
ഞങ്ങൾ എങ്ങനെ OpenAI API ഉപയോഗിച്ച് നമ്മുടെ വെബ്സൈറ്റ് പരിഭാഷപ്പെടുത്തി
- Articles, Stories
- Hugo , OpenAI , Translation , Automation
- 2025, മാർച്ച് 19
- 37 min read
പരിചയം
ഞങ്ങൾ GoHugo.io അടിസ്ഥാനമാക്കിയ വെബ്സൈറ്റ് ബഹുഭാഷാ ആക്കാൻ ശ്രമിക്കുമ്പോൾ, പരിഭാഷകൾ സൃഷ്ടിക്കാൻ കാര്യക്ഷമമായ, സ്കേലബിള് ആയ, ചെലവുകുറഞ്ഞ മാർഗ്ഗം ആഗ്രഹിച്ചു. ഓരോ പേജും കൈമാറാതെ, OpenAI-യുടെ API ഉപയോഗിച്ച് പ്രക്രിയ സ്വയമേവ നടത്താൻ ഞങ്ങൾ ശ്രമിച്ചു. ഈ ലേഖനം OpenAI API-യെ ഹ്യൂഗോയിൽ എങ്ങനെ സംയോജിപ്പിച്ചുവെന്ന് വിശദീകരിക്കുന്നു, Zeon Studio-യുടെ HugoPlate തീം ഉപയോഗിച്ച്, പരിഭാഷകൾ വേഗത്തിൽ, കൃത്യമായി സൃഷ്ടിക്കാൻ.
പരിഭാഷയ്ക്ക് OpenAI API തിരഞ്ഞെടുക്കാനുള്ള കാരണം
പരമ്പരാഗത പരിഭാഷാ സേവനങ്ങൾ സാധാരണയായി വലിയ മാനുവൽ ശ്രമം ആവശ്യപ്പെടുന്നു, Google Translate പോലുള്ള സ്വയം പ്രവർത്തിക്കുന്ന ഉപകരണങ്ങൾ, ഉപകാരപ്രദമായിരുന്നാലും, ഞങ്ങൾ ആവശ്യമായ കസ്റ്റമൈസേഷൻ നിലനിര്ത്തുന്നില്ല. OpenAI-യുടെ API ഞങ്ങൾക്കു അനുവദിച്ചു:
- വലിയ തോതിൽ പരിഭാഷകൾ സ്വയം നടത്തുക
- പരിഭാഷയുടെ ശൈലി കസ്റ്റമൈസ് ചെയ്യുക
- ഗുണമേന്മയെ കുറിച്ച് മികച്ച നിയന്ത്രണം നിലനിര്ത്തുക
- നമ്മുടെ ഹ്യൂഗോ അടിസ്ഥാനമാക്കിയ സൈറ്റുമായി സുഖകരമായി സംയോജിപ്പിക്കുക
- പുനർപരിഭാഷയ്ക്കായി വ്യക്തിഗത പേജുകൾ അടയാളപ്പെടുത്തുക
ഘട്ടം-ഘട്ടമായി പ്രക്രിയ
1. ഹ്യൂഗോ വെബ്സൈറ്റ് തയ്യാറാക്കൽ
ഞങ്ങളുടെ സൈറ്റ് HugoPlate തീം ഉപയോഗിച്ച് ഇതിനകം തന്നെ സജ്ജീകരിച്ചിരുന്നു, ഇത് ബഹുഭാഷാ പ്രവർത്തനക്ഷമത പിന്തുണയ്ക്കുന്നു. ആദ്യത്തെ ഘട്ടം, നമ്മുടെ ഹ്യൂഗോ config/_default/languages.toml
ഫയലിൽ ഭാഷാ പിന്തുണ സജീവമാക്കുക:
################ English language ##################
[en]
languageName = "English"
languageCode = "en-us"
contentDir = "content/english"
weight = 1
################ Arabic language ##################
[ar]
languageName = "العربية"
languageCode = "ar"
contentDir = "content/arabic"
languageDirection = 'rtl'
weight = 2
ഈ കോൺഫിഗറേഷൻ ഹ്യൂഗോക്ക് നമ്മുടെ ഉള്ളടക്കത്തിന്റെ വ്യത്യസ്ത ഭാഷാ പതിപ്പുകൾ സൃഷ്ടിക്കാൻ അനുവദിക്കുന്നു.
