open/ms-ai-architect
1
0
Fork 0
Code Issues Pull requests Releases Wiki Activity Actions
ms-ai-architect/skills/ms-ai-engineering/references/azure-ai-services/translator-document-translation.md
Kjell Tore Guttormsen 070141f06b chore(ms-ai-architect): refresh KB medium-bucket — 74 files [skip-docs] 
KB-currency refresh (medium priority, 2026-06-19) via /architect:kb-update.
74 medium-prioritets filer re-verifisert mot Microsoft Learn (MCP) — delegert
til 15 parallelle Opus-subagenter (3 bølger) gruppert etter delt kilde, med
disjunkte fil-sett. Verifisert i hovedkontekst (scope-sjekk + diff-review av
de faktatunge gruppene + tester).

Hovedendringer (faktuelle korreksjoner + currency):
- Azure AI Search semantic ranker: TILGJENGELIG PÅ ALLE TIERS (også Free/Basic
  m/ gratis månedlig kvote) — gammel KB sa feilaktig "kun S1+". Korrigert i
  tier-tabell, anti-patterns og beslutningstabell (azure-ai-search-setup).
- APIM score-threshold = DISTANSE (lavere = strengere): tuning-tabellen i
  rag-caching-optimization hadde retningen baklengs — invertert til korrekt.
- Agentic retrieval GA/preview-nyanse presisert (hovedkontekst-korreksjon mot
  agentic-retrieval-how-to-migrate): GA via REST 2026-04-01 returnerer EKSTRAKTIV
  grounding (references + activity), IKKE syntetiserte svar. Answer synthesis,
  ikke-minimal reasoning effort (LLM query planning) og multi-turn messages
  forblir preview (2026-05-01-preview). Subagent hadde overforenklet til "hele
  kjernepipelinen GA"; rettet i agentic-rag-patterns + citation-tracking.
- Copilot Studio modell-tabeller (platforms/copilot-studio): fjernet Claude Opus
  4.5 + GPT-5.2 (borte fra kilde), lagt til Claude Sonnet 4.6/Opus 4.6 (GA),
  Opus 4.7 + Mistral Medium 3.5 (experimental); GPT-5 Reasoning/Auto = preview;
  A2A GA (apr 2026).
- Computer Use (CUA): Copilot Studio GA 2026-05-07; 4 modeller m/ tier/status
  (OpenAI CUA + Sonnet 4.5 GA, Sonnet 4.6 + Opus 4.6 experimental); 5 credits/
  steg standard, 15 premium; US-only region-krav FJERNET i GA-dok; Cloud PC pool
  + Hosted browser + bring-your-own-machine.
- Azure AI Search REST API-versjoner bumpet: 2025-09-01 -> 2026-04-01 (stabil),
  2025-11-01-preview -> 2026-05-01-preview (hybrid-search, rag-security-rbac,
  chunking).
- Power Automate-integrasjon: trigger "Run a flow from Copilot" -> "When an agent
  calls the flow"; App Service innebygd MCP (preview) lagt til.
- M365 Copilot-manifest v1.26 -> v1.28 (GA, mai) / v1.29 dokumentert (juni);
  "Tenant graph grounding" -> "Work IQ".
- Speech fast transcription 2t/300MB -> 5t/500MB; multilingual 14 -> 15 locales
  (+ pt-BR). Content Understanding reasoning preview -> GA (v1.0, 2025-11-01).
- Security Copilot E5 -> E5+E7. Død Databricks-URL ci-cd/best-practices ->
  ci-cd/flows. Prompt Flow retirement (2027-04-20 -> MAF) notert der den
  presenteres som go-forward. Gateway-topologi-tabell-feil rettet.
- Alle 74 Last updated -> 2026-06-19.

