- Chatbot AI dapat menerjemahkan percakapan ke dalam 100+ bahasa secara otomatis dengan LLM, atau Anda dapat membuat alur penerjemahan khusus untuk kontrol yang lebih baik.
- Pengaturan terjemahan tipikal menyimpan bahasa pengguna, menerjemahkan pesan masuk ke dalam bahasa bot, memprosesnya, lalu menerjemahkan balasan kembali ke bahasa pengguna.
- DeepL adalah pilihan populer untuk terjemahan berkualitas tinggi, tetapi API terjemahan apa pun (seperti Google Translate) dapat diintegrasikan dengan kode yang serupa.
Di dunia multibahasa saat ini, kemampuan untuk berinteraksi dengan pengguna dalam bahasa asli mereka adalah fitur utama untuk chatbot apa pun.
Jika Anda membuat chatbot AI, penerjemahan dilakukan secara otomatis jika Anda menggunakan LLM sebagai 'otak' bot Anda. AgenLLM dapat menerjemahkan percakapan secara otomatis ke dalam 100+ bahasa.
Tetapi jika Anda tertarik untuk menyiapkan kemampuan terjemahan khusus saat Anda membuat chatbot GPT , kami dapat membantu Anda melakukannya.
Dalam artikel ini, kita akan membahas input pengkodean spesifik yang diperlukan untuk menyesuaikan terjemahan Anda.
Bagaimana cara kerja terjemahan chatbot?
Strategi kami berkisar pada mencegat pesan dari pengguna, mengidentifikasi bahasa mereka, dan menerjemahkan pesan-pesan ini ke dan dari bahasa operasi bot.
Proses ini memerlukan:
- Menyimpan bahasa yang terdeteksi
- Menerjemahkan pesan pengguna ke bahasa bot
- Memproses pesan, lalu
- Menerjemahkan respons bot kembali ke bahasa pengguna
Misalnya, jika pengguna mengirim pesan dalam bahasa Spanyol, bot akan menyimpan "es" sebagai variabel bahasa. Perangkat lunak akan menerjemahkan pesan ke bahasa Inggris untuk bot, dan kemudian menerjemahkan respons bot kembali ke bahasa Spanyol sebelum mengirimkannya ke pengguna.
Langkah 1: Pilih alat bantu Anda
Penyiapan kami akan menggunakan layanan Terjemahan DeepL, yang dikenal dengan keakuratan dan efisiensinya.
Kami akan mendemonstrasikan integrasi ini dengan bot gema sederhana yang merespons pengguna dengan meniru pesan mereka. Kita akan menggunakan Axios untuk panggilan API kita, karena ini merupakan integrasi otomatis dari Botpress.

Langkah 2: Buat variabel yang dibutuhkan
Pertama, kita perlu memperkenalkan variabel pengguna bernama `bahasa` untuk menyimpan bahasa awal atau bahasa yang terdeteksi.
DeepL memfasilitasi proses ini dengan mendeteksi dan mengembalikan bahasa teks input, menyederhanakan tugas kita menjadi satu permintaan API.
Langkah 3: Membuat kait intersepsi
Sebelum pengait pesan masuk
Untuk mencegat dan menerjemahkan pesan pengguna sebelum pesan tersebut sampai ke Botpress, kami memperkenalkan hook "Sebelum Pesan Masuk". Kami akan menamai hook ini "Translation-In," yang bertanggung jawab untuk menerjemahkan pesan yang masuk ke dalam bahasa Inggris dan mengesampingkan pesan asli, sehingga memungkinkan Botpress untuk memprosesnya seolah-olah pesan tersebut dalam bahasa Inggris.
Berikut ini tampilan kode untuk hook ini:
await axios
.post(
'https://api-free.deepl.com/v2/translate',
{
text: [event.preview],
target_lang: 'EN'
},
{
headers: {
Authorization: 'DeepL-Auth-Key {{your key here}}',
'Content-Type': 'application/json'
}
}
)
.then((response) => {
event.payload.text = response.data.translations[0].text
event.preview = response.data.translations[0].text
event.state.user.language = response.data.translations[0].detected_source_language
})
.catch(function (error) {
// Error handling
});
CATATAN PENTING: Selalu gunakan Botpress Variabel Konfigurasi saat memasukkan Kunci API Anda.