2. OpenAI API ഉപയോഗിച്ച് പരിഭാഷകൾ സ്വയം നടത്തൽ
Markdown ഫയലുകളുടെ പരിഭാഷ സ്വയം നടത്താൻ ഞങ്ങൾ ഒരു Bash സ്ക്രിപ്റ്റ് വികസിപ്പിച്ചു. ഈ സ്ക്രിപ്റ്റ്:
- ഉറവിട ഡയറക്ടറിയിൽ നിന്നുള്ള ഇംഗ്ലീഷ്
.md
ഫയലുകൾ വായിക്കുന്നു. - Markdown ഫോർമാറ്റിംഗ് നിലനിര്ത്തുന്നതിനിടെ OpenAI API-യെ ഉപയോഗിച്ച് ടെക്സ്റ്റ് പരിഭാഷപ്പെടുത്തുന്നു.
- പരിഭാഷപ്പെടുത്തിയ ഉള്ളടക്കം അനുയോജ്യമായ ഭാഷാ ഡയറക്ടറികളിലേക്ക് എഴുതുന്നു.
- JSON ഫയൽ ഉപയോഗിച്ച് പരിഭാഷയുടെ നില ട്രാക്ക് ചെയ്യുന്നു.
ഞങ്ങളുടെ സ്ക്രിപ്റ്റിന്റെ അവലോകനം ഇവിടെ:
#!/bin/bash
# ===========================================
# Hugo Content Translation and Update Script (Sequential Processing & New-Language Cleanup)
# ===========================================
# This script translates Hugo Markdown (.md) files from English to all supported target languages
# sequentially (one file at a time). It updates a JSON status file after processing each file.
# At the end of the run, it checks translation_status.json and removes any language from
# translate_new_language.txt only if every file for that language is marked as "success".
# ===========================================
set -euo pipefail
# --- Simple Logging Function (writes to stderr) ---
log_step() {
echo "[$(date '+%Y-%m-%d %H:%M:%S')] $*" >&2
}
# --- Environment Setup ---
export PATH="/opt/homebrew/opt/coreutils/libexec/gnubin:$PATH"
# (Removed "Script starting." log)
SCRIPT_DIR="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
log_step "SCRIPT_DIR set to: $SCRIPT_DIR"
if [ -f "$SCRIPT_DIR/.env" ]; then
log_step "Loading environment variables from .env"
set -o allexport
source "$SCRIPT_DIR/.env"
set +o allexport
fi
# Load new languages from translate_new_language.txt (if available)
declare -a NEW_LANGUAGES=()
if [ -f "$SCRIPT_DIR/translate_new_language.txt" ]; then
while IFS= read -r line || [[ -n "$line" ]]; do
NEW_LANGUAGES+=("$line")
done <"$SCRIPT_DIR/translate_new_language.txt"
else
log_step "No new languages file found; proceeding with empty NEW_LANGUAGES."
fi
API_KEY="${OPENAI_API_KEY:-}"
if [ -z "$API_KEY" ]; then
log_step "❌ Error: OPENAI_API_KEY environment variable is not set."
exit 1
fi
# Supported Languages (full list)
SUPPORTED_LANGUAGES=("ar" "bg" "bn" "cs" "da" "de" "el" "es" "fa" "fi" "fr" "ha" "he" "hi" "hr" "hu" "id" "ig" "it" "ja" "ko" "ml" "mr" "ms" "nl" "no" "pa" "pl" "pt" "ro" "ru" "sk" "sn" "so" "sr" "sv" "sw" "ta" "te" "th" "tl" "tr" "uk" "vi" "xh" "yo" "zh" "zu")
STATUS_FILE="$SCRIPT_DIR/translation_status.json"
SRC_DIR="$SCRIPT_DIR/Content/english"
log_step "Source directory: $SRC_DIR"
# Check dependencies
for cmd in jq curl; do
if ! command -v "$cmd" >/dev/null 2>&1; then
log_step "❌ Error: '$cmd' is required. Please install it."
