很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，这样我才能更好地帮助您。
- 内容介绍
- 文章标签
- 相关推荐
本文共计1283个文字，预计阅读时间需要6分钟。
前言 1. 在线翻译 + 在线翻译，一般是指在线翻译工具，如百度翻译、阿里翻译1688或Google翻译等。这类翻译工具的作用是利用计算机程序将一种自然语言（源语言）转换为另一种自然语言（目标语言）。
前言
1.在线翻译
在线翻译，一般是指在线翻译工具，如百度翻译、阿里翻译1688或Google翻译等。这类翻译工具的作用是利用计算机程序将一种自然语言(源语言)转换为另一种自然语言(目标语言)。其原理是依托海量的互联网数据资源和自然语言处理技术，在数百万篇文档中查找各种模式，以求解最佳翻译。
这种在大量文本中查找各种范例的过程称为“统计机器翻译”。由于译文是由机器生成的，因此并不是所有的译文都是完美的。这就是为什么翻译的准确性有时会因语言的不同而有所差异。
2.离线翻译
离线翻译是指在没有联网的情况下仍然可以运行翻译功能，这就需要你的本地电脑中有离线翻译包！只有有了离线翻译包，离线翻译功能才能正常使用。
一、多语言离线翻译系统
1.开发环境
- 系统环境：WIN11
- 开发环境：VS2022
- 开发语言环境：Python3.9 + .NET 7
2.准备离线翻译包
离线翻译包网站：huggingface.co/Helsinki-NLP
Models里面有上千个语言模型，根据自己需要进行下载
此处，我选了二个模型，分别是英汉/汉英的翻译模型。
3.准备python代码
# 离线翻译服务代码
import os
from flask import Flask, request
from gevent import pywsgi
from transformers import pipeline, AutoModelWithLMHead, AutoTokenizer
import warnings, requests
warnings.filterwarnings('ignore')
try:
print('\n\n 翻译服务 Designed by:yg \n\n\n')
print('正在加载翻译模型... ...')
# 英文翻译成中文
# AutoModelForSeq2SeqLM.from_pretrained
model = AutoModelWithLMHead.from_pretrained("Helsinki-NLP/opus-mt-en-zh")
tokenizer = AutoTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-zh")
translation = pipeline("translation_en_to_zh", model=model, tokenizer=tokenizer)
#text = "Student accommodation centres, resorts"
#translated_text = translation(text, max_length=40)[0]['translation_text']
print('正在加载翻译模型... ...')
# 中文翻译成英文
model_zh2de = AutoModelWithLMHead.from_pretrained("Helsinki-NLP/opus-mt-zh-en")
tokenizer_zh2de = AutoTokenizer.from_pretrained("Helsinki-NLP/opus-mt-zh-en")
translation_en2zh = pipeline("translation_zh_to_en", model=model_zh2de, tokenizer=tokenizer_zh2de)
app = Flask(__name__)
@app.route('/yg-translater', methods=['POST'])
def translate():
mod = request.form['mod']
text = request.form['text']
if mod == 'en2zh':
result = translation(text, max_length=10240)[0]['translation_text']
return result
if mod == 'zh2en':
result = translation_en2zh(text, max_length=10240)[0]['translation_text']
return result
print('翻译服务已启动，请通过api形式访问该服务地址：127.0.0.1:16888/yg-translater')
server = pywsgi.WSGIServer(('0.0.0.0', 16888), app)
server.serve_forever()
except:
print('翻译服务存在异常... ...')
注意必须需要多安装下面包，不然会报错
pip install sentencepiece
启动程序会自动加载模型 下载的模型，会自动下载到当前用户文件夹下，具体效果如下图所示。所以如果某个服务器没有外网，也可以直接拷贝该.cache文件夹到指定服务器下面的某用户下，也可以被识别
4.调试翻译结果
打开Apifox做个接口测试，对应工具还有postman等等大家可以根据自己的喜欢选择。
1、英文译中文 Sharp tools make good work（工欲善其事，必先利其器）似乎有点不尽人意
2、中文译英文
工欲善其事，必先利其器（If you want to work well, you'll be able to use it first.）
5.Python翻译服务对接到.NET Core
Program.cs
var builder = WebApplication.CreateBuilder(args);
// Add services to the container.
