Partager via

Installer et exécuter un conteneur Azure AI Traducteur

  • Article

Les conteneurs vous permettent d’héberger l’API Azure AI Traducteur sur votre propre infrastructure. L’image conteneur inclut toutes les bibliothèques, outils et dépendances nécessaires pour exécuter une application de manière cohérente dans n’importe quel environnement informatique privé, public ou personnel. Si vos exigences de sécurité ou de gouvernance des données ne peuvent pas être satisfaites en appelant l’API Azure AI Traducteur à distance, les conteneurs représentent une bonne option.

Dans cet article, découvrez comment installer et exécuter le conteneur Traducteur en ligne avec l’API Docker. Le conteneur Azure AI Traducteur prend en charge les opérations suivantes :

  • Traduction de texte. Traduisez la signification contextuelle de mots ou d’expressions d’une langue source prise en charge verts une langue target prise en charge en temps réel. Pour plus d’informations, consultez Conteneur : traduire du texte.

  • 🆕 Translittération de texte. Convertissez du texte d’un script de langue ou système d’écriture en un autre script de langue ou système d’écriture en temps réel. Pour plus d’informations, consultez Conteneur : translittérer du texte.

  • 🆕 Traduction de documentation. Traduisez de façon synchrone des documents tout en préservant la structure et le format en temps réel. Pour plus d’informations, consultez Conteneur : traduire des documents.

Prérequis

Pour commencer, vous avez besoin des ressources, de l’approbation d’accès sécurisé et des outils suivants :

Ressources Azure

  • Un abonnement Azure actif. Si vous n’en avez pas, vous pouvez créer un compte gratuit de 12 mois.

  • Une demande d’accès approuvée à un conteneur connecté à Traducteur ou à un conteneur déconnecté de Traducteur.

  • Une ressource Azure AI Traducteur (pas une ressource Azure AI services multiservice) créée sous l’ID d’abonnement approuvé. Vous avez besoin de la clé API et de l’URI de point de terminaison associés à votre ressource. Les deux valeurs sont requises pour démarrer le conteneur ; elles sont indiquées dans la page de vue d’ensemble de la ressource dans le portail Azure.

    • Pour les conteneurs connectés à Traducteur, sélectionnez le niveau tarifaire S1.

      Capture d’écran de la sélection d’un niveau tarifaire du conteneur connecté Traducteur.

    • Pour les conteneurs déconnectés de Traducteur, sélectionnez Commitment tier disconnected containers comme niveau tarifaire. L’option d’achat d’un niveau d’engagement est visible uniquement si votre demande d’accès au conteneur déconnectée est approuvée.

      Capture d’écran montrant la création d’une ressource dans le portail Azure.

Outils Docker

Vous devez comprendre les concepts de base liés à Docker (comme les registres, les référentiels, les conteneurs et les images conteneurs), et connaître les principaux termes et commandes utilisés pour docker. Pour apprendre les principes de base de Docker et des conteneurs, consultez la vue d’ensemble de Docker.

Conseil

Il peut être souhaitable d’ajouter Docker Desktop à votre environnement informatique. Docker Desktop est une interface graphique utilisateur qui vous permet de générer, d’exécuter et de partager des applications conteneurisées directement à partir de votre bureau.

Docker Desktop inclut le moteur Docker, le client Docker CLI et Docker Compose, et il fournit des packages qui configurent Docker pour le système d’exploitation de votre choix :

Outil Description Condition
Moteur Docker Le moteur Docker est le composant principal de la plateforme de conteneurisation Docker. Il doit être installé sur un ordinateur hôte pour vous permettre de générer, d’exécuter et de gérer vos conteneurs. Obligatoire pour toutes les opérations.
Docker Compose L’outil Docker Compose permet de définir et d’exécuter des applications multiconteneurs. Obligatoire pour les conteneurs de prise en charge.
Docker CLI L’interface de ligne de commande Docker vous permet d’interagir avec le moteur Docker et de gérer les conteneurs Docker directement à partir de votre machine locale. Recommended
Ordinateur hôte requis

L’hôte est un ordinateur x64 qui exécute le conteneur Docker. Il peut s’agir d’un ordinateur local ou de l’un de ces services d’hébergement Docker dans Azure :