Discovery ikke kjørt (historisk kun Databricks-støy) -> 389-telling uendret,
ingen resync. validate 239 PASS, kb-integrity 115/115 (262 orphan-warnings
uendret), gitleaks clean.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01REiKFhP4w6xGXXqWKpPCJJ
2026-06-19 14:02:18 +02:00

389 lines
19 KiB
Markdown
Raw Blame History

# Translator Service - Document Translation and Multi-language Support
**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
**Status:** GA (General Availability) + Preview features
**Category:** Azure AI Services (Foundry Tools)
---
## Introduksjon
Azure Translator er en sky-basert neural maskinoversettelsestjeneste som tilbyr både tekst- og dokumentoversettelse på tvers av over 135 språk og dialekter. Tjenesten kombinerer sanntids tekstoversettelse med avansert dokumentoversettelse som bevarer opprinnelig formatering, layout og struktur.
Document Translation-funksjonen støtter to arbeidsmåter: asynkron batch-oversettelse for store volumer og komplekse dokumenter, samt synkron single-file-oversettelse for raske enkeltdokumenter. Begge metodene bygger på samme neural machine translation (NMT)-teknologi som brukes i tusenvis av Microsoft-produkter og -tjenester globalt.
En særlig nyhet (desember 2025) er støtte for bildefilformater i batch-oversettelse — tjenesten kan nå oversette tekst inni bilder (.jpeg, .png, .bmp, .webp) samtidig som den beholder originalens design og layout. Dette eliminerer behovet for forprosessering av bilder til PDF før oversettelse.
## Kjernekomponenter / Nøkkelegenskaper
### Oversettelsesmodi
| Modus | Beskrivelse | Krav | Bruksområde |
|-------|-------------|------|-------------|
| **Asynchronous Batch** | Oversetter flere dokumenter og store filer asynkront | Azure Blob Storage (source + target containers) | Bulk-oversettelse, komplekse dokumenter, arkivering |
| **Synchronous Single-file** | Oversetter én fil og returnerer umiddelbart | Kun Translator-ressurs | Raske oversettelser, sanntidsscenarier |
### Støttede dokumentformater (Batch)
**Produksjonsklare formater:**
- **Office:** `.docx`, `.xlsx`, `.pptx`, `.msg` (Outlook)
- **PDF:** `.pdf` (bruker OCR for scannede dokumenter)
- **Web/Data:** `.html`, `.htm`, `.csv`, `.tsv`, `.mhtml`
- **Markup:** `.md`, `.xlf` (XLIFF — translation standard)
- **Open Source:** `.odt`, `.ods`, `.odp`
- **Bilder (2025-12-01-preview):** `.jpeg`, `.png`, `.bmp`, `.webp` 🆕
**Legacy-konvertering:**
`.doc`, `.xls`, `.ppt` konverteres automatisk til moderne Office-formater (`.docx`, `.xlsx`, `.pptx`) ved oversettelse.
### Nøkkelfunksjoner
| Funksjon | Batch | Sync | Beskrivelse |
|----------|-------|------|-------------|
| **Multi-file translation** | ✅ | ❌ | Oversett hundrevis av filer i én operasjon |
| **Large file support** | ✅ | ❌ | Ingen praktisk størrelsesbegrensning for batch |
| **Preserve layout** | ✅ | ✅ | Bevarer formatering, layout, fonter |
| **Image text translation** | ✅ | ❌ | Oversetter tekst inni bilder (preview) |
| **Custom glossaries** | ✅ | ✅ | Egendefinerte termlister (.csv, .tsv, .xlf) |
| **Custom models** | ✅ | ✅ | Custom Translator-modeller for domener/bransjer |
| **Auto language detect** | ✅ | ✅ | Automatisk språkdeteksjon |
| **Multi-language docs** | ✅ | ❌ | Oversett dokumenter med flere språk i én operasjon |
| **Immediate response** | ❌ | ✅ | Translated dokument returneres direkte i svar |
### Oversettelse av bildetekst i Word- (.docx) og PowerPoint-filer (.pptx)
En spesialisert funksjon (tilgjengelig via batch document translation-API) som krever:
- Azure AI Services **multi-service resource** (ikke standalone Translator)
- Enable parameter: `"translateTextWithinImage": true` i `options`-feltet
- Tilleggskostnad basert på Azure Vision-prising
Response inkluderer `totalImageScansSucceeded` og `totalImageScansFailed` for monitorering.