exit 1
fi
done
MAX_RETRIES=5
WAIT_TIME=2 # seconds
# Create/initialize status file if missing
if [ ! -f "$STATUS_FILE" ]; then
echo "{}" >"$STATUS_FILE"
log_step "Initialized status file at: $STATUS_FILE"
fi
# --- Locking for Status Updates ---
lock_status() {
local max_wait=10
local start_time
start_time=$(date +%s)
while ! mkdir "$STATUS_FILE.lockdir" 2>/dev/null; do
sleep 0.01
local now
now=$(date +%s)
if ((now - start_time >= max_wait)); then
log_step "WARNING: Lock wait exceeded ${max_wait}s. Forcibly removing stale lock."
rm -rf "$STATUS_FILE.lockdir"
fi
done
}
unlock_status() {
rmdir "$STATUS_FILE.lockdir"
}
update_status() {
local file_path="$1" lang="$2" status="$3"
lock_status
jq --arg file "$file_path" --arg lang "$lang" --arg status "$status" \
'.[$file][$lang] = $status' "$STATUS_FILE" >"$STATUS_FILE.tmp" && mv "$STATUS_FILE.tmp" "$STATUS_FILE"
unlock_status
}
# --- Translation Function ---
translate_text() {
local text="$1" lang="$2"
local retry_count=0
while [ "$retry_count" -lt "$MAX_RETRIES" ]; do
user_message="Translate the following text to $lang. Preserve all formatting exactly as in the original.
$text"
json_payload=$(jq -n \
--arg system "Translate from English to $lang. Preserve original formatting exactly." \
--arg user_message "$user_message" \
'{
"model": "gpt-4o-mini",
"messages": [
{"role": "system", "content": $system},
{"role": "user", "content": $user_message}
],
"temperature": 0.3
}')
response=$(curl -s https://api.openai.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $API_KEY" \
-d "$json_payload")
log_step "📥 Received API response."
local error_type
error_type=$(echo "$response" | jq -r '.error.type // empty')
local error_message
error_message=$(echo "$response" | jq -r '.error.message // empty')
if [ "$error_type" == "insufficient_quota" ]; then
sleep "$WAIT_TIME"
retry_count=$((retry_count + 1))
elif [[ "$error_type" == "rate_limit_reached" || "$error_type" == "server_error" || "$error_type" == "service_unavailable" ]]; then
sleep "$WAIT_TIME"
retry_count=$((retry_count + 1))
elif [ "$error_type" == "invalid_request_error" ]; then
return 1
elif [ -z "$error_type" ]; then
if ! translated_text=$(echo "$response" | jq -r '.choices[0].message.content' 2>/dev/null); then
return 1
fi
if [ "$translated_text" == "null" ] || [ -z "$translated_text" ]; then
return 1
else
translated_text=$(echo "$translated_text" | sed -e 's/^```[[:space:]]*//; s/[[:space:]]*```$//')
echo "$translated_text"
return 0
fi
else
return 1
fi
done
return 1
}
# --- Process a Single File (Sequential Version) ---
process_file() {
local src_file="$1" target_file="$2" lang="$3" rel_src="$4"
# If target file exists and is non-empty, mark status as success.
if [ -s "$target_file" ]; then
update_status "$rel_src" "$lang" "success"
return 0
fi
content=$(<"$src_file")
if [[ "$content" =~ ^(---|\+\+\+)[[:space:]]*$ ]] && [[ "$content" =~ [[:space:]]*(---|\+\+\+\+)[[:space:]]*$ ]]; then
front_matter=$(echo "$content" | sed -n '/^\(---\|\+\+\+\)$/,/^\(---\|\+\+\+\)$/p')
body_content=$(echo "$content" | sed -n '/^\(---\|\+\+\+\)$/,/^\(---\|\+\+\+\)$/d')
else
front_matter=""
body_content="$content"
fi
log_step "Translating [$rel_src] to $lang..."
