Utiliser Azure AI Traducteur prédéfini dans Fabric avec l’API REST et SynapseML (préversion)
Important
Cette fonctionnalité est en préversion.
Azure AI Traducteur est un Azure AI services qui vous permet d’effectuer la traduction de langues et d’autres opérations linguistiques.
Cet échantillon montre comment utiliser Azure AI Traducteur prédéfini dans Fabric avec des API RESTful pour :
- Traduire le texte
- Translittérer du texte
- Obtenir les langues prises en charge
Prérequis
# 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}")
Traduction de texte
Traduire du texte est l’opération fondamentale du service Translator.
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)
Sortie
HTTP 200
[
{
"detectedLanguage": {
"language": "en",
"score": 1.0
},
"translations": [
{
"text": "Bonjour cher ami.",
"to": "fr"
}
]
}
]
Translittérer du texte
La translittération est le processus de conversion d’un mot ou d’une expression depuis l’écriture (l’alphabet) d’une langue vers une autre en fonction de similarités phonétiques.
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)
Sortie
HTTP 200
[
{
"text": "Kon'nichiwa",
"script": "Latn"
},
{
"text": "sayonara",
"script": "Latn"
}
]
Récupération des langues prises en charge
Obtient une liste des langues prises en charge par les opérations de Traducteur.
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)
Contenu connexe
- Utiliser l’Analyse de texte prédéfinie dans Fabric avec l’API REST
- Utiliser l’analyse de texte prédéfinie dans Fabric avec SynapseML
- Utiliser Azure AI Traducteur prédéfini dans Fabric avec SynapseML
- Utiliser Azure OpenAI prédéfini dans Fabric avec l’API REST
- Utiliser Azure OpenAI prédéfini dans Fabric avec le Kit de développement logiciel (SDK) Python
- Utiliser Azure OpenAI prédéfini dans Fabric avec SynapseML