Système d'exploitation Configuration requise
Windows • Windows 10 ou Windows 11 installé
• Processeur 64 bits
• Un minimum de 4 Go de RAM
• Fonctionnalités Windows Hyper-V et de conteneur, et virtualisation matérielle au niveau du BIOS
• Pour plus d’informations, consultez Installer Docker Desktop sur Windows
Mac • Modèle d’ordinateur 2010 ou plus récent
• OS 10.13 ou version ultérieure
• Un minimum de 4 Go de RAM
• Pour plus d’informations, consultez Installer Docker Desktop sur Mac
Linux • Version 64 bits d’Ubuntu (dernière version LTS (prise en charge à long terme) ou version non-LTS actuelle), Debian 12, Fedora 38 ou Fedora 39
• Prise en charge de la virtualisation par le processeur
• Un minimum de 4 Go de RAM
• Pour plus d’informations, consultez Installer Docker Desktop sur Linux

Remarque

Les spécifications minimale et recommandée sont basées sur les limites de Docker, pas sur les ressources de la machine hôte.

Le tableau suivant décrit les spécifications minimales et recommandées ainsi que les transactions par seconde (TPS) autorisées pour chaque conteneur.

Fonction Minimum recommandé Notes
Traduction de texte 4 cœurs, 4 Go de mémoire
Translittération de texte 4 cœurs, 2 Go de mémoire
Traduction de documentation 4 cœurs, 6 Go de mémoire Le nombre de documents pouvant être traités simultanément peut être calculé avec la formule suivante : [minimum de (n-2), (m-6)/4)].
• n est le nombre de cœurs de processeur.
• m est le nombre de Go de mémoire.
• Exemple : 8 cœurs et 32 Go de mémoire peuvent traiter six (6) documents simultanés [minimum de (8-2), (36-6)/4)].

  • Chaque cœur doit être cadencé à au moins 2,6 gigahertz (GHz).

  • Pour chaque paire de langues, 2 Go de mémoire sont recommandés.

  • Outre les exigences de référence, 4 Go de mémoire pour chaque traitement de documents simultané.

    Conseil

    Vous pouvez utiliser la commande docker images pour lister vos images conteneurs téléchargées. Par exemple, la commande suivante liste l’ID, le référentiel et la balise de chaque image conteneur téléchargée dans un tableau :

     docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

 IMAGE ID         REPOSITORY                TAG
 <image-id>       <repository-path/name>    <tag-name>

Entrée requise

Tous les conteneurs Azure AI nécessitent les valeurs d’entrée suivantes :

  • Un paramètre d’acceptation du CLUF. Vous devez avoir un contrat de licence utilisateur final (CLUF) défini avec la valeur Eula=accept.

  • Une clé API et une URL de point de terminaison. La clé API sert à démarrer le conteneur. Vous pouvez obtenir les valeurs de la clé API et de l’URL de point de terminaison en accédant à la page Clés et point de terminaison de votre ressource Azure AI Traducteur, puis en sélectionnant l’icône Copy to clipboard .

  • Si vous traduisez des documents, veillez à utiliser le point de terminaison de traduction de documentation.

Important

  • Les clés sont utilisées pour accéder à votre ressource Azure AI. Ne partagez pas vos clés. Stockez-les en toute sécurité, par exemple, à l’aide de Azure Key Vault.

  • Nous vous recommandons également de régénérer ces clés régulièrement. Une seule clé est nécessaire pour effectuer un appel d’API. Lors de la régénération de la première clé, vous pouvez utiliser la deuxième clé pour un accès continu au service.

Billing

  • Les requêtes sur le conteneur sont facturées au niveau tarifaire de la ressource Azure utilisée pour l’API Key.

  • Chaque instance de conteneur utilisée pour traiter vos documents et vos images vous sera facturée.

  • La commande docker run télécharge une image à partir du Registre des artefacts Microsoft et démarre le conteneur lorsque les trois options suivantes sont fournies avec des valeurs valides :

Option Description
ApiKey La clé de la ressource Azure AI services utilisée pour le suivi des informations de facturation.
La valeur de cette option doit être définie sur une clé pour la ressource approvisionnée spécifiée dans Billing.
Billing Point de terminaison de la ressource Azure AI services utilisée pour le suivi des informations de facturation.
La valeur de cette option doit être définie sur l’URI de point de terminaison d’une ressource Azure provisionnée.
Eula Indique que vous avez accepté la licence pour le conteneur.
La valeur de cette option doit être définie sur accepter.

Connexion à Azure

  • Les valeurs des arguments de facturation du conteneur permettent au conteneur de se connecter au point de terminaison de facturation et de s’exécuter.

