முகப்பு / வழிகாட்டிகள் / LLMs மூலம் இலவச மொழிபெயர்ப்பு API

LLMs மூலம் இலவச மொழிபெயர்ப்பு API

Large language models பல மொழிகளுக்கு இடையே நன்றாக மொழிபெயர்க்கின்றன, சில வழங்குநர்கள் அவற்றை இலவசமாகத் தருகின்றனர். சில இலவச models மொழிபெயர்ப்புக்காகவே உருவாக்கப்பட்டவை, எடுத்துக்காட்டாக Cohere Command A Translate. இந்த வழிகாட்டி மொழிபெயர்ப்புக்கான இலவச models, தொகுப்புகளாக மொழிபெயர்க்கும் Python code, திட்டமிட வேண்டிய வரம்புகள் ஆகியவற்றைக் காட்டுகிறது. எல்லாக் கோரிக்கைகளும் FreeLLMAPI வழியாகச் செல்கின்றன. அது ஒரே OpenAI-compatible key பின்னால் 45 இலவச provider அடுக்குகளை இணைக்கிறது.

குறியீடு, மாதிரிப் பெயர்கள் மற்றும் நேரடி பட்டியல் லேபிள்கள் ஆங்கிலத்தில் காட்டப்படுகின்றன.

மொழிபெயர்ப்புக்கான இலவச models

சில இலவச models பல மொழிகளுக்காக அல்லது ஒரு மொழிப் பகுதிக்காகப் பயிற்சி பெற்றவை. அட்டவணை இன்றைய இலவச catalog-இல் உள்ள பல மொழி மற்றும் மொழிபெயர்ப்பு models-ஐக் காட்டுகிறது.

இலவச மொழிபெயர்ப்பு மற்றும் பல மொழி models
மாதிரிஇலவசம்சூழல் அளவுஇலவச வரம்புகள் (சிறந்த சலுகை)கருவிகள்படப் பார்வை
Typhoon 2.5 30B A3B InstructTyphoon131KOngoing free research API (shared rate limits)ஆம்இல்லை
Qwen SEA-LION v4.5 27BSEA-LION33K10 கோரிக்கை/நிமிடம்
10 RPM
இல்லைஇல்லை
Nemotron 3 Super 120BSEA-LION-10 கோரிக்கை/நிமிடம்
10 RPM
ஆம்இல்லை
Qwen SEA-LION v4 32BSEA-LION33K10 கோரிக்கை/நிமிடம்
10 RPM
இல்லைஇல்லை
Llama SEA-LION v3 70BSEA-LION131K10 கோரிக்கை/நிமிடம்
10 RPM
இல்லைஇல்லை
Gemma SEA-LION v4 27BCloudflare Workers AI, SEA-LION131K10 கோரிக்கை/நிமிடம்
10 RPM
இல்லைஇல்லை
Command A TranslateCohere256K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
~1-2M
ஆம்இல்லை
Tiny Aya GlobalCohere8K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
1K calls/mo shared
இல்லைஇல்லை
North Small TranslateCohere33K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
~1-2M
இல்லைஇல்லை
Tiny Aya EarthCohere8K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
1K calls/mo shared
இல்லைஇல்லை
Tiny Aya FireCohere8K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
1K calls/mo shared
இல்லைஇல்லை
Tiny Aya WaterCohere8K20 கோரிக்கை/நிமிடம்
33 கோரிக்கை/நாள்
1K calls/mo shared
இல்லைஇல்லை

பொருந்தும் 16 இலவச மாதிரிகளில் 12 காட்டப்படுகின்றன. அனைத்து மாதிரிகளையும் பார்க்கவும்.

FreeLLMAPI பட்டியலிலிருந்து நேரடி தரவு (பதிப்பு 2026.11.19, சரிபார்க்கப்பட்டது 2026-11-19). இலவச வரம்புகள் அடிக்கடி மாறும். பட்டியல் ஒவ்வொரு நாளும் சரிபார்க்கப்படுகிறது.

