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。
| 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 Instruct | Typhoon | 131K | Ongoing free research API (shared rate limits) | 是 | 否 |
| Qwen SEA-LION v4.5 27B | SEA-LION | 33K | 10 请求/分钟 10 RPM | 否 | 否 |
| Nemotron 3 Super 120B | SEA-LION | - | 10 请求/分钟 10 RPM | 是 | 否 |
| Qwen SEA-LION v4 32B | SEA-LION | 33K | 10 请求/分钟 10 RPM | 否 | 否 |
| Llama SEA-LION v3 70B | SEA-LION | 131K | 10 请求/分钟 10 RPM | 否 | 否 |
| Gemma SEA-LION v4 27B | Cloudflare Workers AI, SEA-LION | 131K | 10 请求/分钟 10 RPM | 否 | 否 |
| Command A Translate | Cohere | 256K | 20 请求/分钟 33 请求/天 ~1-2M | 是 | 否 |
| Tiny Aya Global | Cohere | 8K | 20 请求/分钟 33 请求/天 1K calls/mo shared | 否 | 否 |
| North Small Translate | Cohere | 33K | 20 请求/分钟 33 请求/天 ~1-2M | 否 | 否 |
| Tiny Aya Earth | Cohere | 8K | 20 请求/分钟 33 请求/天 1K calls/mo shared | 否 | 否 |
| Tiny Aya Fire | Cohere | 8K | 20 请求/分钟 33 请求/天 1K calls/mo shared | 否 | 否 |
| Tiny Aya Water | Cohere | 8K | 20 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:
| 模型 | 免费提供方 | 上下文 | 免费额度(最优惠) | 工具 | 视觉 |
|---|---|---|---|---|---|
| GLM 5.3 | APINex, UnoRouter | 1M | 5 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 Flash | APINex, BlazeAPI, NVIDIA NIM 另外 1 个 | 1M | 40 请求/分钟 40 RPM | 是 | 是 |
| Gemini 3.8 Flash | APINex, Google AI Studio | 1M | 5 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 Next | AMD Radeon Cloud, BlazeAPI, ElectronHub | 262K | Recurring daily account allowance | 是 | 否 |
| Qwen3.8 Flash | ElectronHub | 1M | $0.25/week shared recurring credit | 是 | 是 |
| Deepseek V4.1 Flash | APINex | 1M | 5 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 Flash | Google AI Studio | 1M | 10 请求/分钟 20 请求/天 250,000 令牌/分钟 ~3M | 是 | 是 |
| GPT-5.6 Luna | ElectronHub | 1M | $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。
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
- Cohere changelog: Command A Translate (23 languages) (检查于 20 November 2026)
- Cohere docs: Aya (Aya Expanse, 23 languages) (检查于 20 November 2026)
- AI Singapore: SEA-LION (检查于 20 November 2026)
- Typhoon: Thai language models (检查于 20 November 2026)
- FreeLLMAPI docs: REST API (routing profiles, response cache header) (检查于 20 November 2026)