Uso de Traductor de Azure AI precompilado en Fabric con la API REST y SynapseML (versión preliminar)
Importante
Esta característica se encuentra en versión preliminar.
Traductor de Azure AI es una instancia de los servicios de Azure AI que le permite realizar traducciones de idiomas y otras operaciones relacionadas con los idiomas.
En este ejemplo se muestra cómo usar el traductor de Azure AI precompilado en Fabric con las API de RESTful:
- Traducir texto
- Transliterar texto
- Obtener idiomas admitidos
Requisitos previos
# 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}")
Traducción de texto
La operación básica del servicio Translator es traducir texto.
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)
Salida
HTTP 200
[
{
"detectedLanguage": {
"language": "en",
"score": 1.0
},
"translations": [
{
"text": "Bonjour cher ami.",
"to": "fr"
}
]
}
]
Transliteración de texto
La transliteración es el proceso de convertir una palabra o una frase del guión (alfabeto) de un idioma al de otro en función de su similitud fonética.
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)
Salida
HTTP 200
[
{
"text": "Kon'nichiwa",
"script": "Latn"
},
{
"text": "sayonara",
"script": "Latn"
}
]
Recuperación de idiomas admitidos
Obtiene una lista de idiomas admitidos por las operaciones de Traductor.
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)
Contenido relacionado
- Uso de Text Analytics precompilado en Fabric con la API REST
- Uso de Text Analytics precompilado en Fabric con SynapseML
- Uso de Traductor de Azure AI precompilado en Fabric con SynapseML
- Uso de Azure OpenAI precompilado en Fabric con la API REST
- Uso de Azure OpenAI precompilado en Fabric con el SDK de Python
- Uso de Azure OpenAI precompilado en Fabric con SynapseML