LLM తో ఉచిత అనువాద API
పెద్ద భాషా మోడల్లు అనేక భాషల మధ్య బాగా అనువదిస్తాయి, మరియు అనేక ప్రొవైడర్లు వాటిని ఉచితంగా అందిస్తారు. కొన్ని ఉచిత మోడల్లు అనువాదం కోసం రూపొందించబడ్డాయి, ఉదాహరణకు Cohere Command A Translate. ఈ గైడ్ అనువాదం కోసం ఉచిత మోడల్లను, బ్యాచ్లలో అనువదించే Python కోడ్ను, మరియు ప్లాన్ చేయాల్సిన పరిమితులను చూపుతుంది. అన్ని అభ్యర్థనలు FreeLLMAPI ద్వారా వెళ్తాయి, ఇది 45 ఉచిత ప్రొవైడర్ టియర్లను ఒకే OpenAI-అనుకూల కీ వెనుక కలుపుతుంది.
కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్లు ఇంగ్లీషులోనే చూపబడతాయి.
అనువాదం కోసం ఉచిత మోడల్లు
కొన్ని ఉచిత మోడల్లు అనేక భాషల కోసం లేదా ఒక భాషా ప్రాంతం కోసం శిక్షణ పొందాయి. ఈ పట్టిక నేటి ఉచిత కేటలాగ్లోని బహుభాషా మరియు అనువాద మోడల్లను చూపుతుంది.
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | అవును | లేదు |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 అభ్యర్థనలు/నిమిషం 10 RPM | లేదు | లేదు |
| Nemotron 3 Super 120B | SEA-LION | - | 10 అభ్యర్థనలు/నిమిషం 10 RPM | అవును | లేదు |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 అభ్యర్థనలు/నిమిషం 10 RPM | లేదు | లేదు |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 అభ్యర్థనలు/నిమిషం 10 RPM | లేదు | లేదు |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 అభ్యర్థనలు/నిమిషం 10 RPM | లేదు | లేదు |
| Command A Translate | Cohere | 256K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు ~1-2M | అవును | లేదు |
| Tiny Aya Global | Cohere | 8K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు 1K calls/mo shared | లేదు | లేదు |
| North Small Translate | Cohere | 33K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు ~1-2M | లేదు | లేదు |
| Tiny Aya Earth | Cohere | 8K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు 1K calls/mo shared | లేదు | లేదు |
| Tiny Aya Fire | Cohere | 8K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు 1K calls/mo shared | లేదు | లేదు |
| Tiny Aya Water | Cohere | 8K | 20 అభ్యర్థనలు/నిమిషం 33 అభ్యర్థనలు/రోజు 1K calls/mo shared | లేదు | లేదు |
సరిపోలే 16 ఉచిత మోడల్లలో 12 చూపబడుతున్నాయి. అన్ని మోడల్లను చూడండి.
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
| మోడల్ కుటుంబం | దేనికోసం రూపొందించబడింది | మూలం |
|---|---|---|
| Command A Translate (Cohere) | 23 భాషల్లో అనువాదం, Arabic, Chinese, Hindi, Japanese, Persian మరియు Ukrainian తో సహా | Cohere changelog, 28 August 2025 |
| Aya Expanse (Cohere) | 23 భాషల్లో బహుభాషా చాట్ | Cohere docs |
| SEA-LION (AI Singapore) | ఆగ్నేయాసియా భాషలు, 11 లేదా ఎక్కువ | sea-lion.ai |
| Typhoon | Thai | opentyphoon.ai |
సాధారణ మోడల్లు కూడా బాగా అనువదిస్తాయి, ప్రధానంగా పెద్ద భాషల మధ్య. నేడు అత్యంత శక్తివంతమైన ఉచిత సాధారణ మోడల్లు:
| మోడల్ | ఉచితంగా లభ్యం | కాంటెక్స్ట్ | ఉచిత పరిమితులు (ఉత్తమ ఆఫర్) | సాధనాలు | విజన్ |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 అభ్యర్థనలు/నిమిషం 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | అవును | లేదు |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 మరిన్ని | 1M | 40 అభ్యర్థనలు/నిమిషం 40 RPM | అవును | అవును |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 అభ్యర్థనలు/నిమిషం 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | అవును | అవును |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | అవును | లేదు |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | అవును | అవును |
| Deepseek V4.1 Flash | APINex | 1M | 5 అభ్యర్థనలు/నిమిషం 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | లేదు | లేదు |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 అభ్యర్థనలు/నిమిషం 20 అభ్యర్థనలు/రోజు 250,000 టోకెన్లు/నిమిషం ~3M | అవును | అవును |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | అవును | అవును |
సరిపోలే 184 ఉచిత మోడల్లలో 8 చూపబడుతున్నాయి. అన్ని మోడల్లను చూడండి.