Model குடும்பம்நோக்கம்மூலம்
Command A Translate (Cohere)23 மொழிகளில் மொழிபெயர்ப்பு, அரபு, சீனம், இந்தி, ஜப்பானியம், பாரசீகம் மற்றும் உக்ரேனியம் உட்படCohere changelog, 28 ஆகஸ்ட் 2025
Aya Expanse (Cohere)23 மொழிகளில் பல மொழி உரையாடல்Cohere ஆவணங்கள்
SEA-LION (AI Singapore)தென்கிழக்கு ஆசிய மொழிகள், 11 அல்லது அதற்கு மேல்sea-lion.ai
Typhoonதாய்opentyphoon.ai

பொதுவான models பெரிய மொழிகளுக்கு இடையே நன்றாக மொழிபெயர்க்கின்றன. இன்று சிறந்த இலவச பொதுவான models:

128K+ context உள்ள வலுவான இலவச பொதுவான models
மாதிரிஇலவசம்சூழல் அளவுஇலவச வரம்புகள் (சிறந்த சலுகை)கருவிகள்படப் பார்வை
GLM 5.3APINex, UnoRouter1M5 கோரிக்கை/நிமிடம்
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
ஆம்இல்லை
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM +1 மேலும்1M40 கோரிக்கை/நிமிடம்
40 RPM
ஆம்ஆம்
Gemini 3.8 FlashAPINex, Google AI Studio1M5 கோரிக்கை/நிமிடம்
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
ஆம்ஆம்
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowanceஆம்இல்லை
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring creditஆம்ஆம்
Deepseek V4.1 FlashAPINex1M5 கோரிக்கை/நிமிடம்
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
இல்லைஇல்லை
Gemini 3.7 FlashGoogle AI Studio1M10 கோரிக்கை/நிமிடம்
20 கோரிக்கை/நாள்
250,000 டோக்கன்/நிமிடம்
~3M
ஆம்ஆம்
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring creditஆம்ஆம்

பொருந்தும் 184 இலவச மாதிரிகளில் 8 காட்டப்படுகின்றன. அனைத்து மாதிரிகளையும் பார்க்கவும்.

FreeLLMAPI பட்டியலிலிருந்து நேரடி தரவு (பதிப்பு 2026.11.19, சரிபார்க்கப்பட்டது 2026-11-19). இலவச வரம்புகள் அடிக்கடி மாறும். பட்டியல் ஒவ்வொரு நாளும் சரிபார்க்கப்படுகிறது.

உங்கள் சொந்த உரைகளையும் மொழி இணைகளையும் கொண்டு ஒவ்வொரு model-ஐயும் சோதிக்கவும். இணைக்கு இணை தரம் பெரிதும் மாறுகிறது. ஆங்கிலத்திலிருந்து ஸ்பானிஷுக்கு நல்ல ஒரு model, தாயிலிருந்து வியட்நாமியத்துக்கு பலவீனமாக இருக்கலாம்.

Gateway-ஐ அமைக்கவும்

FreeLLMAPI-ஐ நிறுவவும், டாஷ்போர்டின் Keys பக்கத்தில் உங்கள் இலவச provider keys-ஐச் சேர்க்கவும், ஒருங்கிணைந்த key-ஐ நகலெடுக்கவும். மேலே உள்ள மொழிபெயர்ப்பு models-க்கு, Cohere key, SEA-LION key அல்லது NVIDIA key-ஐச் சேர்க்கவும். பொதுவான models-க்கு Google, Groq அல்லது Mistral keys-ஐச் சேர்க்கவும்.

