Skip to content

Latest commit

 

History

History
122 lines (83 loc) · 3.06 KB

README_CN.md

File metadata and controls

122 lines (83 loc) · 3.06 KB

ImmersiveL

ImmersiveL 是一个旨在连接全球语言的开放自由的框架和模型中心。

目前，ImmersiveL 应用是基于 Deepspeed 的中英双向翻译框架。主要结构位于 app 目录中，由 Python 3.8+ 环境、Flask、Deepspeed 和 PyTorch 组成。

目前的第一个模型是基于 bloomz 模型训练的，其许可证可以在这里找到。Apache 许可证授权给此仓库中的模型的派生部分和其他源代码文件。

🌐 Read in English

开始使用

  1. 克隆仓库并设置环境

    建议使用 Python 3.8+ 和 CUDA 11.8 环境。

    首先，将 ImmersiveL 仓库克隆到本地机器：

    git clone https://github.com/immersive-translate/ImmersiveL.git

    克隆后，导航到 app 目录并安装 requirements.txt 中列出的所有必要包：

    cd ImmersiveL/app
pip install -r requirements.txt

  2. 运行应用

    如果您使用的是 Linux 环境，请使用以下命令使用 Deepspeed 启动应用程序：

    deepspeed --num_gpus 1 app.py

    对于 Windows 用户：

    python app_win.py

    当您看到类似于 * Running on [IP 地址] 的消息时，表示应用程序已成功启动。

  3. 测试部署

    现在应用程序正在运行，通过从中文翻译为英文来测试它：

    curl -X POST -H "Content-Type: application/json" -d '{"text": "欧洲经济增长仍面临较大挑战", "task": "zh2en"}' http://localhost:7000/v1/translate

    如果您得到一个翻译结果，说明您的部署成功。

API端点

1. 沉浸式翻译 (/v1/immersive_translate)

请求

  • 方法: POST
  • 内容类型: application/json
{
    "source_lang": "zh-CN",
    "target_lang": "en",
    "text_list": [
        "这是一个测试句子",
        "欧洲经济增长仍面临较大挑战"
    ]
}
  • source_lang: 源语言代码。
  • target_lang: 目标语言代码。
  • text_list: 待翻译的文本字符串数组。

响应

对于给定的请求：

{
    "translations": [
        {
            "detected_source_lang": "zh-CN",
            "text": "This is a test sentence"
        },
        {
            "detected_source_lang": "zh-CN",
            "text": "Economic growth in Europe continues to face significant challenges"
        }
    ]
}
  • translations: 包含以下内容的数组：
    • detected_source_lang: 已翻译文本的检测语言代码。
    • text: 已翻译的文本。

语言代码

  • zh-CN: 简体中文
  • en: 英语

2. 基本翻译 (/v1/translate)

  • 方法: POST
  • 内容类型: application/json

请求参数

  • text: 您希望翻译的文本。
  • task: 定义翻译方向。使用 "zh2en" 进行中英翻译，使用 "en2zh" 进行英中翻译。

响应参数

  • data:
    • translation: 已翻译的输出文本。
    • info: 有关请求的其他详细信息，包括使用的模型、原始文本等。