translated_body=$(translate_text "$body_content" "$lang")
if [ $? -ne 0 ]; then
update_status "$rel_src" "$lang" "failed"
return 1
fi
mkdir -p "$(dirname "$target_file")"
if [ -n "$front_matter" ]; then
echo -e "$front_matter
$translated_body" >"$target_file"
else
echo -e "$translated_body" >"$target_file"
fi
updated_content=$(echo "$content" | sed -E 's/^retranslate:\s*true/retranslate: false/')
echo "$updated_content" >"$src_file"
update_status "$rel_src" "$lang" "success"
}
# --- Main Sequential Processing ---
ALL_SUCCESS=true
for TARGET_LANG in "${SUPPORTED_LANGUAGES[@]}"; do
log_step "Processing language: $TARGET_LANG"
TARGET_DIR="$SCRIPT_DIR/Content/$TARGET_LANG"
while IFS= read -r -d '' src_file; do
rel_src="${src_file#$SCRIPT_DIR/}"
target_file="$TARGET_DIR/${src_file#$SRC_DIR/}"
# If file is marked not to retranslate, check that target file exists and is non-empty.
if ! [[ " ${NEW_LANGUAGES[@]:-} " =~ " ${TARGET_LANG} " ]] && grep -q '^retranslate:\s*false' "$src_file"; then
if [ -s "$target_file" ]; then
update_status "$rel_src" "$TARGET_LANG" "success"
else
update_status "$rel_src" "$TARGET_LANG" "failed"
fi
continue
fi
process_file "$src_file" "$target_file" "$TARGET_LANG" "$rel_src"
done < <(find "$SRC_DIR" -type f -name "*.md" -print0)
done
log_step "Translation run completed."
end_time=$(date +%s)
duration=$((end_time - $(date +%s)))
log_step "Execution Time: $duration seconds"
if [ "$ALL_SUCCESS" = true ]; then
log_step "🎉 Translation completed successfully for all supported languages!"
else
log_step "⚠️ Translation completed with some errors."
fi
# --- Clean Up Fully Translated New Languages ---
if [ -f "$SCRIPT_DIR/translate_new_language.txt" ]; then
log_step "Cleaning up fully translated new languages..."
for lang in "${NEW_LANGUAGES[@]:-}"; do
incomplete=$(jq --arg lang "$lang" 'to_entries[] | select(.value[$lang] != null and (.value[$lang] != "success")) | .key' "$STATUS_FILE")
if [ -z "$incomplete" ]; then
log_step "All translations for new language '$lang' are marked as success. Removing from translate_new_language.txt."
sed -E -i '' "/^[[:space:]]*$lang[[:space:]]*$/d" "$SCRIPT_DIR/translate_new_language.txt"
else
log_step "Language '$lang' still has incomplete translations."
fi
done
fi
3. പരിഭാഷയുടെ നില കൈകാര്യം ചെയ്യൽ
അവശേഷിക്കുന്ന പരിഭാഷകൾ തടയാൻ, പുരോഗതി ട്രാക്ക് ചെയ്യാൻ, ഞങ്ങൾ ഒരു JSON ഫയൽ (translation_status.json
) ഉപയോഗിച്ചു. ഓരോ ഡോക്യുമെന്റ് പ്രോസസ്സ് ചെയ്തതിനു ശേഷം ഈ ഫയൽ അപ്ഡേറ്റ് ചെയ്യുന്നു, പുതിയ അല്ലെങ്കിൽ അപ്ഡേറ്റ് ചെയ്ത ഉള്ളടക്കം മാത്രം പരിഭാഷപ്പെടുത്തപ്പെടുന്നു എന്നത് ഉറപ്പാക്കുന്നു.
4. പിശക് കൈകാര്യം ചെയ്യൽ ಮತ್ತು API നിരക്ക് പരിധികൾ
നിരക്ക് പരിധികൾ, API പരാജയങ്ങൾ,Quota പ്രശ്നങ്ങൾ കൈകാര്യം ചെയ്യാൻ ഞങ്ങൾ പുനരാരംഭങ്ങൾക്കും പിശക് കൈകാര്യം ചെയ്യലിനും നടപ്പിലാക്കി. OpenAI API rate_limit_reached
അല്ലെങ്കിൽ service_unavailable
പോലുള്ള പിശക് തിരികെ നൽകുമ്പോൾ, സ്ക്രിപ്റ്റ് പുനരാരംഭിക്കുന്നതിന് മുമ്പ് കാത്തിരിക്കുന്നു.
