DokumentaceCeníkVýzkumEnterpriseKariéra
Kariéra
Přihlásit seRegistrovat seRezervovat demo
Všechny příspěvky

The Localization API

Před rokem 2010 znamenalo přijímat platby online zažádat si u banky o obchodnický účet. Týdny papírování. Kontroly úvěruschopnosti. Požadavky na minimální objem transakcí. Pak přišla integrace s platební bránou přes XML API, kde se testovací prostředí produkci sotva podobalo. O PCI compliance jste se starali sami – ukládali jste čísla karet, spravovali šifrovací klíče a procházeli bezpečnostními audity.

Dnes vývojář přidá pár řádků kódu na checkout stránku. Compliance, detekce podvodů, převody měn, výplaty – to vše řeší API na pozadí. Vývojář tu komplexitu nikdy nevidí. Nezmizela. Jen se zapouzdřila.

Tohle se opakuje znovu a znovu. Kategorie profesionální práce – dříve vyžadující specialisty, dodavatele a měsíce koordinace – se smrskne do jednoho API volání. Samotné volání je jednoduché. To, co za ním běží, jednoduché není.

Profesionální lokalizace před API#

Lokalizace produktu do více jazyků znamenala najmout překladatelského dodavatele. Ten přidělil překladatele – často bez hlubší znalosti produktu, oboru nebo existující terminologie. Poslali jste terminologický průvodce. Překladatel si ho většinou přečetl. Překlady se vrátily za 5–10 pracovních dnů. Tři termíny byly špatně. Poslali jste je zpátky k revizi. Další 3 dny.

Mezitím někdo musel spravovat glosář, sledovat, které řetězce se od poslední dávky změnily, ověřovat, že německé překlady používají správné uvozovky, a potvrdit, že portugalština je v evropském pravopisu, ne brazilském. Tahle koordinace probíhala v tabulkách, e-mailech a vláknech ve Slacku.

U týmů, které se snažily automatizovat pomocí LLMů, byl překlad rychlý, ale zajištění kvality ne. Každý požadavek začínal od nuly. Žádná paměť schválených termínů. Žádné povědomí o hlasu značky. Žádné ověření, že výstup odpovídá terminologickým konvencím dané domény.

Pak LLMy překročily práh kvality pro produkční překlad. Ne proto, že by byly lepší v jazycích — ale protože začalo být možné vložit doménový kontext při inferenci a získat konzistentní, terminologicky přesný výstup. Chybějící částí byla context pipeline kolem modelu.

Profesionální lokalizace za API#

Jeden POST. Výsledky přicházejí přes webhook, jakmile je každý jazyk hotový.

bash
curl -X POST https://api.lingo.dev/jobs/localization \
  -H "X-API-Key: $LINGO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "sourceLocale": "en",
    "targetLocales": ["de", "fr", "ja", "ko", "pt-BR",
      "es", "it", "zh-Hans", "nl", "sv", "pl", "tr", "ar", "th"],
    "data": {
      "title": "Introduction to Machine Learning",
      "steps": [
        { "heading": "What is ML?", "body": "Machine learning is a subset of artificial intelligence." },
        { "heading": "Supervised Learning", "body": "Training a model with labeled data." }
      ]
    },
    "callbackUrl": "https://your-app.com/webhooks/translations"
  }'

202 zpět během milisekund. Volající může hned pokračovat. Každý jazyk se zpracovává nezávisle přes lokalizační engine. Němčina dorazí za 4 sekundy. Japonština za 6. Arabština za 8. Každý výsledek dorazí na váš webhook ve chvíli, kdy je připravený. Pro průběh v reálném čase ve vašem UI připojte WebSocket ke skupině úloh – živě se bude aktualizovat „3 z 16 jazyků připraveny“.

Vývojář tu komplexitu nikdy neřídí. Nezmizela. Jen se zapouzdřila – stejně jako u plateb.

Co běží za API#

Když se spustí lokalizační úloha, platforma projde vícekrokovou pipeline podle konfigurace enginu. Šest kroků, z nichž každý řeší konkrétní typ selhání, který se projeví, když ho přeskočíte.

1

Zpřesnění zdroje

AI agent před začátkem překladu upraví zdrojový text. Nejednoznačné formulace, nekonzistentní terminologie, kulturně zatížené idiomy – vše se přepíše tak, aby byl text lépe přeložitelný. Tím se eliminuje problém garbage in, garbage out, který zhoršuje každý navazující krok.

2

Obohacení kontextu

Engine načte glosář, hlas značky a instrukce specifické pro jazyk nakonfigurované pro tuto jazykovou dvojici. Odpovídající termíny z glosáře se vloží do kontextového okna LLMu. Model vidí správné mapování termínů ještě před vygenerováním jediného tokenu. To je retrieval augmented localization — krok, který snižuje terminologické chyby o 17–45 % napříč poskytovateli.

3

LLM překlad

Engine pro tuto jazykovou dvojici vybere model s nejvyšší prioritou z nakonfigurovaného fallback chainu. Pokud primární model selže, engine automaticky přesměruje zpracování na další model v pořadí. Volající failover nikdy neuvidí.

4

Lidská post-editace

Nepovinné. Kvalifikovaný překladatel zkontroluje a opraví draft vygenerovaný AI — soustředí se na to, co model pokazil, místo aby překládal od nuly. Platforma zajistí překladatele i přiřazení podle obsahové domény; výsledky přicházejí přes stejný webhook. Žádná správa dodavatelů, žádný schvalovací krok v UI. Doba zpracování: hodiny, ne týdny.