ஒரு மொழிபெயர்ப்பை நிறுவி சோதிக்கவும்

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."}
    ]
  }'

நிலையான model ID ஒவ்வொரு முறையும் ஒரே மொழிபெயர்ப்பு பாணியைத் தரும். அந்த model அதன் இலவச வரம்பை அடையும்போது, அதே model வேறொரு provider-இல் இலவசமாக இருந்தாலன்றி, கோரிக்கை தோல்வியடையும். மற்ற models-இல் தொடர, translate போன்ற fallback சங்கிலி profile-ஐ உருவாக்கவும், தேர்ந்தெடுத்த models-ஐ வரிசையில் வைக்கவும். பிறகு model ஆக auto:translate-ஐப் பயன்படுத்தவும்.

Python மூலம் தொகுப்புகளாக மொழிபெயர்க்கவும்

ஒவ்வொரு சரத்துக்கும் ஒரு கோரிக்கை என்றால் உங்கள் கோரிக்கை வரம்பு விரைவில் தீர்ந்துவிடும். 20 முதல் 50 குறுகிய சரங்களை JSON பட்டியலாக ஒரே கோரிக்கையில் அனுப்பவும். பதிலில் அதே எண்ணிக்கை உருப்படிகளும் அதே placeholders-உம் உள்ளனவா என்று code சரிபார்க்கிறது. சரிபார்ப்பு தோல்வியடைந்தால், சரங்களை ஒவ்வொன்றாக மொழிபெயர்க்கிறது.

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"))

மொழிபெயர்ப்புக்கு temperature=0-ஐப் பயன்படுத்தவும். அப்போது ஒவ்வொரு இயக்கத்திலும் வெளியீடு மேலும் நிலையாக இருக்கும். மொழிபெயர்ப்புகளை ஒரு கோப்பிலோ தரவுத்தளத்திலோ சேமிக்கவும், புதிய அல்லது மாற்றப்பட்ட சரங்களை மட்டும் மொழிபெயர்க்கவும்.

சொற்களஞ்சியங்கள், தொனி மற்றும் நீண்ட ஆவணங்கள்

  • சொற்களஞ்சியம்: system message-இல் தயாரிப்புப் பெயர்களையும் நிலையான சொற்களையும் பட்டியலிடவும். மொழிபெயர்க்கக் கூடாத சொற்களை model-க்குச் சொல்லவும்.
  • தொனி: நடையைக் குறிப்பிடவும், எடுத்துக்காட்டாக ஜெர்மனில் முறையான "Sie" அல்லது பிரெஞ்சில் முறைசாரா "tu".
  • சூழல்: உரை எங்கே தோன்றும் என்பது பற்றி ஒரு வரியைச் சேர்க்கவும், எடுத்துக்காட்டாக "a banking app-இல் button labels". அது இல்லாமல் குறுகிய சரங்கள் பெரும்பாலும் தெளிவற்றவை.
  • நீண்ட ஆவணங்கள்: பத்தி எல்லைகளில் பிரிக்கவும். ஒவ்வொரு பகுதியையும் முந்தைய பத்தியை சூழலாகச் சேர்த்து அனுப்பவும், புதிய பகுதியை மட்டும் மொழிபெயர்க்கவும்.
  • ஒரு ஆவணத்துக்கு ஒரே model: ஆவண ID உடன் X-Session-Id header-ஐ அனுப்பவும். FreeLLMAPI ஒரு session-ஐ 30 நிமிடங்களுக்கு ஒரே model-இல் வைத்திருக்கும், எனவே சொற்கள் மாறாமல் இருக்கும்.

FreeLLMAPI-இல் ஒரே மாதிரியான கோரிக்கைகளுக்கான விருப்பத் தேர்வு response cache உள்ளது. Cache hit provider quota-வைப் பயன்படுத்தாது. X-FreeLLM-Cache header மூலம் ஒரு கோரிக்கைக்கு இதை இயக்கலாம் அல்லது அணைக்கலாம். temperature=0-உடன், அதே சரமும் அதே அறிவுரைகளும் அதே கோரிக்கையைத் தருகின்றன, எனவே திரும்பத் திரும்ப வரும் சரங்கள் cache-இலிருந்து வருகின்றன.

