Skip to content
프로젝트

Azure/co-op-translator

GitHub에서 보기

Azure/co-op-translator has 669 GitHub stars and 112 forks. GitHot measured +2 stars in 24 hours. Last checked 2026-11-15 22:35 UTC. Last push 2026-11-14.

이 수치를 측정하는 방법

측정된 스타 증가

in 24h
+2
in 7 days
업데이트 지연
in 15 days
업데이트 지연
in 1 month
업데이트 지연

서로 겹치는 기간의 순증가량이며 일별 합계가 아닙니다. 측정값이 없으면 비워 둡니다. 스타는 관심도를 나타내며 품질을 보장하지 않습니다.

소개

Keep Markdown, Jupyter notebooks, and image text translated as your repository changes.

개발 도구

translations/ko/README.md

Original

Co-op Translator

프로젝트가 발전함에 따라 교육용 GitHub 콘텐츠의 번역을 여러 언어로 손쉽게 자동화하고 유지하세요.

Python 3.10–3.12 Python 패키지 라이선스: MIT 다운로드 다운로드 컨테이너: GHCR 코드 스타일: black

GitHub 기여자 GitHub 이슈 GitHub 풀 리퀘스트 PR 환영

시작하기: 워크플로 선택 | 구성 | CLI | Python API | MCP 서버

🌐 다국어 지원

지원: Co-op Translator

아랍어 | 벵골어 | 불가리아어 | 버마어 (미얀마) | 중국어 (간체) | 중국어 (번체, 홍콩) | 중국어 (번체, 마카오) | 중국어 (번체, 대만) | 크로아티아어 | 체코어 | 덴마크어 | 네덜란드어 | 에스토니아어 | 핀란드어 | 프랑스어 | 독일어 | 그리스어 | 히브리어 | 힌디어 | 헝가리어 | 인도네시아어 | 이탈리아어 | 일본어 | 칸나다어 | 크메르어 | 한국어 | 리투아니아어 | 말레이어 | 말라얄람어 | 마라티어 | 네팔어 | 나이지리아 피진어 | 노르웨이어 | 페르시아어 (파르시) | 폴란드어 | 포르투갈어 (브라질) | 포르투갈어 (포르투갈) | 펀자브어 (구르무키) | 루마니아어 | 러시아어 | 세르비아어 (키릴) | 슬로바키아어 | 슬로베니아어 | 스페인어 | 스와힐리어 | 스웨덴어 | 타갈로그어 (필리핀) | 타밀어 | 텔루구어 | 태국어 | 터키어 | 우크라이나어 | 우르두어 | 베트남어

로컬로 복제하시겠습니까?

이 저장소에는 50개 이상의 언어 번역이 포함되어 있어 다운로드 크기가 크게 증가합니다. 번역 없이 복제하려면 sparse checkout을 사용하세요:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git
cd co-op-translator
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/Azure/co-op-translator.git
cd co-op-translator
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

이 방법을 사용하면 과정 완료에 필요한 모든 것을 훨씬 빠른 다운로드로 얻을 수 있습니다.

GitHub watchers GitHub forks GitHub stars

Microsoft Foundry Discord

GitHub Codespaces에서 열기

개요

Co-op Translator는 교육용 GitHub 콘텐츠를 여러 언어로 손쉽게 현지화하도록 도와줍니다. Markdown 파일, 이미지 또는 노트북을 업데이트하면 번역도 자동으로 동기화되어 전 세계 학습자에게 콘텐츠의 정확성과 최신성이 유지됩니다.

CLI에서 저장소 번역을 실행하거나 자동화를 위해 Python API를 사용하거나 에이전트 및 편집자 워크플로를 위해 MCP 서버를 통해 사용할 수 있습니다.

번역된 콘텐츠가 구성되는 예:

예시

Co-op Translator를 사용하는 이유

하나의 파일을 번역하는 것은 쉽습니다. 전체 문서 저장소를 번역하고, 링크를 맞추고, 최신 상태로 유지하는 것이 더 어렵습니다.

