಸರಳ ಪರಿಶೀಲನೆಗಳು ವ್ಯಕ್ತಿ ಓದುವ ಮೊದಲು ಹೆಚ್ಚಿನ ಕೆಟ್ಟ ಅನುವಾದಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತವೆ. ಪ್ರತಿ ಬ್ಯಾಚ್ ನಂತರ ಅವುಗಳನ್ನು ಚಲಾಯಿಸಿ ಮತ್ತು ವಿಫಲವಾದ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಮಾತ್ರ ಪರಿಶೀಲನಾ ಪಟ್ಟಿಗೆ ಕಳುಹಿಸಿ.
- ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳು: ಅನುವಾದದಲ್ಲಿ ಮೂಲದಲ್ಲಿರುವಂತೆಯೇ ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳು ಮತ್ತು ಟ್ಯಾಗ್ಗಳು ಇರಬೇಕು. ಮೇಲಿನ ಕೋಡ್ ಇದನ್ನು ಈಗಾಗಲೇ ಪರಿಶೀಲಿಸುತ್ತದೆ.
- ಉದ್ದ: ಮೂಲ ಉದ್ದದ ಮೂರನೇ ಒಂದಕ್ಕಿಂತ ಕಡಿಮೆ ಅಥವಾ ಮೂರು ಪಟ್ಟಿಗಿಂತ ಹೆಚ್ಚಿನ ಅನುವಾದ ಸಾಮಾನ್ಯವಾಗಿ ತಪ್ಪಾಗಿರುತ್ತದೆ.
- ಅನುವಾದವಾಗದ ಪಠ್ಯ: ಔಟ್ಪುಟ್ ಇನ್ಪುಟ್ಗೆ ಸಮನಾಗಿದ್ದರೆ, ಮಾಡೆಲ್ ಅದನ್ನು ಅನುವಾದಿಸಲಿಲ್ಲ.
- ಹಿಂದಕ್ಕೆ ಅನುವಾದ: ಮುಖ್ಯ ಪಠ್ಯಕ್ಕಾಗಿ, ಫಲಿತಾಂಶವನ್ನು ಬೇರೆ ಮಾಡೆಲ್ನೊಂದಿಗೆ ಮೂಲ ಭಾಷೆಗೆ ಮರಳಿ ಅನುವಾದಿಸಿ. ಪದಗಳನ್ನಲ್ಲ, ಅರ್ಥವನ್ನು ಹೋಲಿಸಿ.
ಪರಿಶೀಲನೆಗಾಗಿ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಹುಡುಕಿ
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)]ಹಿಂದಕ್ಕೆ ಅನುವಾದಕ್ಕಾಗಿ, ನಿಮ್ಮ ಅನುವಾದ ಪ್ರೊಫೈಲ್ನಲ್ಲಿ ಇಲ್ಲದ ನಿಗದಿತ ಮಾಡೆಲ್ ID ಅನ್ನು ಪಿನ್ ಮಾಡಿ. ಬೇರೆ ಮಾಡೆಲ್ ಮೊದಲ ಮಾಡೆಲ್ನ ತಪ್ಪುಗಳನ್ನು ಪುನರಾವರ್ತಿಸುವ ಸಾಧ್ಯತೆ ಕಡಿಮೆ.
