README.md

Co-op Translator

Easily automate and maintain translations for your educational GitHub content across multiple languages as your project evolves.

இங்கே தொடங்கவும்: உங்கள் வேலைஅடைவை தேர்வு செய்யவும் | கட்டமைப்பு | CLI | Python API | MCP Server

🌐 பல-மொழி ஆதரவு

ஆதரிக்கப்படுகிறது: Co-op Translator

அரபு | பெங்காலி | பல்கேரியன் | புர்மீஸ் (மியான்மார்) | சீனம் (எளிமைப்படுத்தப்பட்ட) | சீனம் (பாரம்பரிய, ஹொங் காங்) | சீனம் (பாரம்பரிய, மகாவ்) | சீனம் (பாரம்பரிய, தைவான்) | குரோஷியன் | செக் | டேனிஷ் | டச்சு | எஸ்டோனியன் | பின்ன்லாந்து | பிரஞ்சு | ஜெர்மன் | கிரேக்கு | ஹீப்ரூ | ஹிந்தி | ஹங்கேரியன் | இந்தோனேஷியன் | இத்தாலியன் | ஜப்பானீஸ் | கன்னடம் | கெமர் | கொரியன் | லிதுவேனியன் | மலாய் | மலையாளம் | மராத்தி | நேபாளி | நைஜீரியன் பிஜின் | நார்வேஜியன் | பெர்ஷியன் (ஃபார்ஸி) | போலிஷ் | போர்த்துகீசு (பிரேசில்) | போர்த்துகீசு (போர்ச்சுமேண்டும்) | பஞ்சாபி (குர்முகி) | ரொமானியன் | ரஷ்யன் | ஸெர்பியன் (சிரிலிக்) | ஸ்லோவாக் | ஸ்லோவேனியன் | ஸ்பானிஷ் | ஸ்வாஹிலி | ஸ்வீடிஷ் | தகாலாக் (பிலிப்பைன்ஸ்) | தமிழ் | தெலுங்கு | தை | துருக்கி | உக்ரைனியன் | உருது | வியட்நாமீஸ்

உள்ளோடியாக கிளோன் செய்ய விருப்பமா?

இந்த சேமிப்பு மற்றும் மொழிபெயர்ப்புகள் 50+ மொழிகளைக் கொண்டுள்ளதாகக் காரணமாக பதிவிறக்க அளவை குறிப்பிடத்தக்கமாக அதிகரிக்கின்றன. மொழிபெயர்ப்புகள் இல்லாமல் கிளோன் செய்ய sparse checkout ஐப் பயன்படுத்தவும்:

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"

இது பாடத்திட்டத்தை முடிக்க தேவையான அனைத்து கோப்புகளையும் மிகவும் வேகமான பதிவிறக்கத்துடன் தருகிறது.

அவலோக்கனம்

Co-op Translator உங்கள் கல்வி சார்ந்த GitHub உள்ளடக்கங்களை பல மொழிகளுக்கு எளிதில் உள்ளூராக்க உதவுகிறது. நீங்கள் உங்கள் Markdown கோப்புகள், படங்கள் அல்லது நோட்புக்குகள் புதுப்பிக்கும் போதே, மொழிபெயர்ப்புகள் தானாக ஒரே சமயமாக ஒத்திசைக்கப்படக்கூடியவையாகி, உலகமுழுவதும் கற்கும் பயனாளிகளுக்காக உள்ளடக்கம் துல்லியமாகவும் புதுப்பிக்கப்பட்டதும் இருக்கும்.

இதை தொகுப்பகம் (CLI) மூலம் தங்கியிருப்பை மொழிபெயர்ப்பதற்காக, தன்னெழுச்சி కోసం Python API வழியாக அல்லது முகவரி/தொகுப்பாளர் வேலைபாடுகளுக்கு MCP சர்வர் வழியாகப் பயன்படுத்தலாம்.

உருவாக்கப்பட்ட மொழிபெயர்க்கப்பட்ட உள்ளடக்கம் எவ்வாறு ஒழுங்குபடுத்தப்படுகிறது என்பதின் உதாரணம்:

ஏன் Co-op Translator?

ஒரு கோப்பை மொழிபெயர்ப்பது எளிது. ஒரு முழு ஆவணத் தொகுப்பை மொழிபெயர்க்கப்பட்டதாக, இணைக்கப்பட்டதாக மற்றும் புதுப்பிக்கப்பட்டதாக வைத்திருப்பதே கடினம்.

