Riva-Translate-4B-Instruct-v1.1 er en spesialisert NVIDIA-modell for skriftlig oversettelse. Den arbeider med enkeltsetninger og dokumenter: tar imot tekst og returnerer tekst på valgt språk. Formatet passer for oversettere, markedsførere og utviklere som utarbeider flerspråklig materiale.
Modellen har 12 språk og varianter: engelsk, tysk, europeisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og tradisjonell skrift, japansk, koreansk og arabisk. For spansk og kinesisk kan ønsket variant angis separat, mens portugisisk i denne versjonen er representert ved den brasilianske varianten.
Oversettelsesretningene er organisert rundt engelsk: fra engelsk til språkene som er listet opp, og tilbake. Russisk tekst kan oversettes til engelsk, og engelsk til russisk. Den regionale varianten inngår i valg av retning og bør derfor angis sammen med språket.
Forespørselen skiller mellom oversettelsesretningen og selve materialet. Systemmeldingen angir språkparet, og brukermeldingen inneholder kildeteksten. For eksempel angir en-ru oversettelse fra engelsk til russisk, og ru-en fra russisk til engelsk. For europeisk spansk brukes en-es-es, for latinamerikansk en-es-us, og for brasiliansk portugisisk en-pt-br.
Flere oversettelseseksempler kan sendes med forespørselen. Dialogmalen støtter veksling mellom brukerens tekst og et svar med oversettelsen. Dermed kan et par med kildetekst og oversatt tekst vises før neste materiale. NVIDIA anbefaler oversettelsesmalen modellen ble videre trent på: den angir kilde- og målspråk uttrykkelig.
Modellen har omtrent fire milliarder parametere og bygger på en Transformer med dekoder. Grunnmodellen ble komprimert og destillert, og gjennomgikk deretter ytterligere teksttrening, læring fra eksempler og optimalisering ut fra preferanser. Konteksten er på opptil 8K tokener.
Kvaliteten avhenger av tema, oppgavevilkår, støy i kildeteksten og tilgjengelig kontekst. Svaret kan ha grammatikkfeil og unøyaktig meningsgjengivelse. En mer presis forespørsel kan bidra til en bedre tilpasset oversettelse.
", "aboutText": "Riva-Translate-4B-Instruct-v1.1 er en spesialisert NVIDIA-modell for skriftlig oversettelse. Den arbeider med enkeltsetninger og dokumenter: tar imot tekst og returnerer tekst på valgt språk. Formatet passer for oversettere, markedsførere og utviklere som utarbeider flerspråklig materiale.\n\n### Språk og regionale varianter\n\nModellen har 12 språk og varianter: engelsk, tysk, europeisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og tradisjonell skrift, japansk, koreansk og arabisk. For spansk og kinesisk kan ønsket variant angis separat, mens portugisisk i denne versjonen er representert ved den brasilianske varianten.\n\nOversettelsesretningene er organisert rundt engelsk: fra engelsk til språkene som er listet opp, og tilbake. Russisk tekst kan oversettes til engelsk, og engelsk til russisk. Den regionale varianten inngår i valg av retning og bør derfor angis sammen med språket.\n\n### Hvordan oversettelsen angis\n\nForespørselen skiller mellom oversettelsesretningen og selve materialet. Systemmeldingen angir språkparet, og brukermeldingen inneholder kildeteksten. For eksempel angir `en-ru` oversettelse fra engelsk til russisk, og `ru-en` fra russisk til engelsk. For europeisk spansk brukes `en-es-es`, for latinamerikansk `en-es-us`, og for brasiliansk portugisisk `en-pt-br`.\n\nFlere oversettelseseksempler kan sendes med forespørselen. Dialogmalen støtter veksling mellom brukerens tekst og et svar med oversettelsen. Dermed kan et par med kildetekst og oversatt tekst vises før neste materiale. NVIDIA anbefaler oversettelsesmalen modellen ble videre trent på: den angir kilde- og målspråk uttrykkelig.\n\n### Kontekst og oppbygning\n\nModellen har omtrent fire milliarder parametere og bygger på en Transformer med dekoder. Grunnmodellen ble komprimert og destillert, og gjennomgikk deretter ytterligere teksttrening, læring fra eksempler og optimalisering ut fra preferanser. Konteksten er på opptil 8K tokener.\n\n### Hva som påvirker oversettelsen\n\nKvaliteten avhenger av tema, oppgavevilkår, støy i kildeteksten og tilgjengelig kontekst. Svaret kan ha grammatikkfeil og unøyaktig meningsgjengivelse. En mer presis forespørsel kan bidra til en bedre tilpasset oversettelse.", "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 oversetter setninger og dokumenter mellom engelsk og 11 andre språk og regionale varianter, inkludert russisk. Den støtter oversettelseseksempler i forespørselen og en kontekst på opptil 8K tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Riva-Translate-4B-Instruct-v1.1 er en spesialisert NVIDIA-modell for skriftlig oversettelse. Den arbeider med enkeltsetninger og dokumenter: tar imot tekst og returnerer tekst på valgt språk. Formatet passer for oversettere, markedsførere og utviklere som utarbeider flerspråklig materiale.
Modellen har 12 språk og varianter: engelsk, tysk, europeisk og latinamerikansk spansk, fransk, brasiliansk portugisisk, russisk, kinesisk med forenklet og tradisjonell skrift, japansk, koreansk og arabisk. For spansk og kinesisk kan ønsket variant angis separat, mens portugisisk i denne versjonen er representert ved den brasilianske varianten.
Oversettelsesretningene er organisert rundt engelsk: fra engelsk til språkene som er listet opp, og tilbake. Russisk tekst kan oversettes til engelsk, og engelsk til russisk. Den regionale varianten inngår i valg av retning og bør derfor angis sammen med språket.
Forespørselen skiller mellom oversettelsesretningen og selve materialet. Systemmeldingen angir språkparet, og brukermeldingen inneholder kildeteksten. For eksempel angir en-ru oversettelse fra engelsk til russisk, og ru-en fra russisk til engelsk. For europeisk spansk brukes en-es-es, for latinamerikansk en-es-us, og for brasiliansk portugisisk en-pt-br.
Flere oversettelseseksempler kan sendes med forespørselen. Dialogmalen støtter veksling mellom brukerens tekst og et svar med oversettelsen. Dermed kan et par med kildetekst og oversatt tekst vises før neste materiale. NVIDIA anbefaler oversettelsesmalen modellen ble videre trent på: den angir kilde- og målspråk uttrykkelig.
Modellen har omtrent fire milliarder parametere og bygger på en Transformer med dekoder. Grunnmodellen ble komprimert og destillert, og gjennomgikk deretter ytterligere teksttrening, læring fra eksempler og optimalisering ut fra preferanser. Konteksten er på opptil 8K tokener.
Kvaliteten avhenger av tema, oppgavevilkår, støy i kildeteksten og tilgjengelig kontekst. Svaret kan ha grammatikkfeil og unøyaktig meningsgjengivelse. En mer presis forespørsel kan bidra til en bedre tilpasset oversettelse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nvidia/riva-translate-4b-instruct-v1.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, messages |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Parametertext_file_material | Avtalefaktisk UTF-8-innhold satt inn som tekst; fil-ID-er eller URL-adresser (URLs) trenger separat, eksakt støtte |
Livssyklus: exact retained published method
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
POST /v1/chat/completionsAiloot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
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
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| 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 | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot nvidia/riva-translate-4b-instruct-v1.1
Bruk metodestiene som vises 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.