FreeLLMAPI కేటలాగ్ నుండి ప్రత్యక్ష డేటా (వెర్షన్ 2026.11.19, 2026-11-19 న తనిఖీ చేయబడింది). ఉచిత పరిమితులు తరచుగా మారుతాయి. కేటలాగ్ ప్రతి రోజు తనిఖీ చేయబడుతుంది.
ప్రతి మోడల్ను మీ స్వంత వచనాలు మరియు భాషా జతలతో పరీక్షించండి. జతను బట్టి నాణ్యత చాలా మారుతుంది. ఇంగ్లీష్ నుండి స్పానిష్కు మంచిగా ఉన్న మోడల్, Thai నుండి Vietnamese కు బలహీనంగా ఉండవచ్చు.
గేట్వేను సెట్ చేయండి
FreeLLMAPI ఇన్స్టాల్ చేయండి, డాష్బోర్డ్ Keys పేజీలో మీ ఉచిత ప్రొవైడర్ కీలను జోడించండి, మరియు ఏకీకృత కీని కాపీ చేయండి. పైన ఉన్న అనువాద మోడల్ల కోసం, Cohere కీ, SEA-LION కీ లేదా NVIDIA కీ జోడించండి. సాధారణ మోడల్ల కోసం Google, Groq లేదా Mistral కీలను జోడించండి.
ఒక అనువాదాన్ని ఇన్స్టాల్ చేసి పరీక్షించండి
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."}
]
}'స్థిర మోడల్ ID ప్రతిసారి ఒకే అనువాద శైలిని ఇస్తుంది. ఆ మోడల్ దాని ఉచిత పరిమితిని చేరినప్పుడు, అదే మోడల్ మరో ప్రొవైడర్లో ఉచితం కాకపోతే, అభ్యర్థన విఫలమవుతుంది. ఇతర మోడల్లపై కొనసాగించడానికి, translate వంటి fallback chain profile సృష్టించండి, మీరు ఎంచుకున్న మోడల్లను క్రమంలో ఉంచండి. తర్వాత మోడల్గా auto:translate ఉపయోగించండి.
Python తో బ్యాచ్లలో అనువదించండి
ప్రతి స్ట్రింగ్కు ఒక అభ్యర్థన మీ అభ్యర్థన పరిమితులను త్వరగా ఉపయోగిస్తుంది. 20 నుండి 50 చిన్న స్ట్రింగ్లను JSON జాబితాగా ఒక అభ్యర్థనలో పంపండి. సమాధానంలో అదే సంఖ్యలో అంశాలు మరియు అదే placeholders ఉన్నాయో కోడ్ తనిఖీ చేస్తుంది. తనిఖీ విఫలమైతే, అది స్ట్రింగ్లను ఒక్కొక్కటిగా అనువదిస్తుంది.
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"))అనువాదం కోసం temperature=0 ఉపయోగించండి. అప్పుడు అమలుల మధ్య అవుట్పుట్ మరింత స్థిరంగా ఉంటుంది. అనువాదాలను ఫైల్ లేదా డేటాబేస్లో సేవ్ చేయండి, మరియు కొత్త లేదా మారిన స్ట్రింగ్లను మాత్రమే అనువదించండి.
గ్లాసరీలు, టోన్ మరియు పొడవైన పత్రాలు
- గ్లాసరీ: system message లో ఉత్పత్తి పేర్లు మరియు స్థిర పదాలను జాబితా చేయండి. మోడల్కు ఏ పదాలను అనువదించకూడదో చెప్పండి.
- టోన్: శైలిని పేర్కొనండి, ఉదాహరణకు జర్మన్లో అధికారిక “Sie”, లేదా ఫ్రెంచ్లో అనధికారిక “tu”.
- సందర్భం: వచనం ఎక్కడ కనిపిస్తుందో ఒక పంక్తిని జోడించండి, ఉదాహరణకు “బ్యాంకింగ్ యాప్లో button labels”. అది లేకుండా చిన్న స్ట్రింగ్లు తరచుగా అస్పష్టంగా ఉంటాయి.