## Arkitekturmønstre
### 1. Batch Translation Pipeline (Anbefalt for volum)
**Arkitektur:**
```
Source Blob Container → Document Translation API → Target Blob Container(s)
↓ ↓ ↓
SAS token Job Monitoring API Translated files
(read/list) (status polling) (write/list)
```
**Fordeler:**
- Skalerer automatisk for store volumer
- Parallell prosessering av flere dokumenter
- Støtter flere målspråk i én batch-jobb
- Asynkron — blokkerer ikke applikasjonen
**Ulemper:**
- Krever Azure Blob Storage (ekstra infrastruktur)
- Mer kompleks autentisering (SAS tokens eller managed identity)
- Lengre tid før resultater er klare
**Bruk når:**
- Du oversetter > 10 dokumenter om gangen
- Filstørrelse > 40 MB
- Batch-prosessering er akseptabelt (ikke sanntid)
- Du trenger å oversette til flere språk samtidig
### 2. Synchronous Single-File Translation (Anbefalt for sanntid)
**Arkitektur:**
```
Client App → POST /translator/document:translate → Translated Document
↓ ↓
Document bytes Inline response
+ Target language
```
**Fordeler:**
- Ingen Azure Blob Storage nødvendig
- Enkel integrering (ett API-kall)
- Umiddelbart resultat
- Lavere kompleksitet
**Ulemper:**
- Kun én fil om gangen
- Kun ett målspråk per request
- Ikke egnet for store filer (timeout-risiko)
**Bruk når:**
- Sanntidsoversettelse i webapp/chatbot
- Enkeltstående dokumenter < 40 MB
- Du trenger rask respons (sekunder, ikke minutter)
- Enkel workflow uten lagring
### 3. Hybrid Pattern: Custom Glossaries + Neural Translation
**Arkitektur:**
```
Neural MT Model + Custom Glossary → Hybrid Output
↓ ↓
General translation Domain-specific terms
```
**Fordeler:**
- Best of both worlds: NMT-kvalitet + terminologikontroll
- Konsistent bruk av fagtermer
- Reduserer post-editing-behov
**Ulemper:**
- Krever vedlikehold av glossary-filer
- Glossary må lastes opp for hver batch-jobb (eller hver target container)
**Bruk når:**
- Juridiske/medisinske/tekniske dokumenter
- Branding/produktnavn må være konsistente
- Compliance krever spesifikke termer
## Beslutningsveiledning
### Hvilken modus skal du velge?
| Kriterium | Batch Translation | Single-file Translation |
|-----------|-------------------|-------------------------|
| **Antall filer** | > 10 samtidig | 1 om gangen |
| **Filstørrelse** | Ubegrenset (praktisk) | < 40 MB |
| **Responstid** | Minutter til timer | Sekunder |
| **Målspråk** | Flere samtidig | Ett om gangen |
| **Infrastruktur** | Blob Storage kreves | Ingen ekstra infrastruktur |
| **Kostnad** | Lavere per tegn ved volum | Høyere per tegn (men enklere) |
### Vanlige feil og røde flagg
| Problem | Årsak | Løsning |
|---------|-------|---------|
| **Job fails: "Can't read source"** | SAS token mangler `read`/`list`-tillatelser | Regenerer SAS med korrekte permissions |
| **Translated file not in target** | SAS token mangler `write`/`list` | Sjekk target container permissions |
| **Translation quality poor** | Feil språkpar, mangler custom model | Spesifiser source language eksplisitt, bruk Custom Translator |
| **Scanned PDF loses formatting** | OCR-teknologien har begrensninger | Bruk digitale PDFs når mulig, ikke scannede |
| **Job stuck in "Running"** | Fil låst med passord/kryptert | Fjern passord/kryptering før opplasting |
| **Image text not translated** | Preview-feature ikke aktivert | Sett `"translateTextWithinImage": true` (kun batch) |
| **Cost higher than expected** | Image translation eller Vision API-kall | Disable image features hvis ikke nødvendig |