Enterprise

Lidská post-editace je v soukromé betě dostupná v enterprise plánech. Kontaktujte nás a aktivujte ji pro své enginy.

5

AI post-editace

Nepovinné. Po lidské úpravě provede AI agent závěrečnou kontrolu konzistence. Validace formátování, opětovné ověření glosáře, sladění tónu s hlasem značky – při zachování záměru lidského překladatele a současném vynucení standardů napříč enginem. Člověk zvyšuje přesnost. AI vynucuje konzistenci.

Enterprise

AI post-editace je v soukromé betě dostupná v enterprise plánech. Kontaktujte nás a aktivujte ji.

6

Ověření zpětným překladem

Nepovinné. Nezávislý model přeloží výstup zpět do zdrojového jazyka. Agent porovná zpětný překlad s původním zdrojem, označí významové odchylky a upraví segmenty, u nichž se během překladu posunul význam. Tím zachytí chyby, které jednosměrné vyhodnocení přehlédne.

Enterprise

Ověření zpětným překladem je v soukromé betě dostupné v enterprise plánech. Kontaktujte nás a aktivujte ho.

Každý krok je konfigurovatelný pro každý engine. Zpřesnění zdroje, lidská post-editace, AI post-editace a zpětný překlad mohou být nezávisle na sobě aktivní nebo neaktivní. Obohacení kontextu a LLM překlad jsou vždy zapnuté – tvoří jádro enginu.

Tým lokalizující marketingové texty může aktivovat všech šest kroků. Tým lokalizující interní dokumentaci může používat jen obohacení kontextu a LLM překlad. API volání je v obou případech stejné. Pipeline se přizpůsobí.

Doručení#

Výsledky přicházejí přes vámi nakonfigurovaný kanál – bez nutnosti pollingu.

Webhooky – každý jazyk je doručen ve chvíli, kdy je hotový. Německý překlad, který skončí za 4 sekundy, dorazí okamžitě, bez čekání na japonštinu, která skončí za 6. Každý webhook obsahuje kryptografický podpis podle specifikace Standard Webhooks. Neúspěšná doručení se opakují s exponenciálním backoffem až do 5 pokusů.

WebSocket – připojte se ke skupině úloh a sledujte průběh v reálném čase. Každá událost obsahuje úplný snapshot stavu: celkový počet úloh, dokončené úlohy, neúspěšné úlohy, stav podle jazyka. Váš frontend nikdy neudržuje lokální stav – server při každé události posílá aktuální stav.

Izolace selhání – pokud japonština selže, ale němčina uspěje, německý překlad se doručí normálně. Neúspěšná úloha se zobrazí s chybovou zprávou. Stav skupiny se změní na partial. Opakování proveďte odesláním nového požadavku pouze pro neúspěšné jazyky.

Co to znamená#

Compliance, správa terminologie, adaptace na doménu, lidská kontrola, hodnocení kvality – to vše řeší API na pozadí. Vývojář odešle obsah a cílové jazyky. Lokalizační manažer nakonfiguruje engine. Platforma spustí workflow.

Koordinace, která dříve vyžadovala projektového manažera, vztah s dodavatelem a sdílenou tabulku, teď probíhá uvnitř odolného workflow na pozadí s doručováním přes webhook, izolací selhání a streamováním průběhu v reálném čase.

Pokud potřebujete lokalizaci jen pro jednorázový překlad dokumentu bez požadavků na konzistenci napříč releasy, je toto API pro vaše potřeby zbytečně robustní. Hodnota enginu se v čase násobí – termíny v glosáři přibývají, hlas značky se zpřesňuje, skóre kvality roste. Lingo.dev je navržený přímo pro produkty, které se vydávají průběžně, kde se stejný obsah mění v každém sprintu a konzistence napříč jazyky je nevyjednatelná.

Přečtěte si kompletní API referenci, nebo si zarezervujte demo a podívejte se na pipeline v praxi.

Další kroky#

Referenční dokumentace Async API
Kompletní dokumentace endpointů s příklady
Lokalizační enginy
Nakonfigurujte pipeline za API
Výzkum RAL
Jak obohacení kontextu snižuje chyby o 17–45 %

Platforma

Lokalizační APIAPI asynchronních úlohLokalizační enginyDetekce jazykaLingo.dev Platform MCPCeník

Nástroje pro vývojáře

Lingo React MCPLingo CLILingo GitHub ActionLingo React Compiler
Alpha

Zdroje

DokumentaceLabsNávodyChangelogJazykyLLM modely

Společnost

BlogVýzkumRezervovat demoZákazníciKariéra
Kariéra
humans.txt

Komunita

GitHubDiscordTwitterLinkedIn
Se sídlem v San Franciscu, s týmem po celém světě
SOC 2 Type II·CCPA·GDPR
Podporováno Y Combinator
Combinator
& Initialized Capital
Initialized Capital
& našimi zákazníky
Soukromí·Podmínky·Cookies·security.txt

© 2026 Lingo.dev (Replexica, Inc).

Všechny systémy fungují normálně
Přihlásit seRegistrovat seRezervovat demo
Max PrilutskiyMax Prilutskiy, CEO a spoluzakladatel·Publikováno před 3 měsíci·5 min čtení