- పొడవైన పత్రాలు: పేరా సరిహద్దుల వద్ద విభజించండి. ప్రతి భాగాన్ని ముందు పేరాతో సందర్భంగా పంపండి, మరియు కొత్త భాగాన్ని మాత్రమే అనువదించండి.
- ఒక పత్రానికి ఒకే మోడల్: పత్రం ID తో
X-Session-Idహెడర్ పంపండి. FreeLLMAPI ఒక session ను 30 నిమిషాల పాటు ఒకే మోడల్పై ఉంచుతుంది, కాబట్టి పదాలు ఒకే విధంగా ఉంటాయి.
FreeLLMAPI ఒకే విధమైన అభ్యర్థనల కోసం opt-in response cache కలిగి ఉంది. cache hit ఏ ప్రొవైడర్ కోటాను ఉపయోగించదు. X-FreeLLM-Cache హెడర్తో ఒక అభ్యర్థనకు దీనిని ఆన్ లేదా ఆఫ్ చేయవచ్చు. temperature=0 తో, అదే స్ట్రింగ్ మరియు అదే సూచనలు అదే అభ్యర్థనను ఇస్తాయి, కాబట్టి పునరావృత స్ట్రింగ్లు cache నుండి వస్తాయి.
నాణ్యతను స్వయంచాలకంగా తనిఖీ చేయండి
సరళమైన తనిఖీలు ఒక వ్యక్తి చదవడానికి ముందే చాలా చెడు అనువాదాలను కనుగొంటాయి. ప్రతి బ్యాచ్ తర్వాత వాటిని నడపండి, మరియు విఫలమైన స్ట్రింగ్లను మాత్రమే సమీక్ష జాబితాకు పంపండి.
- Placeholders: అనువాదంలో మూలంలోని అదే placeholders మరియు tags ఉండాలి. పైన ఉన్న కోడ్ ఇప్పటికే దీనిని తనిఖీ చేస్తుంది.
- పొడవు: మూల పొడవులో మూడో వంతు కంటే తక్కువ లేదా మూడు రెట్ల కంటే ఎక్కువ అనువాదం తరచుగా తప్పుగా ఉంటుంది.
- అనువదించని వచనం: అవుట్పుట్ ఇన్పుట్తో సమానమైతే, మోడల్ దానిని అనువదించలేదు.
- తిరిగి అనువాదం: ముఖ్యమైన వచనం కోసం, ఫలితాన్ని వేరే మోడల్తో మూల భాషలోకి తిరిగి అనువదించండి. పదాలను కాదు, అర్థాన్ని పోల్చండి.
సమీక్ష కోసం స్ట్రింగ్లను కనుగొనండి
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)]తిరిగి అనువాదం కోసం, మీ అనువాద ప్రొఫైల్లో లేని స్థిర మోడల్ ID ను ఎంచుకోండి. వేరే మోడల్ మొదటి మోడల్ తప్పులను పునరావృతం చేసే అవకాశం తక్కువ.
పరిమితులు మరియు నిజాయితీ ట్రేడ్-ఆఫ్లు
ఉచిత టియర్లు యాప్ స్ట్రింగ్లు, మద్దతు జవాబులు, అంతర్గత పత్రాలు మరియు పరీక్షలకు మంచివి. ఈ పరిమితులను ప్లాన్ చేయండి:
| పరిమితి | అనువాదంపై ప్రభావం | ఏమి చేయాలి |
|---|---|---|
| నిమిషానికి మరియు రోజుకు అభ్యర్థనలు | ఒక పెద్ద ఫైల్ పూర్తి రోజువారీ కోటాను ఉపయోగించవచ్చు | అభ్యర్థనకు 20 నుండి 50 స్ట్రింగ్లను బ్యాచ్ చేయండి. మరిన్ని ప్రొవైడర్ల కీలను జోడించండి. |
| ప్రత్యేక మోడల్లపై తక్కువ రోజువారీ పరిమితులు | కొన్ని అనువాద మోడల్లు రోజుకు తక్కువ అభ్యర్థనలను అనుమతిస్తాయి | వాటిని profile లో ముందు ఉంచండి, తర్వాత సాధారణ మోడల్లను ఉంచండి |
| failover తర్వాత వేర్వేరు మోడల్లు | బ్యాచ్ల మధ్య శైలి మరియు పదాలు మారవచ్చు | గ్లాసరీ మరియు X-Session-Id హెడర్ ఉపయోగించండి |
| SLA లేదు | రోజులో జాప్యం మారుతుంది | స్థిర సమయంలో జవాబు ఇవ్వాల్సిన రియల్-టైమ్ అనువాదానికి ఉచిత టియర్లను ఉపయోగించవద్దు |
| డేటా నిబంధనలు | కొన్ని ఉచిత టియర్లు మోడల్లకు శిక్షణ ఇవ్వడానికి prompts ను ఉపయోగించవచ్చు | ఆ ప్రొవైడర్లకు గోప్య వచనం పంపవద్దు |
యంత్ర అనువాదం తప్పు కావచ్చు. ప్రచురించే ముందు చట్టపరమైన, వైద్య మరియు మార్కెటింగ్ వచనాన్ని స్థానిక భాషా నిపుణుడు సమీక్షించాలి. గొలుసులోని ప్రతి కీ దాని పరిమితిలో ఉన్నప్పుడు, గేట్వే Retry-After హెడర్తో 429 ను తిరిగి ఇస్తుంది. పైన ఉన్న కోడ్ వేచి ఉండి మళ్లీ ప్రయత్నిస్తుంది.