தரத்தை தானாகச் சரிபார்க்கவும்

எளிய சோதனைகள் ஒரு நபர் படிப்பதற்கு முன்பே பெரும்பாலான மோசமான மொழிபெயர்ப்புகளைக் கண்டறிகின்றன. ஒவ்வொரு தொகுப்புக்குப் பின்னும் அவற்றை இயக்கவும், தோல்வியடைந்த சரங்களை மட்டும் மதிப்பாய்வுப் பட்டியலுக்கு அனுப்பவும்.

  • Placeholders: மொழிபெயர்ப்பில் மூலத்தில் உள்ள அதே placeholders மற்றும் tags இருக்க வேண்டும். மேலே உள்ள code ஏற்கனவே இதைச் சரிபார்க்கிறது.
  • நீளம்: மூல நீளத்தின் மூன்றில் ஒரு பங்கை விடக் குறைவாக அல்லது மூன்று மடங்குக்கு மேல் உள்ள மொழிபெயர்ப்பு பெரும்பாலும் தவறானது.
  • மொழிபெயர்க்கப்படாத உரை: வெளியீடு உள்ளீட்டைப் போலவே இருந்தால், model அதை மொழிபெயர்க்கவில்லை.
  • மீண்டும் மொழிபெயர்த்தல்: முக்கியமான உரைக்கு, முடிவை வேறு model மூலம் மூல மொழிக்கு மீண்டும் மொழிபெயர்க்கவும். சொற்களை அல்ல, பொருளை ஒப்பிடவும்.

மதிப்பாய்வுக்கான சரங்களைக் கண்டறியவும்

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)]

மீண்டும் மொழிபெயர்க்க, உங்கள் மொழிபெயர்ப்பு profile-இல் இல்லாத நிலையான model ID-ஐப் பொருத்தவும். வேறு model முதல் model-இன் பிழைகளை மீண்டும் செய்வது குறைவு.

வரம்புகளும் நேர்மையான சமரசங்களும்

இலவச அடுக்குகள் செயலி சரங்கள், ஆதரவு பதில்கள், உள் ஆவணங்கள் மற்றும் சோதனைகளுக்கு நல்லவை. இந்த வரம்புகளுக்குத் திட்டமிடவும்:

வரம்புமொழிபெயர்ப்பில் விளைவுஎன்ன செய்ய வேண்டும்
நிமிடத்துக்கும் நாளுக்கும் கோரிக்கைகள்ஒரு பெரிய கோப்பு முழு நாளாந்த quota-வையும் பயன்படுத்தலாம்ஒரு கோரிக்கைக்கு 20 முதல் 50 சரங்களைத் தொகுக்கவும். அதிக providers-இன் keys-ஐச் சேர்க்கவும்.
சிறப்பு models-இல் குறைந்த நாளாந்த வரம்புகள்சில மொழிபெயர்ப்பு models ஒரு நாளில் சில கோரிக்கைகளை மட்டுமே அனுமதிக்கின்றனஅவற்றை profile-இல் முதலில் வைக்கவும், அவற்றுக்குப் பின் பொதுவான models-ஐ வைக்கவும்
Failover-க்குப் பின் வெவ்வேறு modelsதொகுப்புகளுக்கு இடையே நடையும் சொற்களும் மாறலாம்சொற்களஞ்சியத்தையும் X-Session-Id header-ஐயும் பயன்படுத்தவும்
SLA இல்லைநாளின் போது தாமதம் மாறுகிறதுகுறிப்பிட்ட நேரத்தில் பதில் தர வேண்டிய நேர மொழிபெயர்ப்புக்கு இலவச அடுக்குகளைப் பயன்படுத்த வேண்டாம்
தரவு விதிமுறைகள்சில இலவச அடுக்குகள் prompts-ஐ models-ஐப் பயிற்சிக்குப் பயன்படுத்தலாம்அந்த வழங்குநர்களுக்கு ரகசிய உரையை அனுப்ப வேண்டாம்