문제 Co-op Translator의 도움
긴 문서는 하나의 프롬프트로 처리할 수 없음 큰 Markdown 파일은 청크로 분할되므로 긴 README가 하나의 취약한 모델 응답에 의존하지 않습니다. 청크가 실패하면 Co-op Translator는 실패한 부분만 재시도하고 재청크할 수 있습니다.
불완전한 번역을 현재 상태로 표시해서는 안 됨 잘린 번역이 최신으로 봉인되어서는 안 됩니다. Co-op Translator는 저장하기 전에 번역 무결성을 검사하고 구조적으로 불완전한 기존 번역을 감지할 수 있습니다.
링크는 번역된 저장소 구조와 일치해야 함 수동 번역은 종종 상대 링크가 원본 트리를 가리키도록 남깁니다. Co-op Translator는 Markdown, 노트북, 이미지 및 README 링크를 translations/<lang>/... 구조에 맞게 재작성합니다.
전체 저장소에 대한 번역이 작동해야 함 Co-op Translator는 파일을 하나씩 번역하는 대신 README 파일, 문서, 노트북 및 이미지 텍스트를 하나의 저장소 워크플로의 일부로 처리합니다.
번역을 단 한번 생성하는 것보다 유지하는 것이 더 중요함 소스 해시와 번역 메타데이터를 통해 Co-op Translator는 오래된 파일을 찾고, 변경되지 않은 파일을 건너뛰며, 원본 저장소가 진화함에 따라 번역된 콘텐츠를 동기화 상태로 유지할 수 있습니다.

번역 상태 관리 방법

Co-op Translator는 번역된 콘텐츠를 버전 관리되는 소프트웨어 아티팩트로 관리합니다.
정적 파일로 취급하지 않습니다.

이 도구는 언어 범위 메타데이터를 사용하여 번역된 Markdown, 이미지 및 노트북의 상태를 추적합니다.

이 설계는 Co-op Translator가 다음을 가능하게 합니다:

  • 오래된 번역을 신뢰성 있게 감지
  • Markdown, 이미지 및 노트북을 일관되게 처리
  • 크고 빠르게 변화하는 다국어 저장소 전반에서 안전하게 확장

번역을 관리형 아티팩트로 모델링함으로써, 번역 워크플로는 최신 소프트웨어 종속성 및 아티팩트 관리 관행과 자연스럽게 정렬됩니다.

→ 번역 상태 관리 방법

관련 심층 글

시작하기

Co-op Translator는 CLI, Python API 또는 MCP 서버에서 사용할 수 있습니다. 로컬 번역, 자동화, CI 및 에이전트/편집기 통합 중에서 선택할 때 워크플로 가이드부터 시작하세요.

구성 후 최소 CLI 예시:

python -m venv .venv
# 윈도우
.venv\Scripts\activate
# macOS/리눅스
source .venv/bin/activate

pip install co-op-translator
translate -l "ko" -md
co-op-review -l "ko"

대규모 저장소에서 처음 실행할 때는 번역된 파일을 쓰기 전에 --dry-run을 사용하세요. 콘텐츠 유형 플래그, 로그, 검토 및 링크 마이그레이션은 CLI 참조를 참조하세요.

Bash/Zsh에서 컨테이너 빠른 실행:

docker run --rm -it --env-file .env -v "${PWD}:/work" ghcr.io/azure/co-op-translator:latest -l "ko" -md

PowerShell에서 컨테이너 빠른 실행:

docker run --rm -it --env-file .env -v ${PWD}:/work ghcr.io/azure/co-op-translator:latest -l "ko" -md

기능

  • Markdown, 노트북 및 이미지에 대한 자동 번역
  • 소스 변경과 번역을 동기 상태로 유지
  • 로컬(CLI) 또는 CI(GitHub Actions)에서 작동
  • MCP를 통해 Markdown, 노트북, 이미지, 검토 및 프로젝트 번역 도구 노출
  • 제공자 기반 번역을 위해 Azure OpenAI 또는 OpenAI 사용
  • MCP가 에이전트를 호스팅하여 Co-op Translator LLM 자격 증명 없이 Markdown 및 노트북 청크를 번역하도록 허용
  • 이미지 텍스트 추출 및 번역을 위해 Azure AI Vision 사용
  • 결정론적 검사를 통해 번역 구조와 최신성 검토
  • Markdown 서식과 구조 보존

문서

Microsoft 전용 가이드

[!NOTE] Microsoft “For Beginners” 저장소의 유지 관리자를 위한 안내입니다.

저희를 지원하고 전 세계 학습을 촉진하세요

교육용 콘텐츠가 전 세계에 공유되는 방식을 혁신하는 여정에 함께하세요! Co-op Translator에 GitHub에서 ⭐를 눌러 주시고 학습과 기술에서 언어 장벽을 허무는 우리의 미션을 지원해주세요. 여러분의 관심과 기여는 큰 영향을 줍니다! 코드 기여와 기능 제안은 언제나 환영합니다.