ಮಿತಿಗಳು ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ವ್ಯಾಪಾರ-ವಿನಿಮಯಗಳು
ಉಚಿತ ಶ್ರೇಣಿಗಳು ಆಪ್ ಸ್ಟ್ರಿಂಗ್ಗಳು, ಬೆಂಬಲ ಉತ್ತರಗಳು, ಆಂತರಿಕ ದಾಖಲೆಗಳು ಮತ್ತು ಪರೀಕ್ಷೆಗಳಿಗೆ ಒಳ್ಳೆಯವು. ಈ ಮಿತಿಗಳನ್ನು ಯೋಜಿಸಿ:
| ಮಿತಿ | ಅನುವಾದದ ಮೇಲೆ ಪರಿಣಾಮ | ಏನು ಮಾಡಬೇಕು |
|---|---|---|
| ನಿಮಿಷಕ್ಕೆ ಮತ್ತು ದಿನಕ್ಕೆ ವಿನಂತಿಗಳು | ದೊಡ್ಡ ಫೈಲ್ ಪೂರ್ಣ ದೈನಂದಿನ ಕೋಟಾವನ್ನು ಬಳಸಬಹುದು | ಪ್ರತಿ ವಿನಂತಿಗೆ 20 ರಿಂದ 50 ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಬ್ಯಾಚ್ ಮಾಡಿ. ಹೆಚ್ಚಿನ ಪೂರೈಕೆದಾರರ ಕೀಗಳನ್ನು ಸೇರಿಸಿ. |
| ವಿಶೇಷ ಮಾಡೆಲ್ಗಳ ಮೇಲೆ ಕಡಿಮೆ ದೈನಂದಿನ ಮಿತಿಗಳು | ಕೆಲವು ಅನುವಾದ ಮಾಡೆಲ್ಗಳು ದಿನಕ್ಕೆ ಕೆಲವೇ ವಿನಂತಿಗಳಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತವೆ | ಅವುಗಳನ್ನು ಪ್ರೊಫೈಲ್ನಲ್ಲಿ ಮೊದಲು ಇಡಿ, ಸಾಮಾನ್ಯ ಮಾಡೆಲ್ಗಳನ್ನು ನಂತರ ಇಡಿ |
| ಫೇಲ್ಓವರ್ ನಂತರ ಬೇರೆ ಮಾಡೆಲ್ಗಳು | ಬ್ಯಾಚ್ಗಳ ನಡುವೆ ಶೈಲಿ ಮತ್ತು ಪದಗಳು ಬದಲಾಗಬಹುದು | ಗ್ಲಾಸರಿ ಮತ್ತು X-Session-Id ಹೆಡರ್ ಬಳಸಿ |
| SLA ಇಲ್ಲ | ದಿನದ ಸಮಯದಲ್ಲಿ ಲೇಟೆನ್ಸಿ ಬದಲಾಗುತ್ತದೆ | ನಿಗದಿತ ಸಮಯದಲ್ಲಿ ಉತ್ತರಿಸಬೇಕಾದ ನೈಜ-ಸಮಯದ ಅನುವಾದಕ್ಕೆ ಉಚಿತ ಶ್ರೇಣಿಗಳನ್ನು ಬಳಸಬೇಡಿ |
| ಡೇಟಾ ನಿಯಮಗಳು | ಕೆಲವು ಉಚಿತ ಶ್ರೇಣಿಗಳು ಮಾಡೆಲ್ಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಬಳಸಬಹುದು | ಆ ಪೂರೈಕೆದಾರರಿಗೆ ಗೌಪ್ಯ ಪಠ್ಯವನ್ನು ಕಳುಹಿಸಬೇಡಿ |
ಯಂತ್ರ ಅನುವಾದ ತಪ್ಪಾಗಿರಬಹುದು. ಪ್ರಕಟಿಸುವ ಮೊದಲು ಕಾನೂನು, ವೈದ್ಯಕೀಯ ಮತ್ತು ಮಾರ್ಕೆಟಿಂಗ್ ಪಠ್ಯವನ್ನು ಸ್ಥಳೀಯ ಭಾಷಿಕರು ಪರಿಶೀಲಿಸಲಿ. ಸರಪಳಿಯ ಪ್ರತಿ ಕೀ ತನ್ನ ಮಿತಿಯಲ್ಲಿದ್ದಾಗ, ಗೇಟ್ವೇ Retry-After ಹೆಡರ್ನೊಂದಿಗೆ 429 ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಮೇಲಿನ ಕೋಡ್ ಕಾಯುತ್ತದೆ ಮತ್ತು ಮತ್ತೆ ಪ್ರಯತ್ನಿಸುತ್ತದೆ.
ಪದೇ ಪದೇ ಕೇಳುವ ಪ್ರಶ್ನೆಗಳು
LLM ಆಧಾರಿತ ಉಚಿತ ಅನುವಾದ API ಇದೆಯೇ?
ಹೌದು. Command A Translate ಸೇರಿದಂತೆ ಅನುವಾದ ಮಾಡೆಲ್ಗಳು ಸೇರಿದಂತೆ ಹಲವು ಪೂರೈಕೆದಾರರು ಬಹುಭಾಷಾ LLM ಗಳನ್ನು ಉಚಿತವಾಗಿ ನೀಡುತ್ತಾರೆ. FreeLLMAPI ಅವುಗಳನ್ನು ಒಂದು OpenAI-ಹೊಂದಾಣಿಕೆಯ ಕೀ ಮೂಲಕ ಒದಗಿಸುತ್ತದೆ.