builder.Services.AddControllers();
// Learn more about configuring Swagger/OpenAPI at aka.ms/aspnetcore/swashbuckle
builder.Services.AddEndpointsApiExplorer();
builder.Services.AddSwaggerGen();
//注入HttpClient
builder.Services.AddHttpClient();
var app = builder.Build();
// Configure the HTTP request pipeline.
if (app.Environment.IsDevelopment())
{
app.UseSwagger();
app.UseSwaggerUI();
}
app.UseAuthorization();
app.MapControllers();
app.Run();
.NET Core 注入IHttpClientFactory。然后写个简单的测试功能，直接看以下代码：
using Microsoft.AspNetCore.Http;
using Microsoft.AspNetCore.Mvc;
using System;
using System.Diagnostics;
namespace Translate.Controllers
{
[Route("api/[controller]/[action]")]
[ApiController]
public class TranslationController : ControllerBase
{
IHttpClientFactory _httpClientFactory;
public TranslationController(IHttpClientFactory httpClientFactory)
{
_httpClientFactory = httpClientFactory;
}
/// <summary>
/// 测试翻译
/// </summary>
/// <param name="mod">模式 zh2en en2zh de2zh zh2de</param>
/// <param name="text"></param>
/// <returns></returns>
[HttpPost]
public IActionResult Test(string url,string mod,string text)
{
string result = string.Empty;
using (HttpClient client = _httpClientFactory.CreateClient())
{
try
{
client.Timeout = new TimeSpan(0, 0, 100);
client.DefaultRequestHeaders.Add("User-Agent", @"Mozilla/5.0 (compatible; Baiduspider/2.0)");
client.DefaultRequestHeaders.Add("Accept", @"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
FormUrlEncodedContent data = new FormUrlEncodedContent(new Dictionary<string, string>() {
{ "mod",mod},
{ "text",text}
});
HttpResponseMessage res = client.PostAsync(url, data).Result;
if (res.IsSuccessStatusCode && res.StatusCode == System.Net.HttpStatusCode.OK)
{
result = res.Content.ReadAsStringAsync().Result;
}
else
{
result = $"访问翻译服务错误:Error";
}
}
catch (Exception ex)
{
result = "访问翻译服务错误:"+ ex.Message;
}
}
return Ok(result);
}
}
}
通过自带的swagger测试效果 得到结果
本文共计1283个文字，预计阅读时间需要6分钟。
前言 1. 在线翻译 + 在线翻译，一般是指在线翻译工具，如百度翻译、阿里翻译1688或Google翻译等。这类翻译工具的作用是利用计算机程序将一种自然语言（源语言）转换为另一种自然语言（目标语言）。
前言
1.在线翻译
在线翻译，一般是指在线翻译工具，如百度翻译、阿里翻译1688或Google翻译等。这类翻译工具的作用是利用计算机程序将一种自然语言(源语言)转换为另一种自然语言(目标语言)。其原理是依托海量的互联网数据资源和自然语言处理技术，在数百万篇文档中查找各种模式，以求解最佳翻译。
这种在大量文本中查找各种范例的过程称为“统计机器翻译”。由于译文是由机器生成的，因此并不是所有的译文都是完美的。这就是为什么翻译的准确性有时会因语言的不同而有所差异。
2.离线翻译
离线翻译是指在没有联网的情况下仍然可以运行翻译功能，这就需要你的本地电脑中有离线翻译包！只有有了离线翻译包，离线翻译功能才能正常使用。
一、多语言离线翻译系统
1.开发环境
- 系统环境：WIN11
- 开发环境：VS2022
- 开发语言环境：Python3.9 + .NET 7
2.准备离线翻译包
离线翻译包网站：huggingface.co/Helsinki-NLP
Models里面有上千个语言模型，根据自己需要进行下载
此处，我选了二个模型，分别是英汉/汉英的翻译模型。
3.准备python代码
# 离线翻译服务代码
import os
from flask import Flask, request
from gevent import pywsgi
from transformers import pipeline, AutoModelWithLMHead, AutoTokenizer
import warnings, requests
warnings.filterwarnings('ignore')
try:
print('\n\n 翻译服务 Designed by:yg \n\n\n')
print('正在加载翻译模型... ...')
# 英文翻译成中文
# AutoModelForSeq2SeqLM.from_pretrained
model = AutoModelWithLMHead.from_pretrained("Helsinki-NLP/opus-mt-en-zh")
tokenizer = AutoTokenizer.from_pretrained("Helsinki-NLP/opus-mt-en-zh")
translation = pipeline("translation_en_to_zh", model=model, tokenizer=tokenizer)
#text = "Student accommodation centres, resorts"
#translated_text = translation(text, max_length=40)[0]['translation_text']
print('正在加载翻译模型... ...')
