LLMs کے ساتھ مفت ترجمہ API
بڑے زبانی ماڈلز کئی زبانوں کے درمیان اچھا ترجمہ کرتے ہیں، اور کئی فراہم کنندگان انہیں مفت دیتے ہیں۔ کچھ مفت ماڈلز ترجمے کے لیے بنائے گئے ہیں، مثلاً Cohere Command A Translate۔ یہ گائیڈ ترجمے کے مفت ماڈلز، بیچوں میں ترجمہ کرنے والا Python کوڈ، اور منصوبہ بندی کے لیے حدیں دکھاتی ہے۔ تمام درخواستیں FreeLLMAPI سے گزرتی ہیں، جو ایک OpenAI سے مطابقت رکھنے والی کلید کے پیچھے 45 مفت فراہم کنندہ ٹائرز جمع کرتا ہے۔
کوڈ، ماڈل کے نام اور براہِ راست کیٹلاگ کے لیبل انگریزی میں دکھائے جاتے ہیں۔
ترجمے کے لیے مفت ماڈلز
کچھ مفت ماڈلز کئی زبانوں یا کسی ایک زبانی خطے کے لیے تربیت یافتہ ہیں۔ جدول آج کی مفت کیٹلاگ میں کثیر لسانی اور ترجمے کے ماڈلز دکھاتا ہے۔
| ماڈل | مفت دستیاب | سیاق و سباق | مفت حدیں (بہترین پیشکش) | ٹولز | ویژن |
|---|---|---|---|---|---|
| Typhoon 2.5 30B A3B Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | ہاں | نہیں |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 درخواستیں فی منٹ 10 RPM | نہیں | نہیں |
| Nemotron 3 Super 120B | SEA-LION | - | 10 درخواستیں فی منٹ 10 RPM | ہاں | نہیں |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 درخواستیں فی منٹ 10 RPM | نہیں | نہیں |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 درخواستیں فی منٹ 10 RPM | نہیں | نہیں |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 درخواستیں فی منٹ 10 RPM | نہیں | نہیں |
| Command A Translate | Cohere | 256K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن ~1-2M | ہاں | نہیں |
| Tiny Aya Global | Cohere | 8K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن 1K calls/mo shared | نہیں | نہیں |
| North Small Translate | Cohere | 33K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن ~1-2M | نہیں | نہیں |
| Tiny Aya Earth | Cohere | 8K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن 1K calls/mo shared | نہیں | نہیں |
| Tiny Aya Fire | Cohere | 8K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن 1K calls/mo shared | نہیں | نہیں |
| Tiny Aya Water | Cohere | 8K | 20 درخواستیں فی منٹ 33 درخواستیں فی دن 1K calls/mo shared | نہیں | نہیں |
16 میں سے 12 مماثل مفت ماڈلز دکھائے جا رہے ہیں۔ تمام ماڈلز دیکھیں.
FreeLLMAPI کیٹلاگ کا براہِ راست ڈیٹا (ورژن 2026.11.19، 2026-11-19 کو جانچا گیا)۔ مفت حدیں اکثر بدلتی ہیں۔ کیٹلاگ ہر روز جانچا جاتا ہے۔
| ماڈل خاندان | کس کے لیے بنا ہے | ماخذ |
|---|---|---|
| Command A Translate (Cohere) | 23 زبانوں میں ترجمہ، بشمول عربی، چینی، ہندی، جاپانی، فارسی اور یوکرینی | Cohere changelog، 28 اگست 2025 |
| Aya Expanse (Cohere) | 23 زبانوں میں کثیر لسانی چیٹ | Cohere docs |
| SEA-LION (AI Singapore) | جنوب مشرقی ایشیائی زبانیں، 11 یا زیادہ | sea-lion.ai |
| Typhoon | تھائی | opentyphoon.ai |
عمومی ماڈلز بھی اچھا ترجمہ کرتے ہیں، خاص طور پر بڑی زبانوں کے درمیان۔ آج کے سب سے مضبوط مفت عمومی ماڈلز یہ ہیں:
| ماڈل | مفت دستیاب | سیاق و سباق | مفت حدیں (بہترین پیشکش) | ٹولز | ویژن |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 درخواستیں فی منٹ 10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account | ہاں | نہیں |
| GLM 5.3 Flash | APINex, BlazeAPI, NVIDIA NIM +1 مزید | 1M | 40 درخواستیں فی منٹ 40 RPM | ہاں | ہاں |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 درخواستیں فی منٹ 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | ہاں | ہاں |
| Qwen3.8 Flash Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | ہاں | نہیں |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | ہاں | ہاں |
| Deepseek V4.1 Flash | APINex | 1M | 5 درخواستیں فی منٹ 10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account | نہیں | نہیں |
| Gemini 3.7 Flash | Google AI Studio | 1M | 10 درخواستیں فی منٹ 20 درخواستیں فی دن 250,000 ٹوکن فی منٹ ~3M | ہاں | ہاں |
| GPT-5.6 Luna | ElectronHub | 1M | $0.25/week shared recurring credit | ہاں | ہاں |
184 میں سے 8 مماثل مفت ماڈلز دکھائے جا رہے ہیں۔ تمام ماڈلز دیکھیں.