ಅನುವಾದಕ್ಕೆ ಯಾವ ಉಚಿತ LLM ಉತ್ತಮ?
ಇದು ಭಾಷಾ ಜೋಡಿಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. Command A Translate 23 ಭಾಷೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, SEA-LION ಆಗ್ನೇಯ ಏಷ್ಯಾ ಭಾಷೆಗಳಿಗೆ ಮತ್ತು Typhoon ಥಾಯ್ಗೆ ರೂಪಿಸಲಾಗಿದೆ. ನಿಮ್ಮ ಸ್ವಂತ ಪಠ್ಯಗಳೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ.
ದರ ಮಿತಿಗಳನ್ನು ಮುಟ್ಟದೆ ಹಲವು ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ಹೇಗೆ ಅನುವಾದಿಸುವುದು?
20 ರಿಂದ 50 ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು JSON ಪಟ್ಟಿಯಾಗಿ ಒಂದೇ ವಿನಂತಿಯಲ್ಲಿ ಕಳುಹಿಸಿ, temperature 0 ಬಳಸಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಕ್ಯಾಶ್ ಮಾಡಿ ಮತ್ತು ಹೆಚ್ಚಿನ ಪೂರೈಕೆದಾರರ ಕೀಗಳನ್ನು ಸೇರಿಸಿ.
LLM ಅನುವಾದಗಳಲ್ಲಿ ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳು ಮತ್ತು HTML ಟ್ಯಾಗ್ಗಳನ್ನು ಹೇಗೆ ಉಳಿಸುವುದು?
ಅವುಗಳನ್ನು ನಿಖರವಾಗಿ ಉಳಿಸಲು ಮಾಡೆಲ್ಗೆ ಹೇಳಿ, ನಂತರ ಪ್ರತಿ ಅನುವಾದವನ್ನು ಪರಿಶೀಲಿಸಿ. ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳು ಹೊಂದಿಕೆಯಾಗದಿದ್ದರೆ, ಆ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಮತ್ತೆ ಅಥವಾ ಒಂಟಿಯಾಗಿ ಅನುವಾದಿಸಿ.
ಉಚಿತ LLM ಅನುವಾದ ಉತ್ಪಾದನೆಗೆ ಸಾಕೇ?
ಆಪ್ ಸ್ಟ್ರಿಂಗ್ಗಳು ಮತ್ತು ಆಂತರಿಕ ಪಠ್ಯಕ್ಕಾಗಿ, ಗ್ಲಾಸರಿ ಮತ್ತು ಪರಿಶೀಲನೆಗಳೊಂದಿಗೆ ಹೆಚ್ಚಾಗಿ ಹೌದು. ಕಾನೂನು, ವೈದ್ಯಕೀಯ ಮತ್ತು ಮಾರ್ಕೆಟಿಂಗ್ ಪಠ್ಯವನ್ನು ಸ್ಥಳೀಯ ಭಾಷಿಕರು ಪರಿಶೀಲಿಸಲಿ.
ಸಂಬಂಧಿತ ಮಾರ್ಗದರ್ಶಿಗಳು
- ಪೈಥಾನ್ನಲ್ಲಿ ಉಚಿತ LLM API
- ಉಚಿತ LLM API ಗಳು ನಿಮ್ಮ ಡೇಟಾದ ಮೇಲೆ ತರಬೇತಿ ನೀಡುತ್ತವೆಯೇ?
- ಉಚಿತ LLM API ಮಿತಿಗಳು
- ಉಚಿತ OpenAI-ಹೊಂದಾಣಿಕೆಯ API Base URL ಗಳು
- ವಾಣಿಜ್ಯ ಬಳಕೆಗಾಗಿ ಉಚಿತ LLM API
ಮೂಲಗಳು
- Cohere changelog: Command A Translate (23 languages) (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Cohere docs: Aya (Aya Expanse, 23 languages) (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- AI Singapore: SEA-LION (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- Typhoon: Thai language models (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (20 November 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ)