Riva-Translate-4B-Instruct-v1.1 er NVIDIAs specialiserede model til skriftlig oversættelse. Den arbejder med sætninger og dokumenter: tekst modtages og returneres på det valgte sprog. Det egner sig til oversættere, marketingfolk og udviklere, der forbereder flersproget materiale.
Modellen tilbyder 12 sprog og varianter: engelsk, tysk, europæisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og traditionel skrift, japansk, koreansk og arabisk. Spansk og kinesisk kan vælges efter variant; portugisisk er i denne version brasiliansk.
Oversættelsesretningerne er centreret om engelsk: fra engelsk til de anførte sprog og tilbage. Russisk tekst kan oversættes til engelsk og engelsk til russisk. Regional variant indgår i retningsvalget og bør derfor angives sammen med sproget.
Forespørgslen adskiller oversættelsesretning og materiale. Systembeskeden angiver sprogparret, og brugerbeskeden indeholder kildeteksten. en-ru angiver eksempelvis engelsk til russisk og ru-en russisk til engelsk. Europæisk spansk bruger en-es-es, latinamerikansk en-es-us, og brasiliansk portugisisk en-pt-br.
Flere oversættelseseksempler kan medsendes. Dialogskabelonen understøtter vekslen mellem brugertekst og oversættelsessvar. Dermed kan et kilde- og måltekstpar vises før næste materiale. NVIDIA anbefaler oversættelsesskabelonen, modellen er finjusteret på, som angiver kilde- og målsprog eksplicit.
Modellen har omkring fire milliarder parametre og er en Transformer med decoder. Basismodellen er komprimeret og destilleret og derefter yderligere teksttrænet, trænet på eksempler og optimeret efter præferencer. Konteksten er op til 8K tokens.
Kvaliteten afhænger af emne, opgavebetingelser, støj i kildeteksten og tilgængelig kontekst. Grammatiske fejl og betydningsmæssige unøjagtigheder kan forekomme. Præcisering af forespørgslen kan hjælpe med en mere passende oversættelse.
", "aboutText": "Riva-Translate-4B-Instruct-v1.1 er NVIDIAs specialiserede model til skriftlig oversættelse. Den arbejder med sætninger og dokumenter: tekst modtages og returneres på det valgte sprog. Det egner sig til oversættere, marketingfolk og udviklere, der forbereder flersproget materiale.\n\n### Sprog og regionale varianter\n\nModellen tilbyder 12 sprog og varianter: engelsk, tysk, europæisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og traditionel skrift, japansk, koreansk og arabisk. Spansk og kinesisk kan vælges efter variant; portugisisk er i denne version brasiliansk.\n\nOversættelsesretningerne er centreret om engelsk: fra engelsk til de anførte sprog og tilbage. Russisk tekst kan oversættes til engelsk og engelsk til russisk. Regional variant indgår i retningsvalget og bør derfor angives sammen med sproget.\n\n### Sådan angives oversættelsen\n\nForespørgslen adskiller oversættelsesretning og materiale. Systembeskeden angiver sprogparret, og brugerbeskeden indeholder kildeteksten. `en-ru` angiver eksempelvis engelsk til russisk og `ru-en` russisk til engelsk. Europæisk spansk bruger `en-es-es`, latinamerikansk `en-es-us`, og brasiliansk portugisisk `en-pt-br`.\n\nFlere oversættelseseksempler kan medsendes. Dialogskabelonen understøtter vekslen mellem brugertekst og oversættelsessvar. Dermed kan et kilde- og måltekstpar vises før næste materiale. NVIDIA anbefaler oversættelsesskabelonen, modellen er finjusteret på, som angiver kilde- og målsprog eksplicit.\n\n### Kontekst og opbygning\n\nModellen har omkring fire milliarder parametre og er en Transformer med decoder. Basismodellen er komprimeret og destilleret og derefter yderligere teksttrænet, trænet på eksempler og optimeret efter præferencer. Konteksten er op til 8K tokens.\n\n### Hvad der påvirker oversættelsen\n\nKvaliteten afhænger af emne, opgavebetingelser, støj i kildeteksten og tilgængelig kontekst. Grammatiske fejl og betydningsmæssige unøjagtigheder kan forekomme. Præcisering af forespørgslen kan hjælpe med en mere passende oversættelse.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Translate a collection notice into Russian\n\nTranslation direction: English to Russian, en-ru. Translate this notice: 'Your repaired kettle is ready for collection at the service desk. Please bring receipt R-204. We will keep it until Friday at 18:00.' Preserve the receipt identifier and the collection deadline. Return only the translated notice.A Russian translation preserving the service-desk location, R-204 and Friday 18:00 deadline.The translation must not turn the collection deadline into the repair completion time.nvidia/riva-translate-4b-instruct-v1.1Riva-Translate-4B-Instruct-v1.1 fra NVIDIA oversætter sætninger og dokumenter mellem engelsk og 11 andre sprog og regionale varianter, herunder russisk. Understøtter oversættelseseksempler i forespørgslen og kontekst op til 8K tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Riva-Translate-4B-Instruct-v1.1 er NVIDIAs specialiserede model til skriftlig oversættelse. Den arbejder med sætninger og dokumenter: tekst modtages og returneres på det valgte sprog. Det egner sig til oversættere, marketingfolk og udviklere, der forbereder flersproget materiale.
Modellen tilbyder 12 sprog og varianter: engelsk, tysk, europæisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og traditionel skrift, japansk, koreansk og arabisk. Spansk og kinesisk kan vælges efter variant; portugisisk er i denne version brasiliansk.
Oversættelsesretningerne er centreret om engelsk: fra engelsk til de anførte sprog og tilbage. Russisk tekst kan oversættes til engelsk og engelsk til russisk. Regional variant indgår i retningsvalget og bør derfor angives sammen med sproget.
Forespørgslen adskiller oversættelsesretning og materiale. Systembeskeden angiver sprogparret, og brugerbeskeden indeholder kildeteksten. en-ru angiver eksempelvis engelsk til russisk og ru-en russisk til engelsk. Europæisk spansk bruger en-es-es, latinamerikansk en-es-us, og brasiliansk portugisisk en-pt-br.
Flere oversættelseseksempler kan medsendes. Dialogskabelonen understøtter vekslen mellem brugertekst og oversættelsessvar. Dermed kan et kilde- og måltekstpar vises før næste materiale. NVIDIA anbefaler oversættelsesskabelonen, modellen er finjusteret på, som angiver kilde- og målsprog eksplicit.
Modellen har omkring fire milliarder parametre og er en Transformer med decoder. Basismodellen er komprimeret og destilleret og derefter yderligere teksttrænet, trænet på eksempler og optimeret efter præferencer. Konteksten er op til 8K tokens.
Kvaliteten afhænger af emne, opgavebetingelser, støj i kildeteksten og tilgængelig kontekst. Grammatiske fejl og betydningsmæssige unøjagtigheder kan forekomme. Præcisering af forespørgslen kan hjælpe med en mere passende oversættelse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser nvidia/riva-translate-4b-instruct-v1.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontrakttext |
Parameterrequired | Kontraktmodel, messages |
Parameteroptional_controls | Kontraktnull |
Parametercontent_type | Kontraktapplication/json |
Parametertext_file_material | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse |
Livscyklus: exact retained published method
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
POST /v1/chat/completionsAiloot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/riva-translate-4b-instruct-v1.1", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="nvidia/riva-translate-4b-instruct-v1.1",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "nvidia/riva-translate-4b-instruct-v1.1",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='nvidia/riva-translate-4b-instruct-v1.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot nvidia/riva-translate-4b-instruct-v1.1
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Translate a collection notice into Russian\n\nTranslation direction: English to Russian, en-ru. Translate this notice: 'Your repaired kettle is ready for collection at the service desk. Please bring receipt R-204. We will keep it until Friday at 18:00.' Preserve the receipt identifier and the collection deadline. Return only the translated notice.A Russian translation preserving the service-desk location, R-204 and Friday 18:00 deadline.The translation must not turn the collection deadline into the repair completion time.