FreeLLMAPI کیٹلاگ کا براہِ راست ڈیٹا (ورژن 2026.11.19، 2026-11-19 کو جانچا گیا)۔ مفت حدیں اکثر بدلتی ہیں۔ کیٹلاگ ہر روز جانچا جاتا ہے۔
ہر ماڈل کو اپنے متن اور زبانی جوڑوں سے جانچیں۔ جوڑوں کے لحاظ سے معیار بہت بدلتا ہے۔ جو ماڈل انگریزی سے ہسپانوی کے لیے اچھا ہو، وہ تھائی سے ویتنامی کے لیے کمزور ہو سکتا ہے۔
گیٹ وے ترتیب دیں
FreeLLMAPI انسٹال کریں، ڈیش بورڈ کے Keys صفحے پر اپنی مفت فراہم کنندہ کلیدیں شامل کریں، اور متحدہ کلید کاپی کریں۔ اوپر کے ترجمے کے ماڈلز کے لیے Cohere کلید، SEA-LION کلید یا NVIDIA کلید شامل کریں۔ عمومی ماڈلز کے لیے Google، Groq یا Mistral کی کلیدیں شامل کریں۔
ایک ترجمہ انسٹال کریں اور جانچیں
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."}
]
}'مقررہ ماڈل ID ہر بار ایک ہی ترجمے کا انداز دیتا ہے۔ جب وہ ماڈل اپنی مفت حد تک پہنچتا ہے، تو درخواست ناکام ہو جاتی ہے، جب تک وہی ماڈل کسی دوسرے فراہم کنندہ پر مفت نہ ہو۔ دوسرے ماڈلز پر جاری رکھنے کے لیے fallback chain profile بنائیں، مثلاً translate، جس میں آپ کے منتخب ماڈلز ترتیب سے ہوں۔ پھر ماڈل کے طور پر auto:translate استعمال کریں۔
Python کے ساتھ بیچوں میں ترجمہ کریں
ہر سٹرنگ کے لیے ایک درخواست آپ کی درخواست کی حدیں جلد ختم کر دیتی ہے۔ 20 سے 50 چھوٹی سٹرنگز ایک درخواست میں JSON list کے طور پر بھیجیں۔ کوڈ جانچتا ہے کہ جواب میں اتنے ہی آئٹمز اور وہی placeholders ہیں۔ اگر جانچ ناکام ہو، تو وہ سٹرنگز ایک ایک کر کے ترجمہ کی جاتی ہیں۔
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"))ترجمے کے لیے temperature=0 استعمال کریں۔ اس سے ہر رن کے درمیان آؤٹ پٹ زیادہ مستحکم رہتا ہے۔ ترجمے کسی فائل یا ڈیٹا بیس میں محفوظ کریں، اور صرف نئی یا بدلی ہوئی سٹرنگز کا ترجمہ کریں۔
گلوسری، لہجہ اور طویل دستاویزات
- گلوسری: system message میں مصنوعات کے نام اور مقررہ اصطلاحات لکھیں۔ ماڈل کو بتائیں کہ کون سے الفاظ کا ترجمہ نہیں کرنا۔
- لہجہ: انداز واضح لکھیں، مثلاً جرمن میں رسمی "Sie" یا فرانسیسی میں غیر رسمی "tu"۔
- سیاق: ایک سطر شامل کریں کہ متن کہاں ظاہر ہوتا ہے، مثلاً "ایک بینکنگ ایپ میں بٹن کے لیبل"۔ اس کے بغیر مختصر سٹرنگز اکثر مبہم ہوتی ہیں۔
- طویل دستاویزات: پیراگراف کی حد پر تقسیم کریں۔ ہر حصہ پچھلے پیراگراف کے ساتھ سیاق کے طور پر بھیجیں، اور صرف نیا حصہ ترجمہ کریں۔
