Riva-Translate-4B-Instruct-v1.1 est un modèle spécialisé de NVIDIA pour la traduction écrite. Il travaille sur des phrases isolées et des documents : il accepte du texte et renvoie du texte dans la langue choisie. Ce format convient aux traducteurs, aux professionnels du marketing et aux développeurs qui préparent des contenus multilingues.
Le modèle prévoit 12 langues et variantes : anglais, allemand, espagnol européen et latino-américain, français, portugais brésilien, russe, chinois en écriture simplifiée et traditionnelle, japonais, coréen et arabe. Pour l’espagnol et le chinois, la variante souhaitée peut être définie séparément ; le portugais est représenté dans cette version par sa variante brésilienne.
Les directions de traduction sont organisées autour de l’anglais : de l’anglais vers les langues énumérées et inversement. Pour le texte russe, la traduction vers l’anglais est prévue ; pour l’anglais, vers le russe. La variante régionale fait partie du choix de direction, et il est donc préférable de l’indiquer avec la langue.
La requête distingue la direction de traduction du contenu lui-même. Le message système indique la paire de langues, et le message utilisateur contient le texte source. Par exemple, en-ru définit une traduction de l’anglais vers le russe, et ru-en du russe vers l’anglais. en-es-es est prévu pour l’espagnol européen, en-es-us pour l’espagnol latino-américain et en-pt-br pour le portugais brésilien.
Plusieurs exemples de traduction peuvent être fournis dans la requête. Le gabarit de dialogue prend en charge l’alternance du texte utilisateur et des réponses traduites. Cela permet de montrer une paire de texte source et de texte traduit avant le contenu suivant. NVIDIA recommande d’utiliser le gabarit de traduction sur lequel le modèle a été affiné : il définit explicitement les langues source et cible.
Le modèle contient environ quatre milliards de paramètres et repose sur un Transformer avec décodeur. Le modèle de base a été obtenu par compression et distillation, puis a suivi un entraînement supplémentaire sur du texte, un apprentissage sur des exemples et une optimisation tenant compte des préférences. Le contexte atteint 8K tokens.
La qualité dépend du domaine, des conditions de la tâche, du bruit dans le texte source et du contexte disponible. La réponse peut comporter des erreurs grammaticales et des imprécisions de sens. Préciser la requête peut aider à obtenir une traduction plus adaptée.
", "aboutText": "Riva-Translate-4B-Instruct-v1.1 est un modèle spécialisé de NVIDIA pour la traduction écrite. Il travaille sur des phrases isolées et des documents : il accepte du texte et renvoie du texte dans la langue choisie. Ce format convient aux traducteurs, aux professionnels du marketing et aux développeurs qui préparent des contenus multilingues.\n\n### Les langues et les variantes régionales\n\nLe modèle prévoit 12 langues et variantes : anglais, allemand, espagnol européen et latino-américain, français, portugais brésilien, russe, chinois en écriture simplifiée et traditionnelle, japonais, coréen et arabe. Pour l’espagnol et le chinois, la variante souhaitée peut être définie séparément ; le portugais est représenté dans cette version par sa variante brésilienne.\n\nLes directions de traduction sont organisées autour de l’anglais : de l’anglais vers les langues énumérées et inversement. Pour le texte russe, la traduction vers l’anglais est prévue ; pour l’anglais, vers le russe. La variante régionale fait partie du choix de direction, et il est donc préférable de l’indiquer avec la langue.\n\n### Comment définir la traduction\n\nLa requête distingue la direction de traduction du contenu lui-même. Le message système indique la paire de langues, et le message utilisateur contient le texte source. Par exemple, `en-ru` définit une traduction de l’anglais vers le russe, et `ru-en` du russe vers l’anglais. `en-es-es` est prévu pour l’espagnol européen, `en-es-us` pour l’espagnol latino-américain et `en-pt-br` pour le portugais brésilien.\n\nPlusieurs exemples de traduction peuvent être fournis dans la requête. Le gabarit de dialogue prend en charge l’alternance du texte utilisateur et des réponses traduites. Cela permet de montrer une paire de texte source et de texte traduit avant le contenu suivant. NVIDIA recommande d’utiliser le gabarit de traduction sur lequel le modèle a été affiné : il définit explicitement les langues source et cible.\n\n### Le contexte et le fonctionnement\n\nLe modèle contient environ quatre milliards de paramètres et repose sur un Transformer avec décodeur. Le modèle de base a été obtenu par compression et distillation, puis a suivi un entraînement supplémentaire sur du texte, un apprentissage sur des exemples et une optimisation tenant compte des préférences. Le contexte atteint 8K tokens.\n\n### Ce qui influence la traduction\n\nLa qualité dépend du domaine, des conditions de la tâche, du bruit dans le texte source et du contexte disponible. La réponse peut comporter des erreurs grammaticales et des imprécisions de sens. Préciser la requête peut aider à obtenir une traduction plus adaptée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 de NVIDIA traduit les phrases et les documents entre l’anglais et 11 autres langues et variantes régionales, dont le russe. Il accepte des exemples de traduction dans la requête et un contexte allant jusqu’à 8K tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Riva-Translate-4B-Instruct-v1.1 est un modèle spécialisé de NVIDIA pour la traduction écrite. Il travaille sur des phrases isolées et des documents : il accepte du texte et renvoie du texte dans la langue choisie. Ce format convient aux traducteurs, aux professionnels du marketing et aux développeurs qui préparent des contenus multilingues.
Le modèle prévoit 12 langues et variantes : anglais, allemand, espagnol européen et latino-américain, français, portugais brésilien, russe, chinois en écriture simplifiée et traditionnelle, japonais, coréen et arabe. Pour l’espagnol et le chinois, la variante souhaitée peut être définie séparément ; le portugais est représenté dans cette version par sa variante brésilienne.
Les directions de traduction sont organisées autour de l’anglais : de l’anglais vers les langues énumérées et inversement. Pour le texte russe, la traduction vers l’anglais est prévue ; pour l’anglais, vers le russe. La variante régionale fait partie du choix de direction, et il est donc préférable de l’indiquer avec la langue.
La requête distingue la direction de traduction du contenu lui-même. Le message système indique la paire de langues, et le message utilisateur contient le texte source. Par exemple, en-ru définit une traduction de l’anglais vers le russe, et ru-en du russe vers l’anglais. en-es-es est prévu pour l’espagnol européen, en-es-us pour l’espagnol latino-américain et en-pt-br pour le portugais brésilien.
Plusieurs exemples de traduction peuvent être fournis dans la requête. Le gabarit de dialogue prend en charge l’alternance du texte utilisateur et des réponses traduites. Cela permet de montrer une paire de texte source et de texte traduit avant le contenu suivant. NVIDIA recommande d’utiliser le gabarit de traduction sur lequel le modèle a été affiné : il définit explicitement les langues source et cible.
Le modèle contient environ quatre milliards de paramètres et repose sur un Transformer avec décodeur. Le modèle de base a été obtenu par compression et distillation, puis a suivi un entraînement supplémentaire sur du texte, un apprentissage sur des exemples et une optimisation tenant compte des préférences. Le contexte atteint 8K tokens.
La qualité dépend du domaine, des conditions de la tâche, du bruit dans le texte source et du contexte disponible. La réponse peut comporter des erreurs grammaticales et des imprécisions de sens. Préciser la requête peut aider à obtenir une traduction plus adaptée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites nvidia/riva-translate-4b-instruct-v1.1 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/chat/completionsAiloot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot nvidia/riva-translate-4b-instruct-v1.1
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.