Traduction IA

La fonctionnalité de traduction IA vous permet de générer automatiquement des traductions pour le fichier TS ouvert en utilisant de grands modèles de langage (LLM). Vous pouvez utiliser un serveur LLM local (comme Ollama, LM Studio ou llama.cpp) ou des API basées sur le cloud qui prennent en charge le protocole REST compatible avec OpenAI (comme OpenAI, Groq ou Anthropic).

Qt Linguist supporte deux modes d'API :

• Ollama - L'API REST native d'Ollama. Utilisez-la lorsque vous exécutez Ollama localement.
• Compatible avec OpenAI - Le format standard de l'API REST d'OpenAI. À utiliser pour :
  • Les serveurs locaux : LM Studio, llama.cpp, ou Ollama (qui supporte également le mode compatible OpenAI)
  • Les fournisseurs de cloud : OpenAI, Groq, DeepSeek, et autres.

Mise en place d'un serveur LLM local

Pour utiliser AI Translation avec un serveur local, installez l'un des logiciels suivants et téléchargez au moins un modèle :

• Ollama - Facile à utiliser, gère les modèles automatiquement
• LM Studio - Application GUI avec navigateur de modèles
• llama.cpp - Léger, exécute directement les modèles GGUF

Pour Ollama, tirez un modèle en utilisant la ligne de commande :

ollama pull qwen3:14b
ollama serve

Pour LM Studio, téléchargez les modèles via l'interface de l'application et démarrez le serveur local :

lms server start

Pour llama.cpp, vous pouvez utiliser l'un des préréglages de modèle intégrés :

llama-server --fim-qwen-7b-default

ou télécharger un fichier modèle GGUF et démarrer le serveur manuellement :

llama-server -m model.gguf --port 8080

Utiliser les API du nuage

Pour utiliser des services de traduction en nuage, sélectionnez OpenAI Compatible comme type d'API, entrez l'URL du point de terminaison de l'API du fournisseur et fournissez votre clé API.

Saisissez uniquement l'URL de base sans le suffixe de chemin /v1. Par exemple, pour OpenRouter, utilisez https://openrouter.ai/api. Consultez la documentation de votre fournisseur pour connaître l'URL correcte du point final.

Utilisation de la boîte de dialogue AI Translation

Dans Linguist, choisissez Tools > AI Translation pour ouvrir la boîte de dialogue AI Translation :

La partie Configuration de la boîte de dialogue fournit les informations suivantes

• API Type: choisissez Ollama pour les serveurs Ollama locaux utilisant l'API native d'Ollama, ou OpenAI Compatible pour LM Studio, llama.cpp, cloud APIs, ou Ollama en mode OpenAI-compatible.
• Server URLURL de base : l'URL de base où le serveur écoute. N'incluez pas le suffixe de chemin /v1. Par défaut : http://localhost:11434 pour Ollama, http://localhost:8080 pour OpenAI Compatible.
• API KeyClé d'authentification : clé d'authentification pour les APIs cloud (optionnelle pour les serveurs locaux).
• Model: liste déroulante des modèles disponibles.
• Contextcontexte d'application facultatif pour améliorer la précision de la traduction (par exemple, "logiciel médical", "jeu vidéo", "application financière").

La partie Selection de la boîte de dialogue fournit :

• File: le fichier TS à traduire.
• FilterLe fichier TS à traduire. : limiter la traduction à des groupes spécifiques (contextes ou étiquettes).
• Translate: de lancer la traduction AI.

La partie Progress de la boîte de dialogue fournit :

• un bouton d'arrêt pour interrompre la progression de la traduction
• Apply TranslationsUn bouton d'arrêt pour stopper la traduction : appliquer les éléments traduits dans le fichier TS.

Pendant la traduction, des messages d'avancement apparaissent sur le site Translation Log. Une fois la traduction terminée, consultez les textes traduits dans le journal. Cliquez sur Apply Translations pour insérer les traductions générées par l'IA dans le fichier TS.

Modèles recommandés

Les modèles suivants sont recommandés pour les tâches de traduction, en tenant compte de la qualité, de la vitesse et de l'utilisation des ressources. Ces modèles sont disponibles sur :

• Ollama - recherche par nom de modèle (par exemple, ollama pull qwen3:14b)
• LM Studio - recherche dans le navigateur de modèles
• Hugging Face - télécharger les fichiers GGUF pour llama.cpp

Pour les systèmes disposant de ressources limitées, des variantes plus petites comme Qwen3 8B (5 Go) ou Qwen2.5 7B (5 Go) offrent une qualité de traduction raisonnable tout en nécessitant moins de mémoire.