இயந்திர மொழிபெயர்ப்பு தவறாக இருக்கலாம். வெளியிடுவதற்கு முன் சட்ட, மருத்துவ மற்றும் சந்தைப்படுத்தல் உரையைத் தாய்மொழி பேசுபவர் மதிப்பாய்வு செய்யவும். சங்கிலியில் உள்ள ஒவ்வொரு key-உம் அதன் வரம்பில் இருக்கும்போது, gateway Retry-After header உடன் 429 திருப்பும். மேலே உள்ள code காத்திருந்து மீண்டும் முயலும்.

இவை அனைத்தையும் ஒரே விசை மூலம் பயன்படுத்துங்கள். FreeLLMAPI என்பது திறந்த மூலமான, நீங்களே நிறுவும் ரூட்டர். இந்த இலவச அடுக்குகள் அனைத்தையும் ஒரே OpenAI-இணக்கமான இறுதிப்புள்ளிக்குப் பின்னால் வைக்கிறது. ஒரு வழங்குநர் வரம்பை எட்டும்போது தானாக அடுத்ததற்கு மாறுகிறது. பட்டியலைப் பார்க்கவும் அல்லது நேரலைக்குச் செல்லவும்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

LLM அடிப்படையிலான இலவச மொழிபெயர்ப்பு API உள்ளதா?

ஆம். Cohere Command A Translate உட்பட மொழிபெயர்ப்பு models உள்ள பல வழங்குநர்கள் பல மொழி LLMs-ஐ இலவசமாகத் தருகின்றனர். FreeLLMAPI அவற்றை ஒரே OpenAI-compatible key மூலம் வழங்குகிறது.

மொழிபெயர்ப்புக்கு எந்த இலவச LLM சிறந்தது?

அது மொழி இணையைப் பொறுத்தது. Command A Translate 23 மொழிகளை உள்ளடக்குகிறது, SEA-LION தென்கிழக்கு ஆசிய மொழிகளுக்காகவும், Typhoon தாய் மொழிக்காகவும் உருவாக்கப்பட்டவை. உங்கள் சொந்த உரைகளைக் கொண்டு சோதிக்கவும்.

வரம்புகளைத் தாக்காமல் பல சரங்களை எப்படி மொழிபெயர்ப்பது?

20 முதல் 50 சரங்களை JSON பட்டியலாக ஒரே கோரிக்கையில் அனுப்பவும், temperature 0-ஐப் பயன்படுத்தவும், முடிவுகளை cache செய்யவும், அதிக providers-இன் keys-ஐச் சேர்க்கவும்.

LLM மொழிபெயர்ப்புகளில் placeholders மற்றும் HTML tags-ஐ எப்படி வைத்திருப்பது?

அவற்றை அப்படியே வைத்திருக்கும்படி model-க்குச் சொல்லவும், பிறகு ஒவ்வொரு மொழிபெயர்ப்பையும் சரிபார்க்கவும். Placeholders பொருந்தவில்லை என்றால், அந்தச் சரத்தை மீண்டும் மொழிபெயர்க்கவும் அல்லது தனியாக மொழிபெயர்க்கவும்.

உற்பத்திக்கு இலவச LLM மொழிபெயர்ப்பு போதுமானதா?

செயலி சரங்களுக்கும் உள் உரைக்கும், சொற்களஞ்சியமும் சோதனைகளும் இருந்தால் பெரும்பாலும் ஆம். சட்ட, மருத்துவ மற்றும் சந்தைப்படுத்தல் உரையைத் தாய்மொழி பேசுபவர் மதிப்பாய்வு செய்யவும்.

தொடர்புடைய வழிகாட்டிகள்

ஆதாரங்கள்

அனைத்து வழிகாட்டிகள் · அனைத்து இலவச மாதிரிகளையும் பார்க்கவும்