  • Le conteneur crée des rapports sur l’utilisation toutes les 10 à 15 minutes. Si le conteneur ne se connecte pas à Azure dans la fenêtre de temps imparti, il continue de s’exécuter, mais ne traite pas les requêtes tant que le point de terminaison de facturation n’est pas restauré.

  • Une tentative de connexion est effectuée 10 fois, toutes les 10 à 15 minutes. S’il ne parvient pas à se connecter au point de terminaison de facturation au cours de ces 10 essais, le conteneur cesse de traiter les demandes. Pour obtenir un exemple des informations envoyées à Microsoft en lien avec la facturation, veuillez consulter les Questions fréquentes sur les conteneurs Azure AI.

Images conteneur et étiquettes

Vous trouverez les images conteneur Azure AI services dans le catalogue du Registre des artefacts Microsoft. Le conteneur Azure AI Traducteur réside dans le référentiel azure-cognitive-services/translator et il se nomme text-translation. Le nom complet de l’image conteneur est mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest.

Pour utiliser la version la plus récente du conteneur, utilisez l’étiquette la plus récente. Vous pouvez afficher la liste complète des étiquettes de version d’Azure AI services Text Translation sur MCR.

Utiliser des conteneurs

Sélectionnez un onglet pour choisir votre environnement de conteneur Azure AI Traducteur :

Les conteneurs Azure AI Traducteur vous permettent d’exécuter le service Azure AI Traducteur on-premise dans votre propre environnement. Les conteneurs connectés s’exécutent localement et envoient des informations d’utilisation au cloud à des fins de facturation.

Télécharger et exécuter une image conteneur

La commande docker run télécharge une image à partir du Registre des artefacts Microsoft et démarre le conteneur.

Important

  • les commandes docker dans les sections suivantes utilisent la barre oblique inverse, \, comme caractère de continuation de ligne. Remplacez-la ou supprimez-la en fonction des exigences de votre système d’exploitation hôte.
  • Vous devez spécifier les options EULA, Billing et ApiKey pour exécuter le conteneur, sinon il ne démarrera pas.
  • Si vous traduisez des documents, veillez à utiliser le point de terminaison de traduction de documentation.
docker run --rm -it -p 5000:5000 --memory 12g --cpus 4 \
-v /mnt/d/TranslatorContainer:/usr/local/models \
-e apikey={API_KEY} \
-e eula=accept \
-e billing={ENDPOINT_URI} \
-e Languages=en,fr,es,ar,ru  \
mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest

La commande docker :

  • Crée un conteneur Traducteur en cours d’exécution à partir d’une image conteneur téléchargée.
  • Alloue 12 gigaoctets (Go) de mémoire et quatre cœurs CPU.
  • Expose le port TCP (Transmission Control Protocol) 5000 et alloue un pseudo-TTY pour le conteneur. À présent, l’adresse localhost pointe vers le conteneur lui-même, et non vers votre machine hôte.
  • Accepte le contrat de licence utilisateur final (CLUF).
  • Configure le point de terminaison de facturation.
  • Télécharge des modèles de traduction pour certaines langues (anglais, français, espagnol, arabe et russe).
  • Supprime automatiquement le conteneur après sa fermeture. L’image conteneur est toujours disponible sur l’ordinateur hôte.

Conseil

Commande Docker supplémentaire :

  • docker ps liste les conteneurs en cours d’exécution.
  • docker pause {your-container name} suspend un conteneur en cours d’exécution.
  • docker unpause {your-container-name} annule la suspension d’un conteneur suspendu.
  • docker restart {your-container-name} redémarre un conteneur en cours d’exécution.
  • docker exec vous permet d’exécuter des commandes pour détacher ou définir des variables d’environnement dans un conteneur en cours d’exécution.

Pour plus d’informations, consultez les informations de référence sur l’interface CLI docker.

Exécuter plusieurs conteneurs sur le même hôte

Si vous envisagez d’exécuter plusieurs conteneurs avec les ports exposés, veillez à exécuter chaque conteneur avec un port exposé différent. Par exemple, exécutez le premier conteneur sur le port 5000 et le second conteneur sur le port 5001.

Ce conteneur et un autre conteneur Azure AI peuvent s’exécuter en même temps sur l’hôte. Plusieurs conteneurs du même conteneur Azure AI peuvent aussi être en cours d’exécution.