사용자의 언어로 Microsoft 교육 자료 탐색

비디오 발표

👉 아래 이미지를 클릭하면 YouTube에서 시청할 수 있습니다.

  • Microsoft에서 공개: Co-op Translator 사용 방법에 대한 간단한 18분 소개 및 빠른 안내.

    Microsoft에서 공개

기여

이 프로젝트는 기여와 제안을 환영합니다. Azure Co-op Translator에 기여하는 데 관심이 있으신가요? Co-op Translator를 보다 접근 가능하게 만드는 데 도움이 될 수 있는 지침은 CONTRIBUTING.md 를 참조하세요.

기여자

행동 강령

이 프로젝트는 Microsoft Open Source Code of Conduct 를 채택했습니다. 자세한 내용은 Code of Conduct FAQ 를 참조하거나 추가 질문이나 의견이 있으면 [email protected] 으로 문의하세요.

책임 있는 AI

Microsoft는 고객이 당사의 AI 제품을 책임감 있게 사용할 수 있도록 지원하고, 학습 내용을 공유하며, Transparency Notes 및 Impact Assessments 같은 도구를 통해 신뢰 기반의 파트너십을 구축하는 데 전념하고 있습니다. 이러한 리소스의 많은 부분은 https://aka.ms/RAI 에서 확인할 수 있습니다. Microsoft의 책임 있는 AI 접근 방식은 공정성, 신뢰성과 안전성, 개인 정보 보호 및 보안, 포용성, 투명성 및 책임성이라는 AI 원칙에 기반합니다.

이 샘플에서 사용된 것과 같은 대규모 자연어, 이미지 및 음성 모델은 잠재적으로 불공정하거나 신뢰할 수 없거나 공격적인 방식으로 동작하여 피해를 초래할 수 있습니다. 위험과 한계에 대해 알기 위해 Azure OpenAI service Transparency note 를 참조하세요.

이러한 위험을 완화하기 위한 권장 접근 방식은 유해한 동작을 감지하고 방지할 수 있는 안전 시스템을 아키텍처에 포함시키는 것입니다. Azure AI Content Safety 는 애플리케이션과 서비스에서 유해한 사용자 생성 및 AI 생성 콘텐츠를 감지할 수 있는 독립적인 보호 계층을 제공합니다. Azure AI Content Safety는 유해한 자료를 감지할 수 있는 텍스트 및 이미지 API를 포함합니다. 또한 다양한 모달리티에 걸쳐 유해한 콘텐츠를 감지하기 위한 샘플 코드를 보고, 탐색하고, 직접 시도해볼 수 있는 대화형 Content Safety Studio도 제공합니다. 다음의 빠른 시작 문서 는 서비스에 요청을 보내는 과정을 안내합니다.

고려해야 할 또 다른 측면은 전체 애플리케이션 성능입니다. 멀티모달 및 멀티모델 애플리케이션의 경우, 성능은 시스템이 사용자와 귀하가 기대하는 대로 동작하는지(유해한 출력물을 생성하지 않는 것을 포함)를 의미합니다. 전체 애플리케이션의 성능을 평가하는 것은 generation quality and risk and safety metrics 를 사용하여 수행하는 것이 중요합니다.

개발 환경에서 prompt flow SDK 를 사용하여 AI 애플리케이션을 평가할 수 있습니다. 테스트 데이터셋이나 목표를 기반으로 귀하의 생성형 AI 애플리케이션 생성물은 내장 평가기 또는 선택한 맞춤 평가기를 통해 정량적으로 측정됩니다. 시스템을 평가하기 위해 prompt flow SDK를 시작하려면 빠른 시작 가이드 를 따라 하세요. 평가 실행을 완료하면 Azure AI Studio에서 결과를 시각화 할 수 있습니다.

상표

이 프로젝트에는 프로젝트, 제품 또는 서비스의 상표 또는 로고가 포함될 수 있습니다. Microsoft 상표 또는 로고의 승인된 사용은 Microsoft's Trademark & Brand Guidelines 를 준수해야 합니다. 이 프로젝트의 수정된 버전에서 Microsoft 상표 또는 로고를 사용하는 경우 혼동을 초래하거나 Microsoft의 후원을 암시해서는 안 됩니다. 타사 상표 또는 로고의 사용은 해당 타사 정책의 적용을 받습니다.

도움 받기

AI 앱을 빌드하는 중에 막히거나 질문이 있는 경우 다음에 참여하세요:

Microsoft Foundry Discord

제품 피드백이 있거나 빌드 중 오류가 발생한 경우 방문하세요:

Microsoft Foundry Developer Forum