to_lang 项目技术文档
1. 安装指南
要安装 to_lang,您需要执行以下命令:
gem install to_lang
此命令将使用 Ruby 的包管理器 Gem 来安装库。
2. 项目使用说明
to_lang 是一个 Ruby 库,可以为字符串和数组添加语言翻译方法,这些方法基于 Google Translate API。要使用这个库,您需要先加载库,然后通过您的 Google Translate API 密钥调用 ToLang.start 方法。之后,您将可以使用形如 to_language 的翻译方法,其中 "language" 是您希望翻译成的语言。
Google Translate 会尝试检测源语言,但您也可以通过调用形式为 to_target_language_from_source_language 的方法来显式指定源语言,其中 "target language" 是您要翻译成的语言,而 "source_language" 是起始语言。也存在一个功能相同但顺序颠倒的方法 from_source_language_to_target_language。这些方法是动态生成的,在调用 String.instance_methods 或 Array.instance_methods 时不会出现,直到它们被调用一次后。但是,字符串和数组会在调用 respond_to? 方法之前响应这些方法。
动态方法仅仅是 String#translate 和 Array#translate 方法的语法糖,您可以直接使用这些方法。
to_lang 还提供了一个命令行工具,用于从 shell 进行快速翻译。
3. 项目API使用文档
以下是使用 to_lang 的几个示例:
字符串示例
加载并初始化 to_lang:
require 'to_lang'
ToLang.start('YOUR_GOOGLE_TRANSLATE_API_KEY')
将一些文本翻译成西班牙语:
"Very cool gem!".to_spanish # => "Muy fresco joya!"
在源语言模糊的情况下:
"a pie".to_spanish # => "a pie"
"a pie".to_spanish_from_english # => "un pastel"
或者等价地:
"a pie".from_english_to_spanish # => "un pastel"
直接使用 String#translate 方法:
"hello world".translate('es') # => "hola mundo"
"a pie".translate('es', from: 'en') # => "un pastel"
数组示例
数组可以用来在一次方法调用和单个 HTTP 请求中翻译一批字符串。上面显示的相同方法也适用于数组。例如,将一个字符串数组翻译成西班牙语:
["One", "Two", "Three"].to_spanish # => ["Uno", "Dos", "Tres"]
调试
translate 方法还允许您为翻译获取调试输出。translate 接受一个 :debug 选项,该选项有三个可能的值::request、:response 和 :all。:request 将使方法返回一个哈希,该哈希包含将发送到 Google Translate API 的参数。:response 将使方法返回 API 调用的完整响应,作为一个哈希。:all 将使方法返回一个哈希,该哈希包含请求哈希和完整响应。
"hello world".translate('es', debug: :request)
# => {:key=>"my_key", :q=>"hello world", :target=>"es"}
"hello world".translate('es', debug: :response)
# => {"data"=>{"translations"=>[{"translatedText"=>"hola mundo", "detectedSourceLanguage"=>"en"}]}}
"hello world".translate('es', debug: :all)
# => {:request=>{:key=>"my_key", :q=>"hello world", :target=>"es"},
# :response=>{"data"=>{"translations"=>[{"translatedText"=>"hola mundo",
# "detectedSourceLanguage"=>"en"}]}}}
命令行接口
命令行工具 to_lang 具有以下接口:
to_lang [--key API_KEY] [--from 源语言] --to 目标语言 字符串 [字符串, ...]
to_lang 接受一个空格分隔的字符串列表进行翻译。至少需要一个字符串,同时必须要有 --to 选项,它接受一个语言代码(例如 "es")。to_lang 将尝试从 GOOGLE_TRANSLATE_API_KEY 环境变量中加载 Google Translate API 密钥。如果没有可用的密钥,它必须通过 --key 选项从命令行传递。要获取完整的用法说明,请使用 --help 选项调用实用程序。
示例:
直接从命令行传递密钥的简单翻译:
to_lang --key YOUR_GOOGLE_TRANSLATE_API_KEY --to es "hello world"
hola mundo
当密钥在环境变量中,并且有多个字符串时:
to_lang --to es "hello world" "a pie"
hola mundo
a pie
指定源语言:
to_lang --from en --to es "hello world" "a pie"
hola mundo
un pastel
4. 项目安装方式
关于安装方式的详细说明,请参考本文档的“安装指南”部分。简而言之,您可以通过 Ruby 的 Gem 包管理器使用以下命令来安装 to_lang:
gem install to_lang
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00