பிரச்சனை	Co-op Translator எப்படி உதவுகிறது
நீளமான ஆவணங்கள் ஒரு மட்டும்தானான ப்ராம்ப்ட் அல்ல	பெரிய Markdown கோப்புகள் துண்டுகளாகப் பிரிக்கப்படுகின்றன, ஆகையால் ஒரு நீள README ஒரு ஒரே நெருக்கமான மாடல் பதிலையே சாரம்சம் கொள்ளாது. ஒரு துண்டு தோல்வியடைந்தால், Co-op Translator தோல்வியடைந்த பகுதியை மட்டும் மீண்டும் முயற்சிக்க மற்றும் மீண்டும் துண்டுகளை உருவாக்க முடியும்.
முடிக்கப்படாத மொழிபெயர்ப்புகளை தற்போதையதாக குறிக்கக் கூடாது	குறைக்கப்பட்ட மொழிபெயர்ப்பு எந்த சந்ததியாகவும் up-to-date (தற்போதைய) என்று அடங்கிக் கொள்ளப்படக் கூடாது. Co-op Translator சேமிப்பதற்கு முன் மொழிபெயர்ப்பு முழுமையை சரிபார்க்கிறது மற்றும் அமைப்பு ரீதியாக непூர்த்தியான ஏற்குள்ள மொழிபெயர்ப்புகளை கண்டறிய முடியும்.
இணைப்புகள் மொழிபெயர்க்கப்பட்ட சேமிப்பு கட்டமைப்புக்கு பொருந்த வேண்டும்	கைமுறை மொழிபெயர்ப்புகள் பெரும்பாலும் சார்ந்த இணைப்புகளை மூல மரத்திற்கு திருப்பிச் செலுத்தவைக்கின்றன. Co-op Translator Markdown, நோட்புக், படம் மற்றும் README இணைப்புகளை translations/<lang>/... கட்டமைப்பிற்கு பொருந்தும் விதமாக மறுஅமைத்துக் கொள்கிறது.
ஒரு முழு ரெப்போவில் மொழிபெயர்ப்பு பணிகள் இயங்க வேண்டும்	Co-op Translator README கோப்புகள், docs, நோட்புக்குகள் மற்றும் பட உரையை ஒரு தொகுப்பு வேலைபாட்டின் பகுதியாக கையாள்கிறது, ஒரே நேரத்தில் கோப்புகளை ஒற்றைவிதமாக மொழிபெயர்ப்பதைப்போல் அல்ல.
ஒருமுறை உருவாக்குவதைவிட மொழிபெயர்ப்புகளை பராமரிப்பதே முக்கியம்	மூல ஹாஷ் மற்றும் மொழிபெயர்ப்பு மெட்டாடேட்டா Co-op Translator-க்கு பழைய கோப்புகளை கண்டுபிடிக்க, மாற்றமில்லாத கோப்புகளைத் தவிர்க்க மற்றும் மூல ரெப்போ மேம்படும் போதெல்லாம் மொழிபெயர்ப்புகளை ஒத்திசைக்க வைத்து இருக்க உதவுகிறது.

மொழிபெயர்ப்பு நிலை எப்படி நிர்வகிக்கப்படுகிறது

Co-op Translator மொழிபெயர்க்கப்பட்ட உள்ளடக்கத்தை பதிப்பு செய்யப்பட்ட மென்பொருள் கலைப்பொருட்கள் ஆகவும்,
நிறைவற்ற கோப்புகளாக அல்லாமல் நிர்வகிக்கின்றது.

கருவி மொழிபெயர்ப்பு செய்யப்பட்ட Markdown, படங்கள் மற்றும் நோட்புக்குகளின் நிலையை மொழி-காலஅவரம் கொண்ட மெட்டாடேட்டா மூலம் கண்காணிக்கிறது.

இந்த வடிவமைப்பு Co-op Translator-க்கு அனுமதிக்கிறது:

• காலாவதியான மொழிபெயர்ப்புகளை நம்பகமாக கண்டறிய
• Markdown, படங்கள் மற்றும் நோட்புக்குகள் அனைத்தையும் ஒரே விதமாக நடத்த
• பெரிய, வேகமாக நகரும் பல-மொழி ரெப்போக்களில் பாதுகாப்பாக அளவிட

மொழிபெயர்ப்புகளை நிர்வகிக்கப்படும் கலைப்பொருட்களாக பண்பமைத்தல் மூலம், மொழிபெயர்ப்பு வேலைபாடுகள் நவீன மென்பொருள் பொறுப்பு மற்றும் கலைப்பொருள் நிர்வாக நடைமுறைகளுடன் இயல்பாக பொருந்துகின்றன.

