Django-Vinaigrette 使用与技术文档
1. 安装指南
在开始使用django-vinaigrette之前,需要按照以下步骤进行安装:
- 将
vinaigrette添加到您的Django项目的INSTALLED_APPS配置中。 - 在适当的
apps.py文件中的AppConfig的ready方法里注册需要翻译的模型字段。
import vinaigrette
class SaladAppConfig(AppConfig):
def ready(self):
# 导入需要翻译的模型
from .models import Ingredient # 或其他模型...
Ingredient = self.get_model("Ingredient")
# 注册需要翻译的字段
vinaigrette.register(Ingredient, ['name', 'description'])
这会告诉vinaigrette翻译Ingredient对象上的name和description字段。
2. 项目使用说明
安装vinaigrette之后,使用manage.py makemessages命令生成的PO文件将包含已注册字段的字符串。如果某个特定的字符串已经被翻译,那么模型的值将是翻译成相应语言的字符串。
from django.utils.translation import activate
i = Ingredient(name=u'莴苣')
print(i.name) # 输出原始值
activate('fr') # 激活法语
print(i.name) # 输出翻译后的值
vinaigrette还提供了一些选项来限制从哪些对象收集翻译字符串。详情请参考vinaigrette.register的文档字符串。
vinaigrette为manage.py makemessages命令增加了一个--keep-obsolete选项,这可以防止gettext停用代码或已注册数据库字段中不再存在的翻译消息。
vinaigrette适用于以下类型的数据库内容:
- 总是使用默认语言编辑
- 由网站管理员编辑,而非用户
只有模型实例会被翻译。通过Django QuerySet的values方法访问的数据不会被翻译。
一般情况下,当访问字段时,如果存在翻译版本,它将始终返回翻译版本。但是,如果设置值,则应该将输入的确切值(而非翻译版本)保存到数据库。
3. 项目API使用文档
目前项目中的API主要是通过注册模型和字段来进行翻译操作,以下是主要API的使用方法:
-
vinaigrette.register(model, fields): 注册需要翻译的模型及其字段。 -
vinaigrette.middleware.VinaigretteAdminLanguageMiddleware: 中间件,用于强制后台管理界面始终使用主语言,避免vinaigrette干扰更改视图。
4. 项目安装方式
项目的安装方式已在“安装指南”一节中说明。这里补充一下,如果遇到后台管理界面问题,请确保在settings.MIDDLEWARE中添加了VinaigretteAdminLanguageMiddleware中间件。
MIDDLEWARE = [
# 其他中间件...
'vinaigrette.middleware.VinaigretteAdminLanguageMiddleware',
# 其他中间件...
]
以上就是django-vinaigrette的安装使用和技术文档,如果需要更多帮助,请参考项目在GitHub上的wiki页面。
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