Sebelum pengait pesan keluar
Untuk hook "Sebelum Pesan Keluar", kita akan menamainya "Terjemahan-Keluar". Hook ini akan mencegat respons bot untuk menerjemahkannya kembali ke dalam bahasa pengguna, memastikan percakapan tetap dalam bahasa pilihan pengguna.
Implementasi ini melibatkan penggantian pesan keluar dengan pesan terjemahannya:
await axios
.post(
'https://api-free.deepl.com/v2/translate',
{
text: [outgoingEvent.preview],
target_lang: event.state.user.language
},
{
headers: {
Authorization: 'DeepL-Auth-Key {{your key here}}',
'Content-Type': 'application/json'
}
}
)
.then((response) => {
outgoingEvent.payload.text = response.data.translations[0].text
outgoingEvent.preview = response.data.translations[0].text
})
.catch(function (error) {
// Error handling
});
Mulai Membangun Hari Ini
Salah satu manfaat utama menggunakan chatbot AI adalah kemampuan multibahasanya. Dengan platform seperti Botpress, Anda dapat dengan cepat mengatur chatbot Anda untuk berinteraksi dengan pengguna dalam lebih dari 100 bahasa.
Jika Anda menginginkan chatbot yang mudah diakses dan ramah pengguna, Anda dapat mengintegrasikan layanan terjemahan apa pun dengan Botpress. Dengan integrasi saluran kami, Anda dapat menggunakan chatbot Anda di WhatsAppFacebook Messenger, atau situs web Anda.
Mulailah hari ini. Gratis.
Referensi lebih lanjut
- Variabel Konfigurasi
- DeepL Terjemahkan API
- Axios NPM
- Kesalahan Penanganan Axios
- Botpress Saluran YouTube
Hal-hal yang sering ditanyakan
1. Dapatkah saya menggunakan layanan penerjemahan selain DeepL, seperti Google Translate atau Microsoft Translator?
Ya, Anda dapat menggunakan layanan penerjemahan lain dengan memodifikasi hook penerjemahan di Botpress agar sesuai dengan format permintaan dan respons API layanan yang dipilih. Layanan-layanan ini dapat dengan mudah diintegrasikan melalui panggilan HTTP dalam tindakan atau hook khusus.
2. Dapatkah saya menerjemahkan secara selektif hanya sebagian dari percakapan?
Ya, Anda dapat secara selektif menerjemahkan hanya bagian dari percakapan dengan menambahkan logika bersyarat dalam kait terjemahan Anda yang memeriksa jenis pesan tertentu atau variabel yang ditentukan pengguna sebelum memicu terjemahan. Hal ini memungkinkan Anda untuk mengontrol dengan tepat apa yang akan diterjemahkan dan kapan.
3. Dapatkah saya menganonimkan data pengguna sebelum mengirimkannya ke layanan terjemahan?
Ya, Anda dapat menganonimkan data pengguna sebelum mengirimkannya ke layanan terjemahan dengan melakukan prapemrosesan pesan (misalnya, menggunakan regex untuk menyamarkan nama, email, atau ID) di dalam pengait atau tindakan Botpress Anda. Hal ini memastikan kepatuhan terhadap persyaratan privasi sambil tetap memungkinkan penerjemahan.
4. Dapatkah saya menggunakan pengaturan terjemahan ini di berbagai saluran (mis. WhatsApp, Messenger)?
Ya, Anda dapat menggunakan penyiapan terjemahan yang sama di berbagai saluran seperti WhatsApp, Messenger, Slack, atau situs web Anda. Selama bot Anda menerima pesan, logika penerjemahan akan berfungsi apa pun platformnya.
5. Bagaimana cara mencatat kesalahan terjemahan untuk analisis atau debugging?
Untuk mencatat kesalahan terjemahan di Botpress, Anda dapat menggunakan console.error()
untuk debugging pengembangan, atau mengirim kesalahan ke tabel Botpress khusus, layanan pencatatan jarak jauh seperti Loggly atau Datadog, atau API internal. Ini membantu Anda melacak kegagalan dan memantau kinerja dari waktu ke waktu.