README.md

Co-op Translator

Automatize e mantenha facilmente traduções do seu conteúdo educativo no GitHub em múltiplos idiomas à medida que o seu projeto evolui.

Comece aqui: Escolha o seu fluxo de trabalho | Configuração | CLI | API Python | Servidor MCP

🌐 Suporte Multilíngue

Suportado por Co-op Translator

Árabe | Bengalês | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Checo | Dinamarquês | Holandês | Estónio | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malayalam | Marathi | Nepalês | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polaco | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalo (Filipino) | Tâmil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita

Prefere clonar localmente?

Este repositório inclui mais de 50 traduções de idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, use sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git
cd co-op-translator
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git
cd co-op-translator
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Isto dá-lhe tudo o que precisa para completar o curso com um download muito mais rápido.

Visão geral

Co-op Translator ajuda a localizar o seu conteúdo educativo do GitHub em múltiplos idiomas sem esforço. Quando atualiza os seus ficheiros Markdown, imagens ou notebooks, as traduções mantêm-se automaticamente sincronizadas, assegurando que o seu conteúdo permanece preciso e atualizado para alunos em todo o mundo.

Use-o a partir da CLI para traduzir repositórios, a partir da API Python para automatização, ou através do servidor MCP para fluxos de trabalho com agentes e editores.

Exemplo de como o conteúdo traduzido é organizado:

Porque o Co-op Translator?

Traduzir um ficheiro é fácil. Manter um repositório inteiro de documentação traduzido, ligado e atualizado é a parte difícil.

Problema	Como o Co-op Translator ajuda
Long docs are not one prompt	Ficheiros Markdown grandes são divididos em blocos, de modo que um README longo não depende de uma única resposta frágil do modelo. Se um bloco falhar, o Co-op Translator pode tentar novamente e voltar a dividir apenas a parte falhada.
Incomplete translations should not be marked current	Uma tradução truncada nunca deve ser assinalada como atual. O Co-op Translator verifica a integridade da tradução antes de guardar e pode detetar traduções existentes estruturalmente incompletas.
Links should match the translated repo structure	Traduções manuais frequentemente deixam links relativos apontando de volta para a árvore de origem. O Co-op Translator reescreve ligações em Markdown, notebooks, imagens e README para corresponder à estrutura translations/<lang>/....
Translation should work across an entire repo	O Co-op Translator trata ficheiros README, documentação, notebooks e texto de imagens como parte de um único fluxo de trabalho do repositório, em vez de traduzir ficheiros um a um.
Maintaining translations matters more than creating them once	Hashes de origem e metadados de tradução permitem ao Co-op Translator encontrar ficheiros desatualizados, saltar ficheiros não alterados e manter o conteúdo traduzido sincronizado à medida que o repositório fonte evolui.

Como é gerido o estado da tradução

O Co-op Translator gere o conteúdo traduzido como artefactos de software versionados,
não como ficheiros estáticos.

A ferramenta rastreia o estado de Markdown, imagens e notebooks traduzidos usando metadados com âmbito por idioma.

Este design permite ao Co-op Translator:

• Detetar fiavelmente traduções desatualizadas
• Tratar Markdown, imagens e notebooks de forma consistente
• Escalar com segurança em repositórios grandes, dinâmicos e multilíngues

Ao modelar traduções como artefactos geridos, os fluxos de trabalho de tradução alinham-se naturalmente com as práticas modernas de gestão de dependências e artefactos de software.

→ Como é gerido o estado da tradução

Leituras aprofundadas relacionadas

• Corrigindo Markdown quebrado na tradução por IA: Reforço de uma pipeline de produção

Começar

O Co-op Translator pode ser usado a partir da CLI, da API Python, ou do servidor MCP. Comece pelo guia de fluxo de trabalho se estiver a escolher entre tradução local, automatização, CI, e integração com agentes/editors.

• Escolha o seu fluxo de trabalho
• Configurar credenciais
• Traduzir a partir da CLI
• Automatizar com a API Python
• Ligar ao servidor MCP
• Executar no GitHub Actions

Exemplo mínimo de CLI após a configuração:

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

pip install co-op-translator
translate -l "ko" -md
co-op-review -l "ko"

Para as primeiras execuções em repositórios grandes, use --dry-run antes de escrever ficheiros traduzidos. Veja a Referência da CLI para flags de tipo de conteúdo, logs, revisão e migração de links.

Execução rápida em contentor com Bash/Zsh:

docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko" -md

Execução rápida em contentor com PowerShell:

docker run --rm -it --env-file .env -v ${PWD}:/work ghcr.io/azure/co-op-translator:latest -l "ko" -md

Funcionalidades

• Tradução automatizada para Markdown, notebooks e imagens
• Mantém as traduções sincronizadas com as alterações de origem
• Funciona localmente (CLI) ou em CI (GitHub Actions)
• Expõe ferramentas de tradução de Markdown, notebooks, imagens, revisão e projetos através do MCP
• Usa Azure OpenAI ou OpenAI para tradução suportada por fornecedor
• Permite que o MCP hospede agentes que traduzem blocos de Markdown e notebooks sem credenciais LLM do Co-op Translator
• Usa Azure AI Vision para extração e tradução de texto em imagens
• Revê a estrutura e a atualidade das traduções com verificações determinísticas
• Preserva a formatação e estrutura do Markdown

Documentação

• Site da documentação
• Escolha o seu fluxo de trabalho
• Configuração
• Configuração do Azure AI
• Referência da CLI
• API Python
• Servidor MCP
• GitHub Actions
• Modelo de README de idiomas
• Idiomas suportados
• Contribuir
• Resolução de problemas

Guia específico da Microsoft

Note

Para mantenedores dos repositórios Microsoft “For Beginners” apenas.