# 中文翻译成英文
model_zh2de = AutoModelWithLMHead.from_pretrained("Helsinki-NLP/opus-mt-zh-en")
tokenizer_zh2de = AutoTokenizer.from_pretrained("Helsinki-NLP/opus-mt-zh-en")
translation_en2zh = pipeline("translation_zh_to_en", model=model_zh2de, tokenizer=tokenizer_zh2de)
app = Flask(__name__)
@app.route('/yg-translater', methods=['POST'])
def translate():
mod = request.form['mod']
text = request.form['text']
if mod == 'en2zh':
result = translation(text, max_length=10240)[0]['translation_text']
return result
if mod == 'zh2en':
result = translation_en2zh(text, max_length=10240)[0]['translation_text']
return result
print('翻译服务已启动，请通过api形式访问该服务地址：127.0.0.1:16888/yg-translater')
server = pywsgi.WSGIServer(('0.0.0.0', 16888), app)
server.serve_forever()
except:
print('翻译服务存在异常... ...')
注意必须需要多安装下面包，不然会报错
pip install sentencepiece
启动程序会自动加载模型 下载的模型，会自动下载到当前用户文件夹下，具体效果如下图所示。所以如果某个服务器没有外网，也可以直接拷贝该.cache文件夹到指定服务器下面的某用户下，也可以被识别
4.调试翻译结果
打开Apifox做个接口测试，对应工具还有postman等等大家可以根据自己的喜欢选择。
1、英文译中文 Sharp tools make good work（工欲善其事，必先利其器）似乎有点不尽人意
2、中文译英文
工欲善其事，必先利其器（If you want to work well, you'll be able to use it first.）
5.Python翻译服务对接到.NET Core
Program.cs
var builder = WebApplication.CreateBuilder(args);
// Add services to the container.
builder.Services.AddControllers();
// Learn more about configuring Swagger/OpenAPI at aka.ms/aspnetcore/swashbuckle
builder.Services.AddEndpointsApiExplorer();
builder.Services.AddSwaggerGen();
//注入HttpClient
builder.Services.AddHttpClient();
var app = builder.Build();
// Configure the HTTP request pipeline.
if (app.Environment.IsDevelopment())
{
app.UseSwagger();
app.UseSwaggerUI();
}
app.UseAuthorization();
app.MapControllers();
app.Run();
.NET Core 注入IHttpClientFactory。然后写个简单的测试功能，直接看以下代码：
using Microsoft.AspNetCore.Http;
using Microsoft.AspNetCore.Mvc;
using System;
using System.Diagnostics;
namespace Translate.Controllers
{
[Route("api/[controller]/[action]")]
[ApiController]
public class TranslationController : ControllerBase
{
IHttpClientFactory _httpClientFactory;
public TranslationController(IHttpClientFactory httpClientFactory)
{
_httpClientFactory = httpClientFactory;
}
/// <summary>
/// 测试翻译
/// </summary>
/// <param name="mod">模式 zh2en en2zh de2zh zh2de</param>
/// <param name="text"></param>
/// <returns></returns>
[HttpPost]
public IActionResult Test(string url,string mod,string text)
{
string result = string.Empty;
using (HttpClient client = _httpClientFactory.CreateClient())
{
try
{
client.Timeout = new TimeSpan(0, 0, 100);
client.DefaultRequestHeaders.Add("User-Agent", @"Mozilla/5.0 (compatible; Baiduspider/2.0)");
client.DefaultRequestHeaders.Add("Accept", @"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
FormUrlEncodedContent data = new FormUrlEncodedContent(new Dictionary<string, string>() {
{ "mod",mod},
{ "text",text}
});
HttpResponseMessage res = client.PostAsync(url, data).Result;
if (res.IsSuccessStatusCode && res.StatusCode == System.Net.HttpStatusCode.OK)
{
result = res.Content.ReadAsStringAsync().Result;
}
else
{
result = $"访问翻译服务错误:Error";
}
}
catch (Exception ex)
{
result = "访问翻译服务错误:"+ ex.Message;
}
}
return Ok(result);
}
}
}
通过自带的swagger测试效果 得到结果