shuji-bonji/xcomet-mcp-server

Оценивает несколько пар перевода в одном пакете. Этот инструмент обрабатывает несколько пар исходного текста и перевода и возвращает сводную статистику вместе с результатами по каждой паре. Args: - pairs (array): Массив пар перевода, каждая включает: - source (string): Исходный текст - translation (string): Перевод - reference (string, optional): Эталонный перевод - source_lang (string, optional): Код исходного языка - target_lang (string, optional): Код целевого языка - response_format ('json' | 'markdown'): Формат вывода (по умолчанию 'json') - use_gpu (boolean, optional): Использовать GPU для выполнения, если доступен (по умолчанию false) - batch_size (number, optional): Размер батча для выполнения, 1-64 (по умолчанию 8). Больше - быстрее, но требует больше памяти. Returns: { "average_score": number, "total_pairs": number, "results": [ { "index": number, "score": number, "error_count": number, "has_critical_errors": boolean } ], "summary": string } Examples: - Оценить полный переведённый документ - Сравнить качество систем машинного перевода на тестовом наборе - Выявить сегменты, требующие внимания

Обнаруживает и классифицирует ошибки в переводе. Этот инструмент сосредоточен на обнаружении ошибок, предоставляя подробную информацию об ошибках перевода с указанием их уровней серьезности и позиций. Аргументы: - source (string): исходный текст - translation (string): анализируемый переведенный текст - reference (string, необязательно): эталонный перевод - min_severity ('minor' | 'major' | 'critical'): минимальная серьезность для отчета (по умолчанию: 'minor') - response_format ('json' | 'markdown'): формат вывода (по умолчанию: 'json') - use_gpu (boolean, необязательно): использовать GPU для инференса, если доступно (по умолчанию: false) Возвращает: { "total_errors": number, "errors_by_severity": { "minor": number, "major": number, "critical": number }, "errors": [ { "text": string, "start": number, "end": number, "severity": "minor" | "major" | "critical" } ] } Примеры: - Найдите критические ошибки перед публикацией - Определите области, требующие пост-редактирования - Контроль качества машинного перевода

Оценивает качество перевода с помощью модели xCOMET. Этот инструмент анализирует исходный текст и его перевод и предоставляет: - Оценку качества от 0 до 1 (чем выше, тем лучше) - Обнаруженные фрагменты ошибок с уровнями серьёзности (minor/major/critical) - Удобочитаемую сводку качества Аргументы: - source (string): Исходный текст для перевода - translation (string): Переведённый текст для оценки - reference (string, optional): Эталонный перевод для сравнения - source_lang (string, optional): Код исходного языка (ISO 639-1) - target_lang (string, optional): Код целевого языка (ISO 639-1) - response_format ('json' | 'markdown'): Формат вывода (по умолчанию: 'json') - use_gpu (boolean, optional): Использует GPU для инференса, если он доступен (по умолчанию: false) Возвращает: Для формата JSON: { "score": number, // Оценка качества 0-1 "errors": [ // Обнаруженные ошибки { "text": string, "start": number, "end": number, "severity": "minor" | "major" | "critical" } ], "summary": string // Удобочитаемая сводка } Примеры: - Оценить качество перевода EN→JA - Проверить, нуждается ли вывод машинного перевода в постредактировании - Сравнить перевод с эталоном