### Når skal du IKKE bruke Document Translation?
| Scenario | Hvorfor ikke? | Alternativ |
|----------|---------------|------------|
| **Sanntids chat-oversettelse** | Document Translation er for tekst-blokker, ikke korte meldinger | Text Translation API v3 |
| **Live lydoversettelse** | Ikke for tale | Azure Speech Service Translator |
| **Kun OCR (ingen oversettelse)** | Overkill hvis du bare skal ekstrahere tekst | Azure AI Vision (OCR) |
| **Real-time collaboration (Google Docs-style)** | Document Translation er batch/single-file, ikke live | Bygg custom med Text Translation API |
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
- Document Translation tilgjengelig via **Foundry (classic)** portal — no-code playground
- **Foundry (new)** støtter kun forhåndsdefinerte språk med sample-dokumenter (ikke egne filer)
- Bruk Foundry for prototyping, deretter API for produksjon
### Azure Blob Storage
- **Obligatorisk for batch translation**
- Autentisering via SAS tokens eller Managed Identity
- Lifecycle policies kan automatisk slette gamle oversatte filer (kostnadsoptimalisering)
### Custom Translator
- Tren egne NMT-modeller med parallelle korpus (parallel documents)
- Deploy via Custom Translator-portalen
- Refereres i Document Translation API via `category`-parameter
### Power Automate
- **Translator v3 connector** tilgjengelig for no-code workflows
- Støtter både text og document translation
- Integrer med SharePoint, OneDrive, Outlook for dokumentflyt
### Azure Functions / Logic Apps
- REST API kan wrappes i serverless functions
- Bruk for event-driven oversettelse (f.eks. ny fil i Blob → trigger oversettelse)
### Azure AI Search
- Bruk Document Translation som pre-processing for multilingual search
- Oversett dokumenter før indexing → én index, mange språk
## Offentlig sektor (Norge)
### GDPR og Schrems II
| Aspekt | Implikasjon | Anbefaling |
|--------|-------------|------------|
| **Data residency** | Oversettelse prosesseres i nærmeste Azure-region (Global) eller spesifisert region (Americas, Asia Pacific, Europe) | Velg **Europa**-region for Translator-ressurs (France Central, West Europe) |
| **Data retention** | Microsoft lagrer IKKE brukerdata etter oversettelse | Dokumentert i Transparency Note — trygt for sensitiv data |
| **GDPR Article 28** | Microsoft er data processor | Bruk DPA (Data Processing Agreement) i Azure-kontrakten |
| **Schrems II compliance** | EU Standard Contractual Clauses (SCCs) | Velg EU-region, verifiser SCCs i Azure-avtalen |
### AI Act (EU)
| Krav | Status for Translator | Handling |
|------|----------------------|----------|
| **Transparency** | Brukere må vite at tekst er maskinoversatt | Legg til disclaimer i UI/dokumenter |
| **Human oversight** | High-risk AI krever human-in-the-loop | Implementer post-editing for kritiske dokumenter |
| **Accuracy requirements** | Ikke klassifisert som high-risk (men avhenger av bruksområde) | Valider kvalitet manuelt for juridiske/medisinske dokumenter |
### Forvaltningsloven og offentlig kommunikasjon
- **Språkkrav:** Samisk, kvensk, norsk (bokmål/nynorsk) støttes ikke alle optimalt i Translator
- **Juridisk binding:** Maskinoversatte dokumenter kan ikke erstatte autoriserte oversettelser i rettsprosesser
- **Tilgjengelighetskrav (UU):** Oversatte dokumenter må bevare WCAG 2.1-kompatibilitet — test at PDF/HTML-output er tilgjengelig
### Datasuverenitet
- **Norway-region** finnes ikke for Translator (kun Foundry-hub) — bruk **West Europe** eller **North Europe** for geografisk nærhet
- For ekstra høy sensitivitet: Vurder **Translator Container** (disconnected deployment) for air-gapped miljøer
## Kostnad og lisensiering
### Prismodell (per 2026-02)
| Komponent | Enhet | Prisindikasjon (NOK/USD) |
|-----------|-------|--------------------------|
| **Text Translation** | Per million tegn | ~$10 USD (varierer med region) |
| **Document Translation** | Per million tegn | ~$10 USD (samme som tekst) |
| **Image Translation (preview)** | Per bilde | Beregnes separat (ikke per tegn) |
| **Image text in Word (preview)** | Per bilde-scan | Azure Vision-prising i tillegg |
| **Custom Translator** | Per million tegn (trening + inference) | ~$10-40 USD (avhenger av modell) |