- ایک دستاویز کے لیے ایک ماڈل: دستاویز ID کے ساتھ
X-Session-Idہیڈر بھیجیں۔ FreeLLMAPI ایک سیشن کو 30 منٹ تک ایک ہی ماڈل پر رکھتا ہے، اس لیے اصطلاحات یکساں رہتی ہیں۔
FreeLLMAPI میں یکساں درخواستوں کے لیے اختیاری response cache ہے۔ cache hit کسی فراہم کنندہ کا کوٹہ استعمال نہیں کرتا۔ آپ X-FreeLLM-Cache ہیڈر سے ایک درخواست کے لیے اسے آن یا آف کر سکتے ہیں۔ temperature=0 کے ساتھ وہی سٹرنگ اور وہی ہدایات وہی درخواست بناتی ہیں، اس لیے دہرائی گئی سٹرنگز cache سے آتی ہیں۔
معیار کی خودکار جانچ
سادہ جانچیں زیادہ تر خراب ترجمے ایک شخص کے پڑھنے سے پہلے پکڑ لیتی ہیں۔ ہر بیچ کے بعد انہیں چلائیں اور صرف ناکام سٹرنگز ایک جائزہ فہرست میں بھیجیں۔
- Placeholders: ترجمے میں وہی placeholders اور tags ہونے چاہئیں جو ماخذ میں ہیں۔ اوپر کا کوڈ یہ پہلے ہی جانچتا ہے۔
- لمبائی: وہ ترجمہ جو ماخذ کی لمبائی کے ایک تہائی سے کم یا تین گنا سے زیادہ ہو، اکثر غلط ہوتا ہے۔
- بغیر ترجمے کا متن: اگر آؤٹ پٹ ان پٹ جیسا ہو، تو ماڈل نے ترجمہ نہیں کیا۔
- الٹا ترجمہ: اہم متن کے لیے، نتیجے کو مختلف ماڈل کے ساتھ دوبارہ ماخذ زبان میں ترجمہ کریں۔ الفاظ کے بجائے مفہوم کا موازنہ کریں۔
جائزے کے لیے سٹرنگز تلاش کریں
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)]الٹے ترجمے کے لیے ایک مقررہ ماڈل ID لگائیں جو آپ کے ترجمے کے profile میں نہ ہو۔ مختلف ماڈل پہلے ماڈل کی غلطیاں دہرانے کا امکان کم رکھتا ہے۔
حدیں اور ایماندار تجارتی فیصلے
مفت ٹائرز ایپ کی سٹرنگز، سپورٹ کے جوابات، اندرونی دستاویزات اور ٹیسٹس کے لیے اچھے ہیں۔ ان حدوں کی منصوبہ بندی کریں:
| حد | ترجمے پر اثر | کیا کریں |
|---|---|---|
| فی منٹ اور فی دن درخواستیں | ایک بڑی فائل پورا روزانہ کوٹہ استعمال کر سکتی ہے | فی درخواست 20 سے 50 سٹرنگز بیچ کریں۔ مزید فراہم کنندگان کی کلیدیں شامل کریں۔ |
| خصوصی ماڈلز پر کم روزانہ حدیں | کچھ ترجمے کے ماڈلز روزانہ کم درخواستیں دیتے ہیں | انہیں profile میں پہلے رکھیں، عمومی ماڈلز ان کے بعد |
| failover کے بعد مختلف ماڈلز | بیچوں کے درمیان انداز اور اصطلاحات بدل سکتی ہیں | گلوسری اور X-Session-Id ہیڈر استعمال کریں |
| کوئی SLA نہیں | دن کے دوران تاخیر بدلتی ہے | ایسے ریئل ٹائم ترجمے کے لیے مفت ٹائرز استعمال نہ کریں جنہیں مقررہ وقت میں جواب دینا ہو |