→ மொழிபெயர்ப்பு நிலை எப்படி நிர்வகிக்கப்படுகிறது

தொடர்புடைய ஆழ்ந்த ஆய்வுகள்

• AI மொழிபெயர்ப்பில் உடைந்த Markdown சரி செய்வது: உற்பத்தி குழாய்முறையை வலுப்படுத்துதல்

துவக்கம்

Co-op Translator-ஐ CLI, Python API, அல்லது MCP சர்வர் மூலம் பயன்படுத்தலாம். உள்ளக மொழிபெயர்ப்பு, தன்னேலச்செயல், CI மற்றும் முகவர்/தொகுப்பாளர் ஒருங்கிணைப்பு ஆகியவற்றில் தேர்வு செய்யும்போது வேலைஅடை வழிகாட்டியுடன் தொடங்குங்கள்.

• உங்கள் வேலைஅடைவை தேர்வு செய்யவும்
• அங்கீகாரங்களை அமைக்கவும்
• CLI மூலம் மொழிபெயர்க்கவும்
• Python API மூலம் தன்னேலச்செயலாக்கம் செய்யவும்
• MCP Server உடன் இணைக்கவும்
• GitHub Actions-ல் இயக்கவும்

கட்டமைப்புக்குப் பிறகு குறைந்தபட்ச CLI உதாரணம்:

python -m venv .venv
# விண்டோஸ்
.venv\Scripts\activate
# மெக் ஓஎஸ்/லினக்ஸ்
source .venv/bin/activate

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

பெரிய ரெப்போக்களில் முதன்முறையாக இயக்கும்போது, மொழிபெயர்க்கப்பட்ட கோப்புகளை எழுதுவதற்கு முன் --dry-run ஐப் பயன்படுத்தவும். உள்ளடக்க வகை கொடிய்கள், பதிவுகள், மதிப்பாய்வு மற்றும் இணைப்பு இடமாற்றம் பற்றிய விவரங்களுக்கு CLI குறிப்புரை பார்க்கவும்.

Bash/Zsh உடன் பகட்டெரி விரைவு இயக்கம்:

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

PowerShell உடன் பகட்டெரி விரைவு இயக்கம்:

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

அம்சங்கள்

• Markdown, நோட்புக்குகள், மற்றும் படங்களுக்கு தானியக்க மொழிபெயர்ப்பு
• மூல மாற்றங்களுடன் மொழிபெயர்ப்புகளை ஒத்திசைக்க வைத்தல்
• உள்ளகமாக (CLI) அல்லது CI (GitHub Actions) இல் வேலை செய்யும்
• MCP மூலம் Markdown, நோட்புக், படம், மதிப்பாய்வு மற்றும் திட்ட மொழிபெயர்ப்பு கருவிகளை வெளிப்படுத்துகிறது
• Azure OpenAI அல்லது OpenAI ஐப் பயன்படுத்தி வழங்குநர் ஆதரவு மொழிபெயர்ப்பு
• MCP உதவியுடன் முகவர்கள் Co-op Translator LLM அங்கீகாரங்கள் இல்லாமல் Markdown மற்றும் நோட்புக் துண்டுகளை மொழிபெயர்க்க அனுமதிக்கிறது
• பட உரை எடுக்க மற்றும் மொழிபெயர்க்க Azure AI Vision பயன்படுத்துகிறது
• தீர்மானமான சரிபார்ப்புகளோடு மொழிபெயர்ப்பு அமைப்பு மற்றும் تازாத்துவத்தை மதிப்பாய்வு செய்கிறது
• Markdown வடிவமைப்பு மற்றும் அமைப்பை பாதுகாக்கிறது

ஆவணங்கள்

• ஆவணங்கள் தளம்
• உங்கள் வேலைஅடைவை தேர்வு செய்யவும்
• கட்டமைப்பு
• Azure AI அமைப்பு
• CLI குறிப்புரை
• Python API
• MCP Server
• GitHub Actions
• README மொழிகள் வார்ப்புரை
• ஆதரிக்கப்படும் மொழிகள்
• மகிழ்ச்சியளிக்கும் பங்களிப்பு
• பிரச்சனைகளை தீர்க்குதல்

மைக்ரோசாஃப்ட்-சார்ந்த வழிகாட்டி

Note

மைக்ரோசாஃப்ட் “For Beginners” ரெப்போக்களின் பராமரிப்பாளர்களுக்காக மட்டுமே.

