Riva-Translate-4B-Instruct-v1.1 ist ein spezialisiertes NVIDIA-Modell für schriftliche Übersetzung. Es arbeitet mit einzelnen Sätzen und Dokumenten: Es nimmt Text entgegen und gibt Text in der gewählten Sprache zurück. Dieses Format eignet sich für Übersetzer, Marketingfachleute und Entwickler mehrsprachiger Materialien.
Das Modell umfasst 12 Sprachen und Varianten: Englisch, Deutsch, europäisches und lateinamerikanisches Spanisch, Französisch, brasilianisches Portugiesisch, Russisch, Chinesisch mit vereinfachter und traditioneller Schrift, Japanisch, Koreanisch und Arabisch. Für Spanisch und Chinesisch lässt sich die gewünschte Variante separat angeben; Portugiesisch ist in dieser Version durch die brasilianische Variante vertreten.
Die Übersetzungsrichtungen sind um Englisch angeordnet: von Englisch in die aufgeführten Sprachen und umgekehrt. Für russischen Text ist die Übersetzung ins Englische vorgesehen, für englischen ins Russische. Die regionale Variante gehört zur Richtungswahl und sollte deshalb zusammen mit der Sprache angegeben werden.
Die Anfrage trennt Übersetzungsrichtung und Material. Die Systemnachricht bezeichnet das Sprachpaar, die Nutzernachricht enthält den Ausgangstext. Beispielsweise legt en-ru die Übersetzung von Englisch nach Russisch fest, ru-en von Russisch nach Englisch. Für europäisches Spanisch ist en-es-es vorgesehen, für lateinamerikanisches en-es-us; für brasilianisches Portugiesisch en-pt-br.
Innerhalb der Anfrage können mehrere Übersetzungsbeispiele übermittelt werden. Die Dialogvorlage unterstützt den Wechsel zwischen Nutzertext und Antwort mit Übersetzung. So lässt sich vor dem nächsten Material ein Paar aus Ausgangstext und Übersetzung zeigen. NVIDIA empfiehlt die Übersetzungsvorlage des Nachtrainings: Sie legt Ausgangs- und Zielsprache ausdrücklich fest.
Das Modell enthält etwa vier Milliarden Parameter und basiert auf einem Transformer mit Decoder. Das Basismodell wurde durch Komprimierung und Destillation gewonnen und anschliessend mit Text weitertrainiert, anhand von Beispielen trainiert und unter Berücksichtigung von Präferenzen optimiert. Der Kontext beträgt bis zu 8K Tokens.
Die Qualität hängt von Thema, Aufgabenbedingungen, Störungen im Ausgangstext und verfügbarem Kontext ab. Die Antwort kann Grammatikfehler und Bedeutungsungenauigkeiten enthalten. Eine präzisierte Anfrage kann zu einer passenderen Übersetzung beitragen.
", "aboutText": "Riva-Translate-4B-Instruct-v1.1 ist ein spezialisiertes NVIDIA-Modell für schriftliche Übersetzung. Es arbeitet mit einzelnen Sätzen und Dokumenten: Es nimmt Text entgegen und gibt Text in der gewählten Sprache zurück. Dieses Format eignet sich für Übersetzer, Marketingfachleute und Entwickler mehrsprachiger Materialien.\n\n### Sprachen und regionale Varianten\n\nDas Modell umfasst 12 Sprachen und Varianten: Englisch, Deutsch, europäisches und lateinamerikanisches Spanisch, Französisch, brasilianisches Portugiesisch, Russisch, Chinesisch mit vereinfachter und traditioneller Schrift, Japanisch, Koreanisch und Arabisch. Für Spanisch und Chinesisch lässt sich die gewünschte Variante separat angeben; Portugiesisch ist in dieser Version durch die brasilianische Variante vertreten.\n\nDie Übersetzungsrichtungen sind um Englisch angeordnet: von Englisch in die aufgeführten Sprachen und umgekehrt. Für russischen Text ist die Übersetzung ins Englische vorgesehen, für englischen ins Russische. Die regionale Variante gehört zur Richtungswahl und sollte deshalb zusammen mit der Sprache angegeben werden.\n\n### So wird die Übersetzung vorgegeben\n\nDie Anfrage trennt Übersetzungsrichtung und Material. Die Systemnachricht bezeichnet das Sprachpaar, die Nutzernachricht enthält den Ausgangstext. Beispielsweise legt `en-ru` die Übersetzung von Englisch nach Russisch fest, `ru-en` von Russisch nach Englisch. Für europäisches Spanisch ist `en-es-es` vorgesehen, für lateinamerikanisches `en-es-us`; für brasilianisches Portugiesisch `en-pt-br`.\n\nInnerhalb der Anfrage können mehrere Übersetzungsbeispiele übermittelt werden. Die Dialogvorlage unterstützt den Wechsel zwischen Nutzertext und Antwort mit Übersetzung. So lässt sich vor dem nächsten Material ein Paar aus Ausgangstext und Übersetzung zeigen. NVIDIA empfiehlt die Übersetzungsvorlage des Nachtrainings: Sie legt Ausgangs- und Zielsprache ausdrücklich fest.\n\n### Kontext und Aufbau\n\nDas Modell enthält etwa vier Milliarden Parameter und basiert auf einem Transformer mit Decoder. Das Basismodell wurde durch Komprimierung und Destillation gewonnen und anschliessend mit Text weitertrainiert, anhand von Beispielen trainiert und unter Berücksichtigung von Präferenzen optimiert. Der Kontext beträgt bis zu 8K Tokens.\n\n### Was die Übersetzung beeinflusst\n\nDie Qualität hängt von Thema, Aufgabenbedingungen, Störungen im Ausgangstext und verfügbarem Kontext ab. Die Antwort kann Grammatikfehler und Bedeutungsungenauigkeiten enthalten. Eine präzisierte Anfrage kann zu einer passenderen Übersetzung beitragen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 von NVIDIA übersetzt Sätze und Dokumente zwischen Englisch und 11 weiteren Sprachen und regionalen Varianten, einschliesslich Russisch. Es unterstützt Übersetzungsbeispiele in der Anfrage und bis zu 8K Tokens Kontext.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Riva-Translate-4B-Instruct-v1.1 ist ein spezialisiertes NVIDIA-Modell für schriftliche Übersetzung. Es arbeitet mit einzelnen Sätzen und Dokumenten: Es nimmt Text entgegen und gibt Text in der gewählten Sprache zurück. Dieses Format eignet sich für Übersetzer, Marketingfachleute und Entwickler mehrsprachiger Materialien.
Das Modell umfasst 12 Sprachen und Varianten: Englisch, Deutsch, europäisches und lateinamerikanisches Spanisch, Französisch, brasilianisches Portugiesisch, Russisch, Chinesisch mit vereinfachter und traditioneller Schrift, Japanisch, Koreanisch und Arabisch. Für Spanisch und Chinesisch lässt sich die gewünschte Variante separat angeben; Portugiesisch ist in dieser Version durch die brasilianische Variante vertreten.
Die Übersetzungsrichtungen sind um Englisch angeordnet: von Englisch in die aufgeführten Sprachen und umgekehrt. Für russischen Text ist die Übersetzung ins Englische vorgesehen, für englischen ins Russische. Die regionale Variante gehört zur Richtungswahl und sollte deshalb zusammen mit der Sprache angegeben werden.
Die Anfrage trennt Übersetzungsrichtung und Material. Die Systemnachricht bezeichnet das Sprachpaar, die Nutzernachricht enthält den Ausgangstext. Beispielsweise legt en-ru die Übersetzung von Englisch nach Russisch fest, ru-en von Russisch nach Englisch. Für europäisches Spanisch ist en-es-es vorgesehen, für lateinamerikanisches en-es-us; für brasilianisches Portugiesisch en-pt-br.
Innerhalb der Anfrage können mehrere Übersetzungsbeispiele übermittelt werden. Die Dialogvorlage unterstützt den Wechsel zwischen Nutzertext und Antwort mit Übersetzung. So lässt sich vor dem nächsten Material ein Paar aus Ausgangstext und Übersetzung zeigen. NVIDIA empfiehlt die Übersetzungsvorlage des Nachtrainings: Sie legt Ausgangs- und Zielsprache ausdrücklich fest.
Das Modell enthält etwa vier Milliarden Parameter und basiert auf einem Transformer mit Decoder. Das Basismodell wurde durch Komprimierung und Destillation gewonnen und anschliessend mit Text weitertrainiert, anhand von Beispielen trainiert und unter Berücksichtigung von Präferenzen optimiert. Der Kontext beträgt bis zu 8K Tokens.
Die Qualität hängt von Thema, Aufgabenbedingungen, Störungen im Ausgangstext und verfügbarem Kontext ab. Die Antwort kann Grammatikfehler und Bedeutungsungenauigkeiten enthalten. Eine präzisierte Anfrage kann zu einer passenderen Übersetzung beitragen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits nvidia/riva-translate-4b-instruct-v1.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, messages |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/chat/completionsAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot nvidia/riva-translate-4b-instruct-v1.1
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.