Interroger le point de terminaison de conteneur Traducteur

Le conteneur fournit une API de point de terminaison REST pour Translator. Voici un exemple de requête avec la langue source (from=en) spécifiée :

  curl -X POST "http://localhost:5000/translate?api-version=3.0&from=en&to=zh-HANS" -H "Content-Type: application/json" -d "[{'Text':'Hello, what is your name?'}]"

Remarque

  • La détection de la langue source nécessite un conteneur supplémentaire. Pour plus d’informations, consultez Conteneurs de prise en charge.

  • Si la requête cURL POST retourne une réponse Service is temporarily unavailable, le conteneur n’est pas prêt. Patientez quelques minutes, puis réessayez.

Valider l’exécution d’un conteneur

Il existe plusieurs façons de vérifier que le conteneur est exécuté :

  • Le conteneur fournit une page d’accueil au niveau /, qui est une validation visuelle que le conteneur est en cours d’exécution.

  • Vous pouvez ouvrir votre navigateur web habituel, puis accéder à l’adresse IP externe et au port exposé du conteneur en question. Utilisez les URL des requêtes suivantes pour vérifier que le conteneur est en cours d’exécution. Les exemples d’URL de requête listés pointent vers http://localhost:5000, mais votre conteneur spécifique peut varier. N’oubliez pas que vous accédez à l’adresse IP externe et au port exposé de votre conteneur.

URL de la demande Objectif
http://localhost:5000/ Le conteneur fournit une page d’hébergement.
http://localhost:5000/ready Obligatoire avec GET. Vérifie si le conteneur est prêt à accepter une requête sur le modèle. Cette requête peut être utilisée pour les probes liveness et readiness de Kubernetes.
http://localhost:5000/status Obligatoire avec GET. Vérifie si la clé API servant à démarrer le conteneur est valide sans provoquer de requête de point de terminaison. Cette requête peut être utilisée pour les probes liveness et readiness de Kubernetes.
http://localhost:5000/swagger Le conteneur fournit un ensemble complet de documentation pour les points de terminaison et une fonctionnalité Essayer. Avec cette fonctionnalité, vous pouvez entrer vos paramètres dans un formulaire HTML basé sur le web, et constituer la requête sans avoir à écrire du code. Une fois la requête retournée, un exemple de commande CURL est fourni pour illustrer le format du corps et des en-têtes HTTP requis.

Capture d’écran de la page d’accueil du conteneur.

Si vous avez des difficultés à exécuter un conteneur Azure AI services, vous pouvez essayer d’utiliser le conteneur de diagnostics Microsoft. Utilisez ce conteneur pour diagnostiquer dans votre environnement de déploiement les erreurs courantes pouvant nuire au bon fonctionnement des conteneurs Azure AI.

Pour obtenir le conteneur, utilisez la commande docker pull suivante :

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Exécutez ensuite le conteneur. Remplacez {ENDPOINT_URI} par votre point de terminaison et {API_KEY} par la clé de votre ressource :

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Le conteneur teste la connectivité réseau avec le point de terminaison de facturation.

Arrêter le conteneur

Pour arrêter le conteneur, dans l’environnement de ligne de commande où le conteneur est en cours d’exécution, sélectionnez Ctrl+C.

Cas d’usage pour les conteneurs de prise en charge

Certaines requêtes Traducteur nécessitent des conteneurs de prise en charge pour effectuer correctement les opérations. Si vous utilisez des documents Office et que vous n’avez pas besoin de détection de la langue source, seul le conteneur Traducteur est requis. En revanche, si la détection de la langue source est requise, ou si vous utilisez des documents PDF numérisés, des conteneurs de prise en charge sont requis :

Le tableau suivant répertorie les conteneurs de prise en charge requis pour vos opérations de traduction de texte et de documentation. Le conteneur Traducteur envoie des informations de facturation à Azure via la ressource Azure AI Traducteur sur votre compte Azure.

Opération Requête demandée Type de document Conteneurs de prise en charge
• Traduction de texte
• Traduction de documentation		 from spécifié. Documents Office Aucun
• Traduction de texte
• Traduction de documentation		 from non spécifié. Nécessite la détection automatique de la langue pour déterminer la langue source. Documents Office ✔️ Conteneur Text analytics:language
• Traduction de texte
• Traduction de documentation		 from spécifié. Documents PDF numérisés ✔️ Conteneur Vision:read
• Traduction de texte
• Traduction de documentation		 from non spécifié nécessitant la détection automatique de la langue pour déterminer la langue source. Documents PDF numérisés ✔️ Conteneur Text analytics:language

✔️ Conteneur Vision:read

Utiliser des conteneurs de prise en charge avec docker compose

Docker compose est un outil qui vous permet de configurer des applications multiconteneurs à l’aide d’un fichier YAML unique généralement nommé compose.yaml. Utilisez la commande docker compose up pour démarrer votre application conteneur, et la commande docker compose down pour arrêter et supprimer vos conteneurs.