5. വിന്യാസം
പരിഭാഷപ്പെടുത്തിയ ഉള്ളടക്കം സൃഷ്ടിച്ചതിന് ശേഷം, hugo --minify
പ്രവർത്തിപ്പിക്കുന്നത് ബഹുഭാഷാ സ്റ്റാറ്റിക് സൈറ്റ് നിർമ്മിക്കുന്നു, വിന്യാസത്തിനായി തയ്യാറാണ്.
വെല്ലുവിളികളും പരിഹാരങ്ങളും
1. പരിഭാഷയുടെ കൃത്യത
OpenAI-യുടെ പരിഭാഷകൾ സാധാരണയായി കൃത്യമായിരുന്നെങ്കിലും, ചില സാങ്കേതിക പദങ്ങൾ കൈമാറേണ്ടതുണ്ട്, എന്നാൽ ഞങ്ങൾ രണ്ട് പേരുടെ ഒരു ടീം മാത്രമാണ്, അതിനാൽ മികച്ചതിന്റെ പ്രതീക്ഷയിലാണ്. നാം പശ്ചാത്തലവും ശബ്ദവും നിലനിര്ത്താൻ പ്രോംപ്റ്റുകൾ നന്നാക്കുന്നു.
2. ഫോർമാറ്റിംഗ് പ്രശ്നങ്ങൾ
Markdown സിന്താക്സ് ചിലപ്പോൾ പരിഭാഷയിൽ മാറ്റം വരുത്തിയിരുന്നു. ഇത് പരിഹരിക്കാൻ, ഫോർമാറ്റിംഗ് നിലനിര്ത്താൻ പോസ്റ്റ്-പ്രോസസ്സിംഗ് ലജിക് ചേർത്തു.
3. API ചെലവ് ഓപ്റ്റിമൈസേഷൻ
ചെലവുകൾ കുറയ്ക്കാൻ, മാറ്റമില്ലാത്ത ഉള്ളടക്കം വീണ്ടും പരിഭാഷപ്പെടുത്തുന്നത് ഒഴിവാക്കാൻ കാഷിംഗ് നടപ്പിലാക്കി.
4. പുനർപരിഭാഷകൾ കാര്യക്ഷമമായി കൈകാര്യം ചെയ്യൽ
നിർദ്ദിഷ്ട പേജുകൾ പുനർപരിഭാഷപ്പെടുത്താൻ, ഞങ്ങൾ retranslate: true
ഫ്രണ്ട് മാറ്റർ പാരാമീറ്റർ ചേർത്തു. ഈ പാരാമീറ്റർ അടയാളപ്പെടുത്തിയ പേജുകൾ മാത്രം സ്ക്രിപ്റ്റ് പുനർപരിഭാഷപ്പെടുത്തുന്നു. ഇത് മുഴുവൻ സൈറ്റിന്റെ പുനർപരിഭാഷ ചെയ്യാതെ ആവശ്യമായപ്പോൾ പരിഭാഷകൾ അപ്ഡേറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു.
സമാപനം
OpenAI API-യെ ഹ്യൂഗോയിൽ സംയോജിപ്പിച്ച്, ഗുണമേന്മയും ലവലവുമുള്ള വെബ്സൈറ്റ് പരിഭാഷകൾ സ്വയം നടത്താൻ ഞങ്ങൾ സാധിച്ചു. ഈ സമീപനം സമയം ലാഭിക്കുകയും, സ്ഥിരത ഉറപ്പുവരുത്തുകയും, എളുപ്പത്തിൽ സ്കേൽ ചെയ്യാൻ അനുവദിക്കുകയും ചെയ്തു. നിങ്ങളുടെ ഹ്യൂഗോ സൈറ്റിനെ ബഹുഭാഷാ ആക്കാൻ നിങ്ങൾ അന്വേഷിക്കുന്നുവെങ്കിൽ, OpenAI-യുടെ API ശക്തമായ ഒരു പരിഹാരമാണ്.