Translation Agent WebUI : version de l'interface Wu Enda Translation Intelligence Body, fournissant diverses API de traduction et l'interface Gradio.

Introduction générale

Translation Agent WebUI est une interface utilisateur web basée sur Gradio et conçue pour l'agent de traduction d'Andrewyng. L'outil détecte automatiquement la langue du texte d'entrée et effectue un traitement lexical sur le texte, mettant en évidence les différences entre les traductions. Il prend en charge une variété d'API de traduction, notamment Groq, OpenAI, Cohere, Ollama, Together AI et Huggingface Inference API, ce qui permet aux utilisateurs d'entrer facilement du texte et de sélectionner le modèle de traduction souhaité par le biais d'une interface simple pour une traduction multilingue efficace.

Un gradio webui de l'agent de traduction WUENDA peut détecter automatiquement la langue du texte d'entrée, prendre en charge l'affichage de la segmentation du texte et mettre en évidence les différences entre les différentes versions de la traduction. Cependant, la traduction réelle d'un texte long peut être légèrement moins efficace que l'agent de traduction gradio.Traduction du "modèle d'instruction anglais" en "instructions chinoises", en conservant le formatage d'origine

Expérience en ligne : https://github.com/snekkenull/translation-agent-webui

Liste des fonctions

• Détection automatique de la langue du texte d'entrée
• processus de segmentation du texte
• Mise en évidence des différences entre les traductions
• Prise en charge de plusieurs API de traduction (Groq, OpenAI, Cohere, Ollama, Together AI, Huggingface Inference API)
• Prise en charge de l'index des lamas, facile à modifier pour ajouter d'autres API
• Démonstration de l'espace Huggingface

Utiliser l'aide

Processus d'installation

1. Entrepôt de clonage :

   git clone https://github.com/snekkenull/translation-agent-webui.git

2. Accédez au catalogue de projets :

   cd translation-agent-webui

3. Installer la dépendance :

   pip install -r requirements.txt

4. Exécuter l'application :

   python app.py

Processus d'utilisation

1. Ouvrez un navigateur et accédez à une application locale en cours d'exécution (généralement l'application http://localhost:7860).
2. Saisissez le texte à traduire dans la zone de saisie et le système détectera automatiquement la langue du texte.
3. Sélectionnez l'API de traduction et le modèle souhaités, par exemple Huggingface Inference API, et saisissez l'ID du modèle (par exemple mistralai/Mistral-7B-Instruct-v0.3).
4. En cliquant sur le bouton "Traduire", les résultats de la traduction s'affichent et les différences entre les différentes traductions sont mises en évidence.
5. Les utilisateurs peuvent ajuster le texte d'entrée ou sélectionner différentes API de traduction à des fins de comparaison, selon les besoins.

Principales fonctions

• Détection automatique de la langueAprès avoir saisi le texte, le système reconnaît automatiquement la langue du texte et il n'est pas nécessaire de la sélectionner manuellement.
• traitement de texteLe système traitera le texte d'entrée en séparant les mots, de sorte que l'utilisateur puisse facilement visualiser la traduction de chaque mot.
• Mise en évidence des différencesLe système met en évidence les différences entre les différentes traductions lors de l'affichage des résultats de la traduction afin d'aider les utilisateurs à mieux comprendre les résultats.
• Support multi-APILes utilisateurs peuvent sélectionner différentes API de traduction et choisir le modèle de traduction le plus adapté à leurs besoins.
• Démonstration de l'espace HuggingfaceLes utilisateurs peuvent ainsi tester la fonction de traduction directement sur Huggingface Space.

Avec les étapes ci-dessus, les utilisateurs peuvent facilement installer et utiliser Translation Agent WebUI pour une traduction multilingue efficace.

translation-agent projet original

Adresse du projet : https://github.com/andrewyng/translation-agent

Traduction d'agents à l'aide de flux de travail réfléchis

Le projet open source de M. Enda Wu est une démonstration en Python du flux de travail de l'agent de réflexion pour la traduction automatique.

Principales étapes :

• Conception d'un texte de traduction de mots repères LLM ;
• Permettre au LLM de réfléchir à la traduction afin de faire des suggestions constructives pour l'améliorer.
• Utiliser les suggestions pour améliorer les traductions.

Directions étendues.

• Essayer d'autres LLM (au lieu de gpt-4-turbo)
• Création de glossaire
• Utilisation et réalisation du glossaire
• Évaluation des différentes langues
• analyse des erreurs
• Meilleure évaluation