తరచుగా అడిగే ప్రశ్నలు
LLM ఆధారిత ఉచిత అనువాద API ఉందా?
అవును. అనేక ప్రొవైడర్లు బహుభాషా LLMలను ఉచితంగా ఇస్తారు, Cohere Command A Translate వంటి అనువాద మోడల్లతో సహా. FreeLLMAPI వాటిని ఒకే OpenAI-అనుకూల కీ ద్వారా అందిస్తుంది.
అనువాదానికి ఏ ఉచిత LLM ఉత్తమం?
ఇది భాషా జతపై ఆధారపడుతుంది. Command A Translate 23 భాషలను కవర్ చేస్తుంది, SEA-LION ఆగ్నేయాసియా భాషల కోసం, మరియు Typhoon Thai కోసం రూపొందించబడ్డాయి. మీ స్వంత వచనాలతో పరీక్షించండి.
రేట్ పరిమితులను తాకకుండా అనేక స్ట్రింగ్లను ఎలా అనువదించాలి?
20 నుండి 50 స్ట్రింగ్లను JSON జాబితాగా ఒక అభ్యర్థనలో పంపండి, temperature 0 ఉపయోగించండి, ఫలితాలను cache చేయండి, మరియు మరిన్ని ప్రొవైడర్ల కీలను జోడించండి.
LLM అనువాదాలలో placeholders మరియు HTML tags ను ఎలా ఉంచాలి?
వాటిని ఖచ్చితంగా ఉంచమని మోడల్కు చెప్పండి, తర్వాత ప్రతి అనువాదాన్ని తనిఖీ చేయండి. placeholders సరిపోకపోతే, ఆ స్ట్రింగ్ను మళ్లీ లేదా ఒంటరిగా అనువదించండి.
ఉచిత LLM అనువాదం ఉత్పత్తికి సరిపోతుందా?
యాప్ స్ట్రింగ్లు మరియు అంతర్గత వచనానికి, గ్లాసరీ మరియు తనిఖీలతో, తరచుగా అవును. చట్టపరమైన, వైద్య మరియు మార్కెటింగ్ వచనాన్ని స్థానిక భాషా నిపుణుడు సమీక్షించాలి.
సంబంధిత గైడ్లు
- Pythonలో ఉచిత LLM API
- ఉచిత LLM APIలు మీ డేటాతో శిక్షణ ఇస్తాయా?
- ఉచిత LLM API రేట్ పరిమితులు
- ఉచిత OpenAI-అనుకూల API base URLs
- వాణిజ్య ఉపయోగం కోసం ఉచిత LLM API
మూలాలు
- Cohere changelog: Command A Translate (23 languages) (20 November 2026 న తనిఖీ చేయబడింది)
- Cohere docs: Aya (Aya Expanse, 23 languages) (20 November 2026 న తనిఖీ చేయబడింది)
- AI Singapore: SEA-LION (20 November 2026 న తనిఖీ చేయబడింది)
- Typhoon: Thai language models (20 November 2026 న తనిఖీ చేయబడింది)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (20 November 2026 న తనిఖీ చేయబడింది)