首页 / 指南 / 使用 LLM 的免费翻译 API

使用 LLM 的免费翻译 API

大语言模型在多种语言之间的翻译效果很好,并且有多家提供商免费提供。部分免费模型专为翻译设计,例如 Cohere Command A Translate。本指南介绍用于翻译的免费模型、分批翻译的 Python 代码,以及需要规划的限制。所有请求都通过 FreeLLMAPI 发送。FreeLLMAPI 通过一个兼容 OpenAI 的密钥汇集 45 个免费提供商套餐。

代码、模型名称和目录中的实时标签以英文显示。

用于翻译的免费模型

部分免费模型针对多种语言或某一语言区域进行了训练。下表列出了当前免费目录中的多语言模型和翻译模型。

免费翻译和多语言模型
模型免费提供方上下文免费额度(最优惠)工具视觉
Typhoon 2.5 30B A3B InstructTyphoon131KOngoing free research API (shared rate limits)是否
Qwen SEA-LION v4.5 27BSEA-LION33K10 请求/分钟
10 RPM
否否
Nemotron 3 Super 120BSEA-LION-10 请求/分钟
10 RPM
是否
Qwen SEA-LION v4 32BSEA-LION33K10 请求/分钟
10 RPM
否否
Llama SEA-LION v3 70BSEA-LION131K10 请求/分钟
10 RPM
否否
Gemma SEA-LION v4 27BCloudflare Workers AI, SEA-LION131K10 请求/分钟
10 RPM
否否
Command A TranslateCohere256K20 请求/分钟
33 请求/天
~1-2M
是否
Tiny Aya GlobalCohere8K20 请求/分钟
33 请求/天
1K calls/mo shared
否否
North Small TranslateCohere33K20 请求/分钟
33 请求/天
~1-2M
否否
Tiny Aya EarthCohere8K20 请求/分钟
33 请求/天
1K calls/mo shared
否否
Tiny Aya FireCohere8K20 请求/分钟
33 请求/天
1K calls/mo shared
否否
Tiny Aya WaterCohere8K20 请求/分钟
33 请求/天
1K calls/mo shared
否否

显示 12 个(共 16 个匹配的免费模型)。 查看所有模型.

数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。

模型系列设计用途来源
Command A Translate(Cohere)支持 23 种语言的翻译,包括阿拉伯语、中文、印地语、日语、波斯语和乌克兰语Cohere 更新日志,2025 年 8 月 28 日
Aya Expanse(Cohere)支持 23 种语言的多语言对话Cohere 文档
SEA-LION(AI Singapore)东南亚语言,11 种或以上sea-lion.ai
Typhoon泰语opentyphoon.ai

通用模型同样可以很好地翻译,主要用于大语种之间的翻译。目前最强的免费通用模型有:

上下文为 128K 以上的强力免费通用模型
模型免费提供方上下文免费额度(最优惠)工具视觉
GLM 5.3APINex, UnoRouter1M5 请求/分钟
10M weighted tokens/day shared across APINex free routes; 4x token multiplier; 5 requests/minute/account
是否
GLM 5.3 FlashAPINex, BlazeAPI, NVIDIA NIM 另外 1 个1M40 请求/分钟
40 RPM
是是
Gemini 3.8 FlashAPINex, Google AI Studio1M5 请求/分钟
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
是是
Qwen3.8 Flash NextAMD Radeon Cloud, BlazeAPI, ElectronHub262KRecurring daily account allowance是否
Qwen3.8 FlashElectronHub1M$0.25/week shared recurring credit是是
Deepseek V4.1 FlashAPINex1M5 请求/分钟
10M weighted tokens/day shared across APINex free routes; 3x token multiplier; 5 requests/minute/account
否否
Gemini 3.7 FlashGoogle AI Studio1M10 请求/分钟
20 请求/天
250,000 令牌/分钟
~3M
是是
GPT-5.6 LunaElectronHub1M$0.25/week shared recurring credit是是

显示 8 个(共 184 个匹配的免费模型)。 查看所有模型.

数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。

请使用您自己的文本和语言对测试每个模型。不同语言对之间的质量差异很大。适合英译西的模型,在泰译越时可能表现较弱。

设置网关

安装 FreeLLMAPI,在仪表板的密钥页面添加您的免费提供商密钥,并复制统一密钥。对于上述翻译模型,请添加 Cohere 密钥、SEA-LION 密钥或 NVIDIA 密钥。对于通用模型,请添加 Google、Groq 或 Mistral 密钥。

安装并测试一次翻译

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."}
    ]
  }'

使用固定的模型 ID,每次的翻译风格都相同。当该模型达到免费限制时,请求会失败,除非同一模型在其他提供商处也免费提供。要继续使用其他模型,请创建一个回退链配置,例如 translate,并按顺序加入您选择的模型。然后将 auto:translate 用作模型。

使用 Python 分批翻译

每个字符串单独发送一次请求,会很快耗尽请求限制。请将 20 到 50 个短字符串作为 JSON 列表放在一次请求中发送。代码会检查返回结果的条目数量和占位符是否一致。如果检查失败,则逐个翻译字符串。

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"))

翻译时请使用 temperature=0。这样,每次运行的输出会更加稳定。将翻译结果保存到文件或数据库中,并且只翻译新增或已更改的字符串。

术语表、语气和长文档

  • 术语表:在系统消息中列出产品名称和固定术语。告诉模型哪些词语不得翻译。
  • 语气:说明语体,例如德语的正式用语 "Sie" 或法语的非正式用语 "tu"。
  • 上下文:添加一行,说明文本出现的位置,例如 "银行应用中的按钮标签"。没有上下文,短字符串通常含义不明确。
  • 长文档:在段落边界处拆分。发送每个部分时,将前一段作为上下文,并且只翻译新的部分。
  • 同一文档使用同一模型:发送带有文档 ID 的 X-Session-Id 标头。FreeLLMAPI 会将会话保持在同一模型上 30 分钟,因此术语保持一致。

FreeLLMAPI 为相同的请求提供可选的响应缓存。缓存命中不占用提供商配额。您可以使用 X-FreeLLM-Cache 标头为单个请求开启或关闭缓存。在 temperature=0 的情况下,相同的字符串和相同的指令会产生相同的请求,因此重复的字符串会从缓存中获取。

自动检查质量

简单的检查可以在人工阅读之前发现大部分错误的翻译。每批次完成后运行这些检查,并且只将未通过的字符串发送到审核列表。

  • 占位符:译文必须与原文具有相同的占位符和标签。上面的代码已经执行了此项检查。
  • 长度:译文长度不足原文的三分之一,或超过原文的三倍,通常说明翻译有误。
  • 未翻译的文本:如果输出与输入相同,则说明模型没有翻译该文本。
  • 回译:对于重要文本,请使用另一个模型将结果翻译回源语言。比较含义,而不是逐词比较。

找出需要审核的字符串

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)]

进行回译时,请固定一个不在您的翻译配置中的模型 ID。不同的模型不太可能重复第一个模型的错误。

限制与客观的权衡

免费套餐适用于应用字符串、支持回复、内部文档和测试。请对以下限制做好规划:

限制对翻译的影响应对方法
每分钟和每天的请求数一个大文件可能耗尽整天的配额每次请求分 20 到 50 个字符串。添加更多提供商的密钥。
专用模型的每日限额较低部分翻译模型每天允许的请求数很少将它们放在配置的前面,通用模型放在其后
故障切换后更换模型不同批次之间的风格和术语可能发生变化使用术语表和 X-Session-Id 标头
无服务等级协议(SLA)延迟会随一天中的时间变化不要将免费套餐用于必须在固定时间内返回结果的实时翻译
数据条款部分免费套餐可能会使用提示词训练模型请勿将机密文本发送给这些提供商

机器翻译可能有误。在发布法律、医疗和营销文本之前,请由母语人士进行审核。当链中的每个密钥都达到限制时,网关会返回带有 Retry-After 标头的 429。上面的代码会等待并重试。

通过一个密钥使用以上每一个模型。 FreeLLMAPI 是一个开源的自托管路由器。它将所有这些免费套餐放在一个兼容 OpenAI 的端点之后,并在某个套餐被限速时自动切换。 浏览目录 或 立即开始.

常见问题

是否存在基于 LLM 的免费翻译 API?

有。多家提供商免费提供多语言 LLM,包括 Cohere Command A Translate 等翻译模型。FreeLLMAPI 通过一个兼容 OpenAI 的密钥提供这些模型。

哪款免费 LLM 最适合翻译?

这取决于语言对。Command A Translate 支持 23 种语言,SEA-LION 专为东南亚语言设计,Typhoon 专为泰语设计。请使用您自己的文本进行测试。

如何在不触发速率限制的情况下翻译大量字符串?

在一次请求中以 JSON 列表的形式发送 20 到 50 个字符串,使用 temperature 0,缓存结果,并添加更多提供商的密钥。

如何在 LLM 翻译中保留占位符和 HTML 标签?

告诉模型完整保留它们,然后检查每条译文。如果占位符不匹配,请单独或重新翻译该字符串。

免费 LLM 翻译能否满足生产环境的需求?

对于应用字符串和内部文本,通常可以,前提是使用术语表并进行检查。法律、医疗和营销文本请由母语人士审核。

相关指南

来源

全部指南 · 浏览所有免费模型