| ڈیٹا کی شرائط | کچھ مفت ٹائرز prompts سے ماڈلز کی تربیت کر سکتے ہیں | خفیہ متن ان فراہم کنندگان کو نہ بھیجیں |
مشین ترجمہ غلط ہو سکتا ہے۔ قانونی، طبی اور مارکیٹنگ متن شائع کرنے سے پہلے کسی مقامی بولنے والے سے جائزہ لیں۔ جب chain کی ہر کلید اپنی حد پر ہو، تو گیٹ وے Retry-After ہیڈر کے ساتھ 429 واپس کرتا ہے۔ اوپر کا کوڈ انتظار کر کے دوبارہ کوشش کرتا ہے۔
اکثر پوچھے گئے سوالات
کیا LLMs پر مبنی کوئی مفت ترجمہ API ہے؟
ہاں۔ کئی فراہم کنندگان کثیر لسانی LLMs مفت دیتے ہیں، بشمول Cohere Command A Translate جیسے ترجمے کے ماڈلز۔ FreeLLMAPI انہیں ایک OpenAI سے مطابقت رکھنے والی کلید کے ذریعے فراہم کرتا ہے۔
ترجمے کے لیے کون سا مفت LLM سب سے اچھا ہے؟
یہ زبانی جوڑے پر منحصر ہے۔ Command A Translate 23 زبانوں کو سپورٹ کرتا ہے، SEA-LION جنوب مشرقی ایشیائی زبانوں کے لیے بنا ہے، اور Typhoon تھائی کے لیے۔ اپنے متن سے جانچیں۔
بغیر rate limits تک پہنچے بہت سی سٹرنگز کا ترجمہ کیسے کروں؟
20 سے 50 سٹرنگز ایک درخواست میں JSON list کے طور پر بھیجیں، temperature 0 استعمال کریں، نتائج cache کریں اور مزید فراہم کنندگان کی کلیدیں شامل کریں۔
LLM ترجموں میں placeholders اور HTML tags کیسے محفوظ رکھوں؟
ماڈل کو بتائیں کہ انہیں بالکل ویسا ہی رکھے، پھر ہر ترجمہ جانچیں۔ اگر placeholders میل نہ کھائیں تو وہ سٹرنگ دوبارہ الگ سے ترجمہ کریں۔
کیا مفت LLM ترجمہ پروڈکشن کے لیے کافی ہے؟
ایپ کی سٹرنگز اور اندرونی متن کے لیے اکثر ہاں، گلوسری اور جانچ کے ساتھ۔ قانونی، طبی اور مارکیٹنگ متن کا مقامی بولنے والے سے جائزہ لیں۔
متعلقہ گائیڈز
- Python میں مفت LLM API
- کیا مفت LLM APIs آپ کے ڈیٹا پر تربیت کرتے ہیں؟
- مفت LLM API ریٹ حدیں
- مفت OpenAI سے مطابقت رکھنے والے API base URLs
- تجارتی استعمال کے لیے مفت LLM API
ماخذ
- Cohere changelog: Command A Translate (23 languages) (20 November 2026 کو جانچا گیا)
- Cohere docs: Aya (Aya Expanse, 23 languages) (20 November 2026 کو جانچا گیا)
- AI Singapore: SEA-LION (20 November 2026 کو جانچا گیا)
- Typhoon: Thai language models (20 November 2026 کو جانچا گیا)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (20 November 2026 کو جانچا گیا)