• “மற்ற பாடநெறிகள்” பட்டியலைப் புதுப்பித்தல் (MS Beginners ரெப்போக்களுக்காக மட்டுமே)

எங்களை ஆதரிக்கவும் மற்றும் உலகளாவிய கல்வியை ஊக்குவிக்கவும்

கல்வி உள்ளடக்கம் உலகளாவிய அளவில் பகிரப்படும் விதத்தை மாற்றுவதில் எங்களைச் சேர்ந்துகொள்வீர்கள்! Co-op Translator இல் GitHub-இல் ⭐ ஒன்றைப் பதியுங்கள் மற்றும் கற்றல் மற்றும் தொழில்நுட்பத்தில் மொழி தடைகளை அகற்றும் எங்கள் பணி மற்றும் ஐடியாக்களை ஆதரிக்கவும். உங்கள் ஆர்வமும் பங்களிப்புகளும் மிகப்பெரிய தாக்கத்தை உண்டாக்குகின்றன! குறியீடு பங்களிப்புகளும் அம்ச பரிந்துரைகளும் எப்போதும் வரவேற்கப்படுகின்றன.

உங்கள் மொழியில் Microsoft கல்வி உள்ளடக்கங்களை ஆராயவும்

• 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

Video presentations

👉 YouTube-ல் பார்ப்பதற்காக கீழே உள்ள படத்தை கிளிக் செய்யவும்.

• Open at Microsoft: Co-op Translator-ஐ எப்படி பயன்படுத்துவது என்பதற்கான சுருக்கமான 18 நிமிட அறிமுகம் மற்றும் விரைவு வழிகாட்டி.

  

Contributing

இந்த திட்டம் பங்களிப்புகளையும் பரிந்துரைகளையும் வரவேற்கிறது. Azure Co-op Translator-க்கு பங்களிக்க ஆர்வமுடையவரா? Co-op Translator-ஐ மேலும் அணுகக்கூடியதாக ஆக்க நீங்கள் எப்படி உதவலாம் என்பதற்கான வழிகாட்டல்களுக்கு தயவுசெய்து எங்கள் CONTRIBUTING.md ஐப் பார்க்கவும்.

Contributors

Code of Conduct

This project has adopted the Microsoft Open Source Code of Conduct. For more information see the Code of Conduct FAQ or contact opencode@microsoft.com with any additional questions or comments.

Responsible AI

Microsoft is committed to helping our customers use our AI products responsibly, sharing our learnings, and building trust-based partnerships through tools like Transparency Notes and Impact Assessments. Many of these resources can be found at https://aka.ms/RAI. Microsoft's approach to responsible AI is grounded in our AI principles of fairness, reliability and safety, privacy and security, inclusiveness, transparency, and accountability.

Large-scale natural language, image, and speech models - like the ones used in this sample - can potentially behave in ways that are unfair, unreliable, or offensive, in turn causing harms. Please consult the Azure OpenAI service Transparency note to be informed about risks and limitations.

The recommended approach to mitigating these risks is to include a safety system in your architecture that can detect and prevent harmful behavior. Azure AI Content Safety provides an independent layer of protection, able to detect harmful user-generated and AI-generated content in applications and services. Azure AI Content Safety includes text and image APIs that allow you to detect material that is harmful. We also have an interactive Content Safety Studio that allows you to view, explore and try out sample code for detecting harmful content across different modalities. The following quickstart documentation guides you through making requests to the service.

Another aspect to take into account is the overall application performance. With multi-modal and multi-models applications, we consider performance to mean that the system performs as you and your users expect, including not generating harmful outputs. It's important to assess the performance of your overall application using generation quality and risk and safety metrics.

You can evaluate your AI application in your development environment using the prompt flow SDK. Given either a test dataset or a target, your generative AI application generations are quantitatively measured with built-in evaluators or custom evaluators of your choice. To get started with the prompt flow sdk to evaluate your system, you can follow the quickstart guide. Once you execute an evaluation run, you can visualize the results in Azure AI Studio.

Trademarks

This project may contain trademarks or logos for projects, products, or services. Authorized use of Microsoft trademarks or logos is subject to and must follow Microsoft's Trademark & Brand Guidelines. Use of Microsoft trademarks or logos in modified versions of this project must not cause confusion or imply Microsoft sponsorship. Any use of third-party trademarks or logos are subject to those third-party's policies.

Getting Help

If you get stuck or have any questions about building AI apps, join:

If you have product feedback or errors while building visit: