ใช้ Azure AI Translator ที่สร้างไว้ล่วงหน้าใน Fabric ด้วย REST API และ SynapseML (ตัวอย่าง)
สำคัญ
คุณลักษณะนี้อยู่ในตัวอย่าง
Azure AI Translator เป็น บริการ Azure AI ที่ช่วยให้คุณสามารถทําการแปลภาษาและการดําเนินการอื่น ๆ ที่เกี่ยวข้องกับภาษาได้
ตัวอย่างนี้แสดงให้เห็นถึงการใช้ตัวแปล Azure AI จัดทําสําเร็จใน Fabric ด้วย RESTful APIs เพื่อ:
- แปลข้อความ
- แปลข้อความ
- รับภาษาที่รองรับ
ข้อกำหนดเบื้องต้น
# 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}")
การแปลข้อความ
การดําเนินการหลักของบริการตัวแปลคือการแปลข้อความ
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)
เอาท์พุท
HTTP 200
[
{
"detectedLanguage": {
"language": "en",
"score": 1.0
},
"translations": [
{
"text": "Bonjour cher ami.",
"to": "fr"
}
]
}
]
การแปลข้อความ
การแปลเป็นกระบวนการในการแปลงคําหรือวลีจากสคริปต์ (ตัวอักษร) ของภาษาหนึ่งไปเป็นอีกภาษาหนึ่งโดยยึดตามความคล้ายคลึงกันในการออกเสียง
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)
เอาท์พุท
HTTP 200
[
{
"text": "Kon'nichiwa",
"script": "Latn"
},
{
"text": "sayonara",
"script": "Latn"
}
]
การเรียกข้อมูลภาษาที่สนับสนุน
รับรายการภาษาที่ได้รับการสนับสนุนโดยการดําเนินการของตัวแปล
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)
เนื้อหาที่เกี่ยวข้อง
- ใช้การวิเคราะห์ข้อความจัดทําสําเร็จใน Fabric กับ REST API
- ใช้การวิเคราะห์ข้อความจัดทําสําเร็จใน Fabric ด้วย SynapseML
- ใช้ตัวแปล AI Azure จัดทําสําเร็จใน Fabric ด้วย SynapseML
- ใช้ Azure OpenAI ที่สร้างไว้ล่วงหน้าใน Fabric ด้วย REST API
- ใช้ Azure OpenAI ที่สร้างไว้ล่วงหน้าในผ้าด้วย Python SDK
- ใช้ Azure OpenAI ที่สร้างไว้ล่วงหน้าใน Fabric ด้วย SynapseML