**Volume Discount Plans:** C2, C3, C4, D3 tilgjengelig for store volumer (commitment-basert).
### Optimaliseringstips
1. **Batch over single-file:** Lavere overhead (ett API-kall for mange filer)
2. **Disable image translation hvis ubrukt:** Spar Vision API-kostnader
3. **Cache oversettelser:** Lagre target-dokumenter i Blob Storage, gjenbruk ved duplikater
4. **Filter med prefix/suffix:** Bruk `prefix`-parameteren for å unngå å oversette unødvendige filer
5. **Language auto-detect kun ved nødvendighet:** Spesifiser source language for raskere prosessering og lavere feilrate
6. **Bruk glossaries for konsistens:** Reduserer behov for custom models (dyrere å trene)
### Total Cost of Ownership (TCO)
| Komponent | Batch Translation | Single-file Translation |
|-----------|-------------------|-------------------------|
| **Translator API** | $10/M chars | $10/M chars |
| **Azure Blob Storage** | $0.02/GB/måned + egress | N/A |
| **Compute (hvis Azure Functions)** | ~$0.20/million executions | ~$0.20/million executions |
| **Vision API (images)** | $1-3/1000 images (preview pricing) | N/A |
| **Total for 100M chars** | ~$1000 + Blob (~$5) + Compute (~$50) = **~$1055** | ~$1000 + Compute (~$50) = **~$1050** |
**Menneskelig oversettelse til sammenligning:** $0.10-0.25 per ord = **$10 000-25 000 USD** for samme volum (100M chars ≈ 15M ord).
**ROI:** Translator er ~10-25x billigere enn menneskelig oversettelse for bulk-volum.
## For arkitekten (Cosmo)
### Spørsmål å stille i arkitekturdialog
1. **Volum og frekvens:**
"Hvor mange dokumenter per dag/uke? Er det batch-basert eller kontinuerlig?"
→ Avgjør batch vs. single-file strategi.
2. **Sensitivitet og compliance:**
"Inneholder dokumentene personopplysninger (GDPR), helseopplysninger (HIPAA-ekvivalent), eller klassifisert informasjon?"
→ Vurder EU-region, Translator Container (disconnected), eller on-prem løsning.
3. **Responstidskrav:**
"Må oversettelsen være klar innen sekunder, eller er minutter/timer akseptabelt?"
→ Sanntid → Sync, batch → Async.
4. **Dokumenttyper:**
"Er det strukturerte filer (Word/Excel/PDF) eller ustrukturerte (bilder, scannede PDFs)?"
→ Scannede PDFs krever OCR (lavere kvalitet), bilder krever preview-feature.
5. **Terminologi og domene:**
"Har dere branchespesifikke termer som må oversettes konsistent?"
→ Custom glossaries (enklere) eller Custom Translator (dyrere, bedre kvalitet).
6. **Målspråk:**
"Hvilke språk skal støttes? Er det pivot-språk involvert (f.eks. Swahili → English → Hindi)?"
→ Sjekk [language support matrix](https://learn.microsoft.com/azure/ai-services/translator/language-support) for kvalitet.
7. **Eksisterende infrastruktur:**
"Bruker dere allerede Azure Blob Storage? Har dere managed identities satt opp?"
→ Påvirker autentiseringsstrategi og deployment-hastighet.
8. **Post-editing workflow:**
"Skal oversettelsene gjennomgås av mennesker før publisering?"
→ Planlegg for human-in-the-loop (HITL) — Azure AI Foundry + Custom Translator har review-funksjoner.
### Fallgruver å unngå
| Fallgruve | Konsekvens | Unngå ved å |
|-----------|------------|-------------|
| **Hard-code SAS tokens i kode** | Security breach | Bruk Azure Key Vault + managed identity |
| **Glemme SAS token expiry** | Jobs feiler etter 24 timer | Sett expiry = 7 dager minimum, eller bruk managed identity |
| **Overstyre source language når multi-language** | Dårligere kvalitet | La auto-detect gjøre jobben for mixed-language docs |
| **Bruke Batch for én fil (< 1 MB)** | Overhead med Blob Storage | Bruk Single-file API |
| **Forvente perfekt layout for scannede PDFs** | OCR-teknologien har begrensninger | Bruk digitale PDFs, eller aksepter lavere layout-kvalitet |
| **Ikke teste custom glossaries før prod** | Termer oversettes feil | Test med sample-dokumenter først |
| **Overse rate limits** | 429 Too Many Requests | Implementer exponential backoff retry-logikk |
### Anbefalinger per modenhetsnivå
**Begynner (ingen Translator-erfaring):**
- Start med **Foundry (classic) portal** for manuell testing
- Bruk **Single-file API** for prototyping (enklere enn Blob Storage)
- Test med maksimalt 3 språkpar først
- Les [Transparency Note](https://learn.microsoft.com/azure/foundry/responsible-ai/translator/transparency-note) for å forstå begrensninger
**Middels (har brukt Text Translation API):**
- Migrer til **Batch Translation** for volum > 50 filer/dag
- Implementer **custom glossaries** for domene-termer
- Sett opp **monitoring** med Application Insights (track job failures)
- Bruk **managed identity** i stedet for SAS tokens (bedre security)
**Avansert (produksjon med tusenvis av dokumenter/dag):**
- Tren **Custom Translator-modeller** for spesialiserte domener
- Implementer **Azure Functions event-driven pipeline** (Blob trigger → oversettelse → output)
- Aktiver **image translation** kun for dokumenter som faktisk har bilder (kostnadsoptimalisering)
- Sett opp **geo-replication** av Blob Storage for disaster recovery
- Overvåk **totalCharacterCharged** i response headers for cost tracking
## Kilder og verifisering
### Microsoft Learn-dokumentasjon (Verified via MCP)
1. **Document Translation Overview**
https://learn.microsoft.com/azure/ai-services/translator/document-translation/overview
*Confidence: Verified (2026-06-19)* — Kjernefeatures, formater, data residency
2. **Use Document Translation APIs Programmatically**
https://learn.microsoft.com/azure/ai-services/translator/document-translation/how-to-guides/use-rest-api-programmatically
*Confidence: Verified (2026-06-19)* — REST API, batch-oversettelse, SAS tokens, kodeeksempler
3. **Azure Translator Overview**
https://learn.microsoft.com/azure/ai-services/translator/overview
*Confidence: Verified (2026-06-19)* — Comparison matrix (text vs. document), feature roadmap
4. **Image Translation Preview (December 2025)**
https://learn.microsoft.com/azure/ai-services/translator/document-translation/reference/start-batch-translation#translate-image-files
*Confidence: Verified (2026-06-19)* — Ny funksjonalitet for bildeformater
5. **Service Limits**
https://learn.microsoft.com/azure/ai-services/translator/service-limits#document-translation
*Confidence: Verified (2026-02)* — Rate limits, request size limits
6. **Translator Transparency Note**
https://learn.microsoft.com/azure/foundry/responsible-ai/translator/transparency-note
*Confidence: Verified (2026-02)* — AI-begrensninger, data privacy, responsible AI
### Konfidensnivå per seksjon
| Seksjon | Konfidens | Kilde |
|---------|-----------|-------|
| Introduksjon | Verified | MCP docs fetch (overview) |
| Kjernekomponenter | Verified | MCP docs fetch (overview + API reference) |
| Arkitekturmønstre | Baseline | Best practices fra MCP docs + modellkunnskap |
| Beslutningsveiledning | Baseline | FAQ + troubleshooting fra MCP docs |
| Integrasjon med Microsoft-stakken | Baseline | Modellkunnskap + MCP docs (connectors) |
| Offentlig sektor | Baseline | GDPR/AI Act-kunnskap + Azure compliance docs (ikke spesifikt i MCP-søk) |
| Kostnad og lisensiering | Baseline | Azure pricing calculator (ikke i MCP-søk, men offentlig info) |
| For arkitekten | Baseline | Syntetisk veiledning basert på features fra MCP docs |
**Total MCP calls:** 4 (docs_search) + 3 (docs_fetch) = **7**
**Unique Microsoft Learn URLs:** 6
Reference in a new issue View git blame Copy permalink