Χρησιμοποιήστε το προκατασκευασμένο Azure AI Translator σε Fabric με REST API και SynapseML (προεπισκόπηση)
Σημαντικό
Αυτή η δυνατότητα είναι σε προεπισκόπηση.
Το Azure AI Translator είναι μια υπηρεσία Azure AI που σας επιτρέπει να εκτελείτε μετάφραση σε γλώσσα και άλλες λειτουργίες που σχετίζονται με τη γλώσσα.
Αυτό το δείγμα παρουσιάζει τη χρήση προκατασκευασμένων μεταφραστών Azure AI στο Fabric με RESTful API για τα εξής:
- Μετάφραση κειμένου
- Μεταγραφή κειμένου
- Λήψη υποστηριζόμενων γλωσσών
Προαπαιτούμενα στοιχεία
# Get workload endpoints and access token
from synapse.ml.mlflow import get_mlflow_env_config
import json
mlflow_env_configs = get_mlflow_env_config()
access_token = access_token = mlflow_env_configs.driver_aad_token
prebuilt_AI_base_host = mlflow_env_configs.workload_endpoint + "cognitive/texttranslation/"
print("Workload endpoint for AI service: \n" + prebuilt_AI_base_host)
# Make a RESTful request to AI service
post_headers = {
"Content-Type" : "application/json",
"Authorization" : "Bearer {}".format(access_token),
}
def printresponse(response):
print(f"HTTP {response.status_code}")
if response.status_code == 200:
try:
result = response.json()
print(json.dumps(result, indent=2, ensure_ascii=False))
except:
print(f"pasre error {response.content}")
else:
print(f"error message: {response.content}")
Μετάφραση κειμένου
Η βασική λειτουργία της υπηρεσίας Translator είναι η μετάφραση κειμένου.
import requests
import uuid
service_url = prebuilt_AI_base_host + "translate?api-version=3.0&to=fr"
post_body = [{'Text':'Hello, friend.'}]
post_headers["x-ms-workload-resource-moniker"] = str(uuid.uuid1())
response = requests.post(service_url, json=post_body, headers=post_headers)
# Output all information of the request process
printresponse(response)
Έξοδος
HTTP 200
[
{
"detectedLanguage": {
"language": "en",
"score": 1.0
},
"translations": [
{
"text": "Bonjour cher ami.",
"to": "fr"
}
]
}
]
Μεταγραφή κειμένου
Μεταγραφή είναι η διαδικασία μετατροπής μιας λέξης ή φράσης από τη δέσμη ενεργειών (αλφάβητο) μιας γλώσσας σε μια άλλη, βάσει της φωνητικής ομοιότητας.
service_url = prebuilt_AI_base_host + "transliterate?api-version=3.0&language=ja&fromScript=Jpan&toScript=Latn"
post_body = [
{"Text":"こんにちは"},
{"Text":"さようなら"}
]
post_headers["x-ms-workload-resource-moniker"] = str(uuid.uuid1())
response = requests.post(service_url, json=post_body, headers=post_headers)
# Output all information of the request process
printresponse(response)
Έξοδος
HTTP 200
[
{
"text": "Kon'nichiwa",
"script": "Latn"
},
{
"text": "sayonara",
"script": "Latn"
}
]
Ανάκτηση υποστηριζόμενων γλωσσών
Λαμβάνει μια λίστα των γλωσσών που υποστηρίζονται από τις λειτουργίες του Translator.
service_url = prebuilt_AI_base_host + "languages?api-version=3.0"
post_headers["x-ms-workload-resource-moniker"] = str(uuid.uuid1())
response = requests.get(service_url, headers=post_headers)
# Output all information of the request process
printresponse(response)
Σχετικό περιεχόμενο
- Χρήση προκατασκευασμένων αναλύσεων κειμένου στο Fabric με το REST API
- Χρήση προκατασκευασμάτων αναλύσεων κειμένου στο Fabric με το SynapseML
- Χρήση του προκατασκευαστηρίου Azure AI Translator στο Fabric με το SynapseML
- Χρήση προκατασκευασμένων Azure OpenAI στο Fabric με REST API
- Χρήση προκατασκευασμένων Azure OpenAI στο Fabric με Python SDK
- Χρήση του προκατασκευαστηρίου Azure OpenAI στο Fabric με το SynapseML