Si vous avez installé l’interface CLI Docker Desktop, elle inclut Docker compose et ses prérequis. Si vous n’avez pas Docker Desktop, consultez la vue d’ensemble de l’installation de Docker Compose.

Créer votre application

  1. À l’aide de votre éditeur ou IDE préféré, créez un répertoire nommé container-environment (ou tout autre nom de votre choix) pour votre application.

  2. Créez un fichier YAML nommé compose.yaml. Vous pouvez utiliser les extensions .yml ou .yaml pour le fichier compose.

  3. Copiez et collez l’exemple de code YAML suivant dans votre fichier compose.yaml. Remplacez {TRANSLATOR_KEY} et {TRANSLATOR_ENDPOINT_URI} par les valeurs de clé et de point de terminaison issues de votre instance Traducteur du portail Azure. Si vous traduisez des documents, veillez à utiliser le fichier document translation endpoint.

  4. Le nom de niveau supérieur (azure-ai-translator, azure-ai-language, azure-ai-read) est le paramètre que vous spécifiez.

  5. container_name est un paramètre facultatif qui définit un nom pour le conteneur lorsqu’il s’exécute, plutôt que de laisser docker compose générer un nom.

    services:
  azure-ai-translator:
    container_name: azure-ai-translator
    image: mcr.microsoft.com/azure-cognitive-services/translator/text-translation::latest
    environment:
        - EULA=accept
        - billing={TRANSLATOR_ENDPOINT_URI}
        - apiKey={TRANSLATOR_KEY}
        - ladurl=http://azure-ai-language:5000
        - VISIONURL=http://azure-ai-read:5000
    ports:
          - "5000:5000"
    volumes:
          - {your local folder}:/usr/local/models
    azure-ai-language:
      container_name: azure-ai-language
      image:  mcr.microsoft.com/azure-cognitive-services/textanalytics/language:latest
      environment:
          - EULA=accept
          - billing={LANGUAGE_RESOURCE_ENDPOINT_URI}
          - apiKey={LANGUAGE_RESOURCE_KEY}
          - Languages=en,es
          - LADINCLUSTER=true 
    azure-ai-read:
      container_name: azure-ai-read
      image:  mcr.microsoft.com/azure-cognitive-services/vision/read:latest
      environment:
          - EULA=accept
          - billing={COMPUTER_VISION_ENDPOINT_URI}
          - apiKey={COMPUTER_VISION_KEY}

  6. Ouvrez un terminal, accédez au dossier container-environment et démarrez les conteneurs avec la commande docker-compose suivante :

    docker compose up

  7. Pour arrêter les conteneurs, utilisez la commande suivante :

    docker compose down

    Conseil

    Commandes Docker utiles :

    • docker compose pause suspend les conteneurs en cours d’exécution.
    • docker compose unpause {your-container-name} annule la suspension des conteneurs suspendus.
    • docker compose restart redémarre tous les conteneurs arrêtés et en cours d’exécution avec toutes leurs modifications précédentes intactes. Si vous apportez des modifications à votre configuration compose.yaml, ces modifications ne sont pas mises à jour avec la commande docker compose restart. Vous devez utiliser la commande docker compose up pour refléter les mises à jour et les modifications apportées au fichier compose.yaml.
    • docker compose ps -a dresse la liste de tous les conteneurs, y compris ceux qui sont arrêtés.
    • docker compose exec vous permet d’exécuter des commandes pour détacher ou définir des variables d’environnement dans un conteneur en cours d’exécution.

    Pour plus d’informations, consultez les informations de référence sur l’interface CLI docker.

Images et étiquettes de Traducteur et de conteneurs de prise en charge

Vous trouverez les images conteneur Azure AI services dans le catalogue du Registre des artefacts Microsoft. Le tableau suivant indique l’emplacement complet de l’image pour la traduction de texte et de documentation :

Conteneur Emplacement de l’image Notes
Traducteur : traduction de texte et de documentation mcr.microsoft.com/azure-cognitive-services/translator/text-translation:latest Vous pouvez afficher la liste complète des étiquettes de version d’Azure AI services Text Translation sur MCR.
Analyse de texte : langue mcr.microsoft.com/azure-cognitive-services/textanalytics/language:latest Vous pouvez afficher la liste complète des étiquettes de version d’Azure AI services Text Analytics Language sur MCR.
Vision : Lire mcr.microsoft.com/azure-cognitive-services/vision/read:latest Vous pouvez afficher la liste complète des étiquettes de version de Azure AI services Computer Vision Read OCR sur MCR.

Autres paramètres et commandes

Voici quelques paramètres et commandes supplémentaires que vous pouvez utiliser pour exécuter le conteneur :

Enregistrements d’utilisation

Quand vous utilisez des conteneurs Docker dans un environnement déconnecté, le conteneur écrit des enregistrements d’utilisation dans un volume où ils sont collectés au fil du temps. Vous pouvez également appeler un point de terminaison API REST pour générer un rapport sur l’utilisation du service.

Arguments pour le stockage de journaux

Dans le cadre d’une exécution dans un environnement déconnecté, le conteneur doit avoir accès à un montage de sortie pour y stocker les journaux d’utilisation. Par exemple, vous pouvez inclure -v /host/output:{OUTPUT_PATH} et Mounts:Output={OUTPUT_PATH} dans l’exemple suivant, en remplaçant {OUTPUT_PATH} par le chemin où les journaux sont stockés :

Exemple dedocker run commande

docker run -v /host/output:{OUTPUT_PATH} ... <image> ... Mounts:Output={OUTPUT_PATH}

Noms de variable d’environnement dans les déploiements Kubernetes

  • Certains conteneurs Azure AI, par exemple Traducteur, exigent que les utilisateurs passent des noms de variable d’environnement qui incluent des signes deux-points (:) lors de l’exécution du conteneur.

  • Kubernetes n’accepte pas les deux-points dans les noms de variables d’environnement. Pour résoudre ce problème, vous pouvez remplacer les deux-points par deux traits de soulignement (__) lors d’un déploiement sur Kubernetes. Consultez l’exemple de format acceptable suivant pour les noms de variable d’environnement :

        env:
        - name: Mounts__License
          value: "/license"
        - name: Mounts__Output
          value: "/output"

Cet exemple remplace le format par défaut pour les noms de variable d’environnement Mounts:License et Mounts:Output dans la commande d’exécution de Docker.

Obtenir des enregistrements sur l’utilisation à l’aide des points de terminaison du conteneur

Le conteneur fournit deux points de terminaison pour retourner des enregistrements sur son utilisation.

Obtenir tous les enregistrements

Le point de terminaison suivant fournit un rapport récapitulant toutes les données d’utilisation collectées dans le répertoire d’enregistrements de facturation monté.

https://<service>/records/usage-logs/

Exemple de point de terminaison HTTPS pour récupérer tous les enregistrements

http://localhost:5000/records/usage-logs

Obtenir les enregistrements pour un mois spécifique

Le point de terminaison suivant fournit un rapport récapitulant l’utilisation pendant un mois et une année spécifiques :

https://<service>/records/usage-logs/{MONTH}/{YEAR}

Exemple de point de terminaison HTTPS pour récupérer des enregistrements pour un mois et une année spécifiques

http://localhost:5000/records/usage-logs/03/2024

Les points de terminaison de journaux d’utilisation retournent une réponse JSON similaire à l’exemple suivant :

Conteneur connecté

Les frais d’utilisation sont calculés en fonction de la valeur quantity.

{
  "apiType": "string",
"serviceName": "string",
"meters": [
  {
    "name": "string",
    "quantity": 256345435
    }
  ]
}

Résumé

Dans cet article, vous avez découvert les concepts et les workflows utilisés pour le téléchargement, l’installation et l’exécution d’un conteneur Azure AI Traducteur.

  • Le conteneur Azure AI Traducteur prend en charge la traduction de texte, la traduction de documentation synchrone et la translittération de texte.

  • Les images conteneurs sont téléchargées du registre de conteneurs, puis sont exécutées dans Docker.

  • Vous devez spécifier les informations de facturation lors de l’instanciation d’un conteneur.

Étapes suivantes

En savoir plus sur la configuration du conteneur Azure AI En savoir plus sur la prise en charge linguistique du conteneur.