• Atualizar a lista “outros cursos” (apenas para repositórios MS Beginners)

Apoie-nos e promova a aprendizagem global

Junte-se a nós na revolução de como o conteúdo educativo é partilhado globalmente! Dê uma ⭐ ao Co-op Translator no GitHub e apoie a nossa missão de derrubar barreiras linguísticas na aprendizagem e tecnologia. O seu interesse e contributos têm um impacto significativo! Contribuições de código e sugestões de funcionalidades são sempre bem-vindas.

Explore o conteúdo educativo da Microsoft no seu idioma

• LangChain4j-for-Beginners
• AZD for Beginners
• Edge AI for Beginners
• Model Context Protocol (MCP) For Beginners
• AI Agents for Beginners
• Generative AI for Beginners using .NET
• Generative AI for Beginners
• Generative AI for Beginners using Java
• ML for Beginners
• Data Science for Beginners
• AI for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• PhiCookBook

Apresentações em vídeo

👉 Clique na imagem abaixo para assistir no YouTube.

• Open na Microsoft: Uma breve introdução de 18 minutos e um guia rápido sobre como usar o Co-op Translator.

  

Contribuir

Este projeto aceita contribuições e sugestões. Tem interesse em contribuir para o Azure Co-op Translator? Consulte o nosso CONTRIBUTING.md para obter diretrizes sobre como pode ajudar a tornar o Co-op Translator mais acessível.

Contribuidores

Código de Conduta

Este projeto adotou o Código de Conduta de Código Aberto da Microsoft. Para mais informações consulte as Perguntas Frequentes sobre o Código de Conduta ou contacte opencode@microsoft.com para quaisquer perguntas ou comentários adicionais.

IA Responsável

A Microsoft compromete-se a ajudar os nossos clientes a utilizar os nossos produtos de IA de forma responsável, a partilhar os nossos aprendizados e a construir parcerias baseadas na confiança através de ferramentas como Notas de Transparência e Avaliações de Impacto. Muitos destes recursos podem ser encontrados em https://aka.ms/RAI. A abordagem da Microsoft à IA responsável está fundamentada nos nossos princípios de IA de equidade, fiabilidade e segurança, privacidade e segurança, inclusão, transparência e responsabilidade.

Modelos de linguagem natural, imagem e fala de grande escala — como os utilizados neste exemplo — podem potencialmente comportar-se de maneiras que sejam injustas, pouco fiáveis ou ofensivas, causando danos. Consulte a Nota de Transparência do serviço Azure OpenAI para se informar sobre riscos e limitações.

A abordagem recomendada para mitigar estes riscos é incluir um sistema de segurança na sua arquitetura que consiga detetar e prevenir comportamentos prejudiciais. Azure AI Content Safety fornece uma camada independente de proteção, capaz de detetar conteúdo prejudicial gerado por utilizadores e por IA em aplicações e serviços. O Azure AI Content Safety inclui APIs de texto e imagem que lhe permitem detetar material que é prejudicial. Também temos um Content Safety Studio interativo que lhe permite ver, explorar e experimentar exemplos de código para detetar conteúdo prejudicial em diferentes modalidades. A seguinte documentação de início rápido orienta-o na realização de pedidos ao serviço.

Outro aspeto a ter em conta é o desempenho global da aplicação. Em aplicações multimodais e com múltiplos modelos, consideramos desempenho o facto de o sistema funcionar como espera, incluindo não gerar saídas prejudiciais. É importante avaliar o desempenho da sua aplicação global utilizando métricas de qualidade de geração e de risco e segurança.

Pode avaliar a sua aplicação de IA no seu ambiente de desenvolvimento usando o prompt flow SDK. Com um conjunto de dados de teste ou um objetivo, as gerações da sua aplicação de IA generativa são medidas quantitativamente com avaliadores integrados ou avaliadores personalizados à sua escolha. Para começar com o prompt flow SDK para avaliar o seu sistema, pode seguir o guia de início rápido. Depois de executar uma execução de avaliação, pode visualizar os resultados no Azure AI Studio.

Marcas registadas

Este projeto pode conter marcas registadas ou logótipos de projetos, produtos ou serviços. A utilização autorizada de marcas ou logótipos da Microsoft está sujeita e deve seguir as Diretrizes de Marcas e Identidade da Microsoft. A utilização de marcas ou logótipos da Microsoft em versões modificadas deste projeto não deve causar confusão nem implicar patrocínio da Microsoft. Qualquer utilização de marcas ou logótipos de terceiros está sujeita às políticas desses terceiros.

Obter Ajuda

Se ficar bloqueado ou tiver alguma questão sobre a criação de aplicações de IA, junte-se:

Se tiver feedback sobre o produto ou encontrar erros durante o desenvolvimento, visite: