Riva-Translate-4B-Instruct-v1.1 adalah model khusus NVIDIA untuk penerjemahan tertulis. Model bekerja dengan kalimat tersendiri dan dokumen: menerima teks serta mengembalikan teks dalam bahasa yang dipilih. Format tersebut sesuai untuk penerjemah, pemasar, dan pengembang yang menyiapkan materi multibahasa.
Model menyediakan 12 bahasa dan varian: Inggris, Jerman, Spanyol Eropa dan Amerika Latin, Prancis, Portugis Brasil, Rusia, Tionghoa dengan aksara sederhana dan tradisional, Jepang, Korea, dan Arab. Untuk Spanyol dan Tionghoa, varian yang diperlukan dapat ditentukan secara terpisah, sedangkan Portugis dalam versi ini diwakili varian Brasil.
Arah terjemahan berpusat pada bahasa Inggris: dari Inggris ke bahasa yang dicantumkan dan sebaliknya. Teks bahasa Rusia dapat diterjemahkan ke Inggris, sedangkan teks Inggris ke Rusia. Varian regional menjadi bagian pemilihan arah, sehingga sebaiknya ditentukan bersama bahasa.
Permintaan memisahkan arah terjemahan dari materi itu sendiri. Pesan sistem menyatakan pasangan bahasa, sedangkan pesan pengguna memuat teks sumber. Misalnya, en-ru menentukan terjemahan dari Inggris ke Rusia, sedangkan ru-en dari Rusia ke Inggris. Spanyol Eropa menggunakan en-es-es, Amerika Latin en-es-us, sedangkan Portugis Brasil en-pt-br.
Beberapa contoh terjemahan dapat diberikan dalam permintaan. Templat percakapan mendukung pergantian teks pengguna dengan jawaban terjemahan. Ini memungkinkan pemberian pasangan teks sumber dan terjemahan sebelum materi berikutnya. NVIDIA menyarankan penggunaan templat terjemahan yang digunakan untuk penyetelan model: templat tersebut menentukan bahasa sumber dan sasaran secara eksplisit.
Model memiliki sekitar empat miliar parameter dan dibangun sebagai Transformer dengan decoder. Model dasar diperoleh melalui kompresi dan distilasi, lalu menjalani pelatihan teks tambahan, pembelajaran dari contoh, dan optimasi berdasarkan preferensi. Konteks mencapai 8K token.
Kualitas bergantung pada topik, kondisi tugas, gangguan dalam teks sumber, dan konteks yang tersedia. Jawaban dapat memuat kesalahan tata bahasa dan ketidakakuratan makna. Memperjelas permintaan dapat membantu memperoleh terjemahan yang lebih sesuai.
", "aboutText": "Riva-Translate-4B-Instruct-v1.1 adalah model khusus NVIDIA untuk penerjemahan tertulis. Model bekerja dengan kalimat tersendiri dan dokumen: menerima teks serta mengembalikan teks dalam bahasa yang dipilih. Format tersebut sesuai untuk penerjemah, pemasar, dan pengembang yang menyiapkan materi multibahasa.\n\n### Bahasa dan varian regional\n\nModel menyediakan 12 bahasa dan varian: Inggris, Jerman, Spanyol Eropa dan Amerika Latin, Prancis, Portugis Brasil, Rusia, Tionghoa dengan aksara sederhana dan tradisional, Jepang, Korea, dan Arab. Untuk Spanyol dan Tionghoa, varian yang diperlukan dapat ditentukan secara terpisah, sedangkan Portugis dalam versi ini diwakili varian Brasil.\n\nArah terjemahan berpusat pada bahasa Inggris: dari Inggris ke bahasa yang dicantumkan dan sebaliknya. Teks bahasa Rusia dapat diterjemahkan ke Inggris, sedangkan teks Inggris ke Rusia. Varian regional menjadi bagian pemilihan arah, sehingga sebaiknya ditentukan bersama bahasa.\n\n### Cara menentukan terjemahan\n\nPermintaan memisahkan arah terjemahan dari materi itu sendiri. Pesan sistem menyatakan pasangan bahasa, sedangkan pesan pengguna memuat teks sumber. Misalnya, `en-ru` menentukan terjemahan dari Inggris ke Rusia, sedangkan `ru-en` dari Rusia ke Inggris. Spanyol Eropa menggunakan `en-es-es`, Amerika Latin `en-es-us`, sedangkan Portugis Brasil `en-pt-br`.\n\nBeberapa contoh terjemahan dapat diberikan dalam permintaan. Templat percakapan mendukung pergantian teks pengguna dengan jawaban terjemahan. Ini memungkinkan pemberian pasangan teks sumber dan terjemahan sebelum materi berikutnya. NVIDIA menyarankan penggunaan templat terjemahan yang digunakan untuk penyetelan model: templat tersebut menentukan bahasa sumber dan sasaran secara eksplisit.\n\n### Konteks dan struktur\n\nModel memiliki sekitar empat miliar parameter dan dibangun sebagai Transformer dengan decoder. Model dasar diperoleh melalui kompresi dan distilasi, lalu menjalani pelatihan teks tambahan, pembelajaran dari contoh, dan optimasi berdasarkan preferensi. Konteks mencapai 8K token.\n\n### Hal yang memengaruhi terjemahan\n\nKualitas bergantung pada topik, kondisi tugas, gangguan dalam teks sumber, dan konteks yang tersedia. Jawaban dapat memuat kesalahan tata bahasa dan ketidakakuratan makna. Memperjelas permintaan dapat membantu memperoleh terjemahan yang lebih sesuai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 dari NVIDIA menerjemahkan kalimat dan dokumen antara bahasa Inggris dan 11 bahasa serta varian regional lainnya, termasuk Rusia. Mendukung contoh terjemahan dalam permintaan dan konteks hingga 8K token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Riva-Translate-4B-Instruct-v1.1 adalah model khusus NVIDIA untuk penerjemahan tertulis. Model bekerja dengan kalimat tersendiri dan dokumen: menerima teks serta mengembalikan teks dalam bahasa yang dipilih. Format tersebut sesuai untuk penerjemah, pemasar, dan pengembang yang menyiapkan materi multibahasa.
Model menyediakan 12 bahasa dan varian: Inggris, Jerman, Spanyol Eropa dan Amerika Latin, Prancis, Portugis Brasil, Rusia, Tionghoa dengan aksara sederhana dan tradisional, Jepang, Korea, dan Arab. Untuk Spanyol dan Tionghoa, varian yang diperlukan dapat ditentukan secara terpisah, sedangkan Portugis dalam versi ini diwakili varian Brasil.
Arah terjemahan berpusat pada bahasa Inggris: dari Inggris ke bahasa yang dicantumkan dan sebaliknya. Teks bahasa Rusia dapat diterjemahkan ke Inggris, sedangkan teks Inggris ke Rusia. Varian regional menjadi bagian pemilihan arah, sehingga sebaiknya ditentukan bersama bahasa.
Permintaan memisahkan arah terjemahan dari materi itu sendiri. Pesan sistem menyatakan pasangan bahasa, sedangkan pesan pengguna memuat teks sumber. Misalnya, en-ru menentukan terjemahan dari Inggris ke Rusia, sedangkan ru-en dari Rusia ke Inggris. Spanyol Eropa menggunakan en-es-es, Amerika Latin en-es-us, sedangkan Portugis Brasil en-pt-br.
Beberapa contoh terjemahan dapat diberikan dalam permintaan. Templat percakapan mendukung pergantian teks pengguna dengan jawaban terjemahan. Ini memungkinkan pemberian pasangan teks sumber dan terjemahan sebelum materi berikutnya. NVIDIA menyarankan penggunaan templat terjemahan yang digunakan untuk penyetelan model: templat tersebut menentukan bahasa sumber dan sasaran secara eksplisit.
Model memiliki sekitar empat miliar parameter dan dibangun sebagai Transformer dengan decoder. Model dasar diperoleh melalui kompresi dan distilasi, lalu menjalani pelatihan teks tambahan, pembelajaran dari contoh, dan optimasi berdasarkan preferensi. Konteks mencapai 8K token.
Kualitas bergantung pada topik, kondisi tugas, gangguan dalam teks sumber, dan konteks yang tersedia. Jawaban dapat memuat kesalahan tata bahasa dan ketidakakuratan makna. Memperjelas permintaan dapat membantu memperoleh terjemahan yang lebih sesuai.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nvidia/riva-translate-4b-instruct-v1.1 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/chat/completionsAiloot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot nvidia/riva-translate-4b-instruct-v1.1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.