Formatierte Dokumente übersetzen

Die Dienste Vertex AI Translation und optische Zeichenerkennung (Optical Character Recognition, OCR) werden kombiniert, um eine Funktion zur Dokumentverarbeitung namens „Dokumentübersetzung“ bereitzustellen.

Mit Document Translate werden formatierte Dokumente wie PDF-Dateien direkt übersetzt. Im Vergleich zu reinen Textübersetzungen bleiben damit Originalformatierung und -layout Ihrer übersetzten Dokumente erhalten, sodass ein Großteil der ursprünglichen Struktur wie Absatzumbrüche beibehalten wird.

Document Translation unterstützt Dokumentübersetzungen inline, aus Speicher-Buckets und im Batch.

Auf dieser Seite wird beschrieben, wie Sie die Funktion zur Dokumentverarbeitung in Google Distributed Cloud (GDC) Air-Gapped verwenden, um Dokumente zu übersetzen und dabei ihr Format beizubehalten.

Unterstützte Formate

Document Translate unterstützt die folgenden Eingabedateitypen und die zugehörigen Ausgabedateitypen:

Übersetzung von Original- und gescannten PDF-Dokumenten

Document Translation unterstützt sowohl native als auch gescannte PDF-Dateien, einschließlich Übersetzungen in oder aus linksläufigen Sprachen bzw. Schriften. Außerdem werden Hyperlinks, Schriftgröße und Schriftfarbe aus Dateien beibehalten.

Hinweise

Bevor Sie die Funktion zur Dokumentverarbeitung verwenden können, benötigen Sie ein Projekt mit dem Namen dt-project. Die benutzerdefinierte Ressource des Projekts muss wie im folgenden Beispiel aussehen:

apiVersion: resourcemanager.gdc.goog/v1
kind: Project
metadata:
  labels:
    atat.config.google.com/clin-number: CLIN_NUMBER
    atat.config.google.com/task-order-number: TASK_ORDER_NUMBER
  name: dt-project
  namespace: platform

Außerdem müssen Sie die vortrainierten APIs für Vertex AI Translation und OCR aktivieren und die entsprechenden Anmeldedaten haben. Erwägen Sie, die Vertex AI Translation- und OCR-Clientbibliotheken zu installieren, um API-Aufrufe zu vereinfachen. Weitere Informationen zu den Voraussetzungen finden Sie unter Übersetzungsprojekt einrichten.

Dokument aus einem Speicher-Bucket übersetzen

Wenn Sie ein Dokument übersetzen möchten, das in einem Bucket gespeichert ist, verwenden Sie die Vertex AI Translation API.

In diesem Abschnitt wird beschrieben, wie Sie ein Dokument aus einem Bucket übersetzen und das Ergebnis in einem anderen Ausgabebucketpfad speichern. Die Antwort gibt auch einen Bytestream zurück. Sie können dabei den MIME-Typ angeben. Ohne diese Angabe wird er von Document Translate anhand der Erweiterung der Eingabedatei ermittelt.

Document Translate unterstützt die automatische Spracherkennung für Dokumente, die in Buckets gespeichert sind. Wenn Sie keinen Ausgangssprachcode angeben, ermittelt Document Translate die Sprache automatisch. Die ermittelte Sprache ist in der Ausgabe im Feld detectedLanguageCode enthalten.

So übersetzen Sie ein Dokument aus einem Speicher-Bucket:

1. gcloud CLI für Objektspeicher konfigurieren

2. Erstellen Sie einen Storage-Bucket im Namespace dt-project. Verwenden Sie eine Standard-Speicherklasse.

   Sie können den Storage-Bucket erstellen, indem Sie eine Bucket-Ressource im Namespace dt-project bereitstellen:

     apiVersion: object.gdc.goog/v1
     kind: Bucket
     metadata:
       name: dt-bucket
       namespace: dt-project
     spec:
       description: bucket for document vision service
       storageClass: Standard
       bucketPolicy:
         lockingPolicy:
           defaultObjectRetentionDays: 90
   

3. Gewähren Sie dem Dienstkonto (ai-translation-system-sa), das vom Vertex AI Translation-Dienst verwendet wird, die Berechtigungen read und write für den Bucket.

   So erstellen Sie die Rolle und die Rollenbindung mit benutzerdefinierten Ressourcen:

   1. Erstellen Sie die Rolle, indem Sie eine Role-Ressource im Namespace dt-project bereitstellen:

        apiVersion: rbac.authorization.k8s.io/v1
        kind: Role
        metadata:
          name: dvs-reader-writer
          namespace: dt-project
        rules:
          -
            apiGroups:
              - object.gdc.goog
            resources:
              - buckets
            verbs:
              - read-object
              - write-object
      

   2. Erstellen Sie die Rollenbindung, indem Sie eine RoleBinding-Ressource im Namespace dt-project bereitstellen:

        apiVersion: rbac.authorization.k8s.io/v1
        kind: RoleBinding
        metadata:
          name: dvs-reader-writer-rolebinding
          namespace: dt-project
        roleRef:
          apiGroup: rbac.authorization.k8s.io
          kind: Role
          name: dvs-reader-writer
        subjects:
          -
            kind: ServiceAccount
            name: ai-translation-system-sa
            namespace: ai-translation-system
      

4. Laden Sie das Dokument in den von Ihnen erstellten Storage-Bucket hoch. Weitere Informationen finden Sie unter Speicherobjekte in Projekten hoch- und herunterladen.

5. Stellen Sie eine Anfrage an die vortrainierte Vertex AI Translation API:

   curl

   So stellen Sie eine curl-Anfrage:

   1. Speichern Sie die folgende Datei request.json:

      cat <<- EOF > request.json
      {
        "parent": "projects/PROJECT_ID",
        "source_language_code": "SOURCE_LANGUAGE",
        "target_language_code": "TARGET_LANGUAGE",
        "document_input_config": {
          "mime_type": "application/pdf",
          "s3_source": {
            "input_uri": "s3://INPUT_FILE_PATH"
          }
        },
        "document_output_config": {
          "mime_type": "application/pdf"
        },
        "enable_rotation_correction": "true"
      }
      EOF
      

      Ersetzen Sie Folgendes:

      • PROJECT_ID: Ihre Projekt-ID.
      • SOURCE_LANGUAGE: die Sprache, in der Ihr Dokument verfasst ist. Hier finden Sie eine Liste der unterstützten Sprachen und der entsprechenden Sprachcodes.
      • TARGET_LANGUAGE: die Sprache oder Sprachen, in die Sie Ihr Dokument übersetzen möchten. Hier finden Sie eine Liste der unterstützten Sprachen und der entsprechenden Sprachcodes.
      • INPUT_FILE_PATH: Der Pfad zu Ihrer Dokumentdatei im Speicher-Bucket.

      Ändern Sie den Wert mime_type entsprechend Ihrem Dokument.

   2. Authentifizierungstoken abrufen

   3. Stellen Sie die Anfrage:

      curl -vv --data-binary @- -H "Content-Type: application/json" -H "Authorization: Bearer TOKEN" https://ENDPOINT:443/v3/projects/PROJECT_ID:translateDocument < request.json
      

      Ersetzen Sie Folgendes:

      • TOKEN: Das Authentifizierungstoken, das Sie erhalten haben.
      • ENDPOINT: Der Vertex AI Translation-Endpunkt, den Sie für Ihre Organisation verwenden. Weitere Informationen
      • PROJECT_ID: Ihre Projekt-ID.

Dokument inline übersetzen

In diesem Abschnitt wird beschrieben, wie Sie ein Dokument inline als Teil der API-Anfrage senden. Für Inline-Dokumentübersetzungen muss der MIME-Typ angegeben werden.

Document Translate unterstützt die automatische Spracherkennung für Inline-Textübersetzungen. Wenn Sie keinen Ausgangssprachcode angeben, ermittelt Document Translate die Sprache automatisch. Die ermittelte Sprache ist in der Ausgabe im Feld detectedLanguageCode enthalten.

Stellen Sie eine Anfrage an die vortrainierte Vertex AI Translation API:

echo '{"parent": "projects/PROJECT_ID","source_language_code": "SOURCE_LANGUAGE", "target_language_code": "TARGET_LANGUAGE", "document_input_config": { "mime_type": "application/pdf", "content": "'$(base64 -w 0 INPUT_FILE_PATH)'" }, "document_output_config": { "mime_type": "application/pdf" }, "enable_rotation_correction": "true"}' | curl --data-binary @- -H "Content-Type: application/json" -H "Authorization: Bearer TOKEN" https://ENDPOINT/v3/projects/PROJECT_ID:translateDocument

Dokumente im Batch übersetzen

Mit einer Batchübersetzung haben Sie die Möglichkeit, mit einer einzigen Anfrage mehrere Dateien in mehrere Sprachen zu übersetzen. Für jede Anfrage können Sie bis zu 100 Dateien mit einer Gesamtgröße von bis zu 1 GB oder bis zu 100 Millionen Unicode-Codepoints senden, je nachdem, welches Limit zuerst erreicht wird. Sie können für jede Sprache ein eigenes Übersetzungsmodell angeben.

Weitere Informationen finden Sie unter batchTranslateDocument.

Mehrere Dokumente übersetzen

Das folgende Beispiel beinhaltet mehrere Eingabekonfigurationen. Jede Eingabekonfiguration ist ein Verweis auf eine Datei in einem Speicher-Bucket.

Stellen Sie eine Anfrage an die vortrainierte Vertex AI Translation API:

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}

Original-PDF-Datei übersetzen und konvertieren

Im folgenden Beispiel wird eine Original-PDF-Datei übersetzt und in eine DOCX-Datei konvertiert. Sie können mehrere Eingaben verschiedener Dateitypen angeben. Es muss sich nicht bei allen Dateien um Original-PDF-Dateien handeln. Gescannte PDF-Dateien können jedoch nicht verwendet werden, wenn diese auch konvertiert werden sollen. Die Anfrage wird dann abgelehnt und es wird keine Übersetzung ausgeführt. Es können nur Original-PDF-Dateien übersetzt und in DOCX-Dateien konvertiert werden. Wenn Sie beispielsweise PPTX-Dateien verwenden, werden diese übersetzt und als PPTX-Dateien zurückgegeben.

Wenn Sie regelmäßig eine Kombination aus gescannten und Original-PDF-Dateien übersetzen möchten, sollten Sie diese in separaten Buckets ablegen. Auf diese Weise können Sie bei der Anfrage für eine Batchübersetzung und -konvertierung auf einfache Weise den Bucket mit den gescannten PDF-Dateien ausschließen, anstatt einzelne Dateien auszuschließen.

Stellen Sie eine Anfrage an die vortrainierte Vertex AI Translation API:

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}

Glossar verwenden

Sie können ein Glossar für die fachspezifische Terminologie angeben. Wenn Sie ein Glossar angeben, müssen Sie auch die Ausgangssprache angeben. Im folgenden Beispiel wird ein Glossar verwendet. Sie können bis zu zehn Zielsprachen mit einem eigenen Glossar angeben.

Wenn Sie nur für einige Zielsprachen ein Glossar angeben, wird für die anderen Sprachen kein Glossar verwendet.

Stellen Sie eine Anfrage an die vortrainierte Vertex AI Translation API:

{
"name": "projects/PROJECT_ID/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.translation.v3.BatchTranslateDocumentMetadata",
  "state": "RUNNING"
}
}