भाषांतर आता उपलब्ध आहे - मेनूमधून आपली पसंतीची भाषा निवडा.
कसे आम्ही आमच्या वेबसाइटचे भाषांतर करण्यासाठी OpenAI API वापरले

कसे आम्ही आमच्या वेबसाइटचे भाषांतर करण्यासाठी OpenAI API वापरले

परिचय

जेव्हा आम्ही आमच्या GoHugo.io-आधारित वेबसाइटला बहुभाषिक बनवण्याचा विचार केला, तेव्हा आम्हाला भाषांतर तयार करण्यासाठी एक प्रभावी, स्केलेबल आणि किफायतशीर मार्ग हवा होता. प्रत्येक पृष्ठाचे मॅन्युअल भाषांतर करण्याऐवजी, आम्ही प्रक्रियेला स्वयंचलित करण्यासाठी OpenAI च्या API चा लाभ घेतला. हा लेख दर्शवतो की आम्ही Hugo सह OpenAI API कसे एकत्रित केले, Zeon स्टुडिओच्या HugoPlate थीमचा वापर करून, भाषांतर जलद आणि अचूकपणे कसे तयार केले.

आम्ही भाषांतरासाठी OpenAI API का निवडले

परंपरागत भाषांतर सेवा सामान्यतः महत्त्वपूर्ण मॅन्युअल प्रयत्नांची आवश्यकता असते, आणि Google Translate सारख्या स्वयंचलित साधनांचा वापर उपयुक्त असला तरी, ते नेहमीच आवश्यक असलेल्या कस्टमायझेशनच्या पातळी प्रदान करत नाहीत. OpenAI च्या API ने आम्हाला:

  • मोठ्या प्रमाणात भाषांतर स्वयंचलित करणे
  • भाषांतर शैली कस्टमाइझ करणे
  • गुणवत्तेवर चांगला नियंत्रण ठेवणे
  • आमच्या Hugo-आधारित साइटसह सहजपणे एकत्रित करणे
  • पुनर्भाषांतरासाठी वैयक्तिक पृष्ठे चिन्हांकित करणे

चरण-दर-चरण प्रक्रिया

1. Hugo वेबसाइट तयार करणे

आमची साइट आधीच HugoPlate थीमचा वापर करून सेटअप केलेली होती, जी बहुभाषिक कार्यक्षमता समर्थन करते. पहिला टप्पा म्हणजे आमच्या Hugo config/_default/languages.toml फाईलमध्ये भाषा समर्थन सक्षम करणे:

################ 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

ही कॉन्फिगरेशन सुनिश्चित करते की Hugo आमच्या सामग्रीचे वेगळ्या भाषांतरित आवृत्त्या तयार करू शकतो.

2. OpenAI API सह भाषांतर स्वयंचलित करणे

आम्ही Markdown फाईल्सचे भाषांतर स्वयंचलित करण्यासाठी एक Bash स्क्रिप्ट विकसित केली. ही स्क्रिप्ट:

  • स्रोत निर्देशिकेतून इंग्रजी .md फाईल्स वाचते.
  • Markdown स्वरूपन जतन करताना मजकूराचे भाषांतर करण्यासाठी OpenAI API चा वापर करते.
  • भाषांतरित सामग्री योग्य भाषेच्या निर्देशिकांमध्ये लिहिते.
  • JSON फाईलचा वापर करून भाषांतर स्थिती ट्रॅक करते.

आमच्या स्क्रिप्टचा आढावा येथे आहे:

#!/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. भाषांतर स्थिती व्यवस्थापित करणे

फिरत्या भाषांतरांना प्रतिबंधित करण्यासाठी आणि प्रगती ट्रॅक करण्यासाठी, आम्ही एक JSON फाईल (translation_status.json) वापरली. स्क्रिप्ट प्रत्येक दस्तऐवज प्रक्रिया केल्यानंतर या फाईलचे अद्यतन करते, यामुळे फक्त नवीन किंवा अद्यतनित सामग्रीचे भाषांतर होते.

4. त्रुटी हाताळणी आणि API दर मर्यादा

आम्ही दर मर्यादा, API अपयश आणि कोटा समस्यांशी संबंधित त्रुटी हाताळण्यासाठी पुनःप्रयत्न आणि त्रुटी हाताळणी लागू केली. जर OpenAI API rate_limit_reached किंवा service_unavailable सारखी त्रुटी परत केली, तर स्क्रिप्ट पुनःप्रयत्न करण्यापूर्वी थांबते.

5. तैनाती

एकदा भाषांतरित सामग्री तयार झाल्यावर, hugo --minify चालवणे बहुभाषिक स्थिर साइट तयार करते, तैनातीसाठी तयार.

आव्हाने आणि उपाय

1. भाषांतराची अचूकता

OpenAI च्या भाषांतर सामान्यतः अचूक असले तरी, काही तांत्रिक अटींना मॅन्युअल पुनरावलोकनाची आवश्यकता असू शकते, पण आम्ही फक्त दोन जणांची टीम आहोत, त्यामुळे आम्ही सर्वोत्तमाची अपेक्षा करत आहोत. आम्ही संदर्भ आणि टोन राखण्यासाठी प्रॉम्प्ट्समध्ये सुधारणा केली.

2. स्वरूपण समस्या

भाषांतरात Markdown सिंटॅक्स कधी कधी बदलला जातो. हे दुरुस्त करण्यासाठी, आम्ही स्वरूपन जतन करण्यासाठी पोस्ट-प्रोसेसिंग लॉजिक जोडले.

3. API खर्च ऑप्टिमायझेशन

खर्च कमी करण्यासाठी, आम्ही अपरिवर्तित सामग्रीचे पुनःभाषांतर टाळण्यासाठी कॅशिंग लागू केले.

4. पुनर्भाषांतर प्रभावीपणे हाताळणे

विशिष्ट पृष्ठांचे पुनर्भाषांतर करण्यासाठी, आम्ही retranslate: true फ्रंट मॅटर पॅरामीटर जोडला. स्क्रिप्ट फक्त या पॅरामीटरसह चिन्हांकित पृष्ठांचे पुनर्भाषांतर करते. यामुळे आम्हाला आवश्यकतेनुसार भाषांतर अद्यतनित करण्याची परवानगी मिळते, संपूर्ण साइटचे पुनर्भाषांतर न करता.

निष्कर्ष

OpenAI API चा Hugo सह एकत्र करून, आम्ही आमच्या वेबसाइटचे भाषांतर स्वयंचलित केले, गुणवत्ता आणि लवचिकता राखली. या दृष्टिकोनाने वेळ वाचवला, सुसंगतता सुनिश्चित केली, आणि आम्हाला सहजपणे स्केल करण्याची परवानगी दिली. जर तुम्ही तुमच्या Hugo साइटला बहुभाषिक बनवण्याचा विचार करत असाल, तर OpenAI चा API एक शक्तिशाली समाधान प्रदान करतो.

Share This Page: