
మేము మా వెబ్సైట్ను అనువదించడానికి OpenAI APIని ఎలా ఉపయోగించాము
- Articles, Stories
- Hugo , OpenAI , Translation , Automation
- 19 మార్చి, 2025
- 37 min read
పరిచయం
మేము మా GoHugo.io ఆధారిత వెబ్సైట్ను బహుభాషా చేయడానికి ప్రయత్నించినప్పుడు, అనువాదాలను ఉత్పత్తి చేయడానికి సమర్థవంతమైన, స్కేలబుల్ మరియు ఖర్చు-ప్రభావవంతమైన మార్గం కావాలని కోరుకున్నాము. ప్రతి పేజీని చేతితో అనువదించడానికి బదులుగా, మేము ప్రక్రియను ఆటోమేటిక్ చేయడానికి OpenAI యొక్క APIని ఉపయోగించాము. ఈ వ్యాసం, మేము హ్యూగోతో OpenAI APIని ఎలా సమగ్రీకరించామో, Zeon స్టూడియో నుండి హ్యూగోప్లేట్ థీమ్ను ఉపయోగించి, త్వరగా మరియు ఖచ్చితంగా అనువాదాలను ఉత్పత్తి చేయడానికి ఎలా ఉపయోగించామో వివరిస్తుంది.
ఎందుకు మేము అనువాదానికి OpenAI APIని ఎంచుకున్నాము
సాంప్రదాయ అనువాద సేవలు సాధారణంగా ప్రాముఖ్యమైన చేతి ప్రయత్నాన్ని అవసరం చేస్తాయి, మరియు Google Translate వంటి ఆటోమేటెడ్ సాధనాలు, ఉపయోగకరమైనప్పటికీ, మాకు అవసరమైన అనుకూలీకరణ స్థాయిని ఎప్పుడూ అందించవు. OpenAI యొక్క API మాకు అనుమతించింది:
- బల్క్లో అనువాదాలను ఆటోమేటిక్ చేయడం
- అనువాద శైలిని అనుకూలీకరించడం
- నాణ్యతపై మెరుగైన నియంత్రణను నిర్వహించడం
- మా హ్యూగో ఆధారిత సైట్తో సులభంగా సమగ్రీకరించడం
- పునఃఅనువాదం కోసం వ్యక్తిగత పేజీలను ఫ్లాగ్ చేయడం
దశల వారీ ప్రక్రియ
1. హ్యూగో వెబ్సైట్ను సిద్ధం చేయడం
మా సైట్ ఇప్పటికే హ్యూగోప్లేట్ థీమ్ను ఉపయోగించి ఏర్పాటు చేయబడింది, ఇది బహుభాషా ఫంక్షనాలిటీని మద్దతు ఇస్తుంది. మొదటి దశ మా హ్యూగో config/_default/languages.toml
ఫైల్లో భాషా మద్దతును ప్రారంభించడం:
################ 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
ఈ కాన్ఫిగరేషన్ హ్యూగో మా కంటెంట్ యొక్క వేరు భాషా సంస్కరణలను ఉత్పత్తి చేయగలదు అని నిర్ధారిస్తుంది.
2. OpenAI APIతో అనువాదాలను ఆటోమేటింగ్ చేయడం
మేము మార్క్డౌన్ ఫైళ్ల అనువాదాన్ని ఆటోమేటిక్ చేయడానికి బాష్ స్క్రిప్ట్ను అభివృద్ధి చేసాము. ఈ స్క్రిప్ట్:
- మూల డైరెక్టరీ నుండి ఇంగ్లీష్
.md
ఫైళ్లను చదువుతుంది. - మార్క్డౌన్ ఫార్మాటింగ్ను కాపాడుతూ OpenAI APIని ఉపయోగించి పాఠాన్ని అనువదిస్తుంది.
- అనువదించిన కంటెంట్ను సరైన భాషా డైరెక్టరీలలో రాస్తుంది.
- JSON ఫైల్ను ఉపయోగించి అనువాద స్థితిని ట్రాక్ చేస్తుంది.
మా స్క్రిప్ట్ యొక్క సమీక్ష ఇక్కడ ఉంది:
#!/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. అనువాద స్థితిని నిర్వహించడం
పునరావృత అనువాదాలను నివారించడానికి మరియు పురోగతిని ట్రాక్ చేయడానికి, మేము ఒక JSON ఫైల్ (translation_status.json
)ను ఉపయోగించాము. ప్రతి డాక్యుమెంట్ను ప్రాసెస్ చేసిన తర్వాత స్క్రిప్ట్ ఈ ఫైల్ను నవీకరిస్తుంది, కాబట్టి కొత్త లేదా నవీకరించిన కంటెంట్ మాత్రమే అనువదించబడుతుంది.
4. పొరపాట్ల నిర్వహణ మరియు API రేటు పరిమితులు
రేటు పరిమితులు, API విఫలములు మరియు కోటా సమస్యలను ఎదుర్కొనడానికి మేము పునరావృతాలు మరియు పొరపాట్ల నిర్వహణను అమలు చేసాము. OpenAI API rate_limit_reached
లేదా service_unavailable
వంటి పొరపాటు తిరిగి వస్తే, స్క్రిప్ట్ పునరావృతం చేయడానికి ముందు వేచి ఉంటుంది.
5. డిప్లాయ్మెంట్
అనువదించిన కంటెంట్ ఉత్పత్తి అయిన తర్వాత, hugo --minify
నడపడం బహుభాషా స్థిరమైన సైట్ను నిర్మిస్తుంది, ఇది డిప్లాయ్మెంట్కు సిద్ధంగా ఉంటుంది.
సవాళ్లు మరియు పరిష్కారాలు
1. అనువాద ఖచ్చితత్వం
OpenAI యొక్క అనువాదాలు సాధారణంగా ఖచ్చితమైనప్పటికీ, కొన్ని సాంకేతిక పదాలు చేతితో సమీక్ష అవసరం కావచ్చు, కానీ మేము కేవలం ఇద్దరు సభ్యుల బృందం కావడంతో, మేము ఉత్తమమైనదే ఆశిస్తున్నాము. సందర్భం మరియు స్వరాన్ని నిర్వహించడానికి మేము ప్రాంప్ట్లను సర్దుబాటు చేసాము.
2. ఫార్మాటింగ్ సమస్యలు
మార్క్డౌన్ సింటాక్స్ అనువాదంలో కొన్నిసార్లు మారిపోయింది. దీన్ని పరిష్కరించడానికి, మేము ఫార్మాటింగ్ను కాపాడటానికి పోస్ట్-ప్రాసెసింగ్ లాజిక్ను చేర్చాము.
3. API ఖర్చు ఆప్టిమైజేషన్
ఖర్చులను తగ్గించడానికి, మేము మార్పు కాని కంటెంట్ను మళ్లీ అనువదించకుండా నివారించడానికి క్యాచింగ్ను అమలు చేసాము.
4. పునఃఅనువాదాలను సమర్థవంతంగా నిర్వహించడం
కొంత ప్రత్యేక పేజీలను పునఃఅనువదించడానికి, మేము retranslate: true
ముందు విషయం పరామితిని చేర్చాము. ఈ పరామితితో గుర్తించిన పేజీలను మాత్రమే స్క్రిప్ట్ పునఃఅనువదిస్తుంది. ఇది మాకు అవసరమైనప్పుడు అనువాదాలను నవీకరించడానికి అనుమతిస్తుంది, మొత్తం సైట్ను పునఃఅనువదించాల్సిన అవసరం లేకుండా.
ముగింపు
OpenAI APIని హ్యూగోతో సమగ్రీకరించడం ద్వారా, మేము మా వెబ్సైట్ యొక్క అనువాదాన్ని ఆటోమేటిక్ చేసాము, నాణ్యత మరియు సౌలభ్యాన్ని నిర్వహించాము. ఈ విధానం సమయం ఆదా చేసింది, స్థిరత్వాన్ని నిర్ధారించింది, మరియు మాకు సులభంగా స్కేల్ చేయడానికి అనుమతించింది. మీరు మీ హ్యూగో సైట్ను బహుభాషా చేయాలనుకుంటే, OpenAI యొక్క API శక్తివంతమైన పరిష్కారాన్ని అందిస్తుంది.