ప్రారంభించడం

అనువాదపు యాక్సెస్ 180+భాషల మధ్యవున్న మూలపాఠాన్ని అనువదించడానికి సరళమైన ఇంటర్‌ఫేస్‌ను అందిస్తుంది. అన్ని API చివరగాల జవాబులు JSOS ను పంపుతుంది.

మూల యూఆర్ఎల్: https://api.translateapi.ai/api/v1/

త్వరితప్రారంభము

మీ మొదటి అనువాద అభ్యర్థనను చేయండి:

curl -X POST https://api.translateapi.ai/api/v1/translate/ \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "text": "Hello, world!",
    "target_language": "es"
  }'

import requests

response = requests.post(
    "https://api.translateapi.ai/api/v1/translate/",
    headers={
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json"
    },
    json={
        "text": "Hello, world!",
        "target_language": "es"
    }
)

result = response.json()
print(result["translated_text"])  # "Hola, mundo!"

const response = await fetch("https://api.translateapi.ai/api/v1/translate/", {
    method: "POST",
    headers: {
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json"
    },
    body: JSON.stringify({
        text: "Hello, world!",
        target_language: "es"
    })
});

const result = await response.json();
console.log(result.translated_text);  // "Hola, mundo!"

using System;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;
using Newtonsoft.Json;

class Program
{
    static async Task Main()
    {
        var client = new HttpClient();
        client.DefaultRequestHeaders.Add(
            "Authorization", "Bearer YOUR_API_KEY"
        );

        var content = new StringContent(
            JsonConvert.SerializeObject(new {
                text = "Hello, world!",
                target_language = "es"
            }),
            Encoding.UTF8,
            "application/json"
        );

        var response = await client.PostAsync(
            "https://api.translateapi.ai/api/v1/translate/",
            content
        );

        var result = await response.Content.ReadAsStringAsync();
        var data = JsonConvert.DeserializeObject<dynamic>(result);
        Console.WriteLine(data.translated_text);  // "Hola, mundo!"
    }
}

ధృవీకరణ

మీ అప్పములు API కీను వుపయోగించి ధృవీకరించుము. మీరు మీనుండి API కీలను సృష్టించవచ్చు డాష్‌బోర్‍డ్.

హెడర్ ధృవీకరణ (రెక్ట్‌కాస్ట్‍)

Authorization: Bearer ta_your_api_key_here

ప్రశ్న పెరామీటరు

https://api.translateapi.ai/api/v1/translate/?api_key=ta_your_api_key_here

మీ API కీలు సురక్షిత ఉంచండి! క్లయింట్ సైడ్ కోడ్ లేదా ప్రొఫైల్ రిపోర్టులలో వాటిని బహిర్గతం చేయవద్దు.

పాఠ్యమును అనువదించుము

ఒక్క లక్ష్య భాషకు పాఠ్యమును అనువదించుము.

POST https://api.translateapi.ai/api/v1/translate/

అభ్యర్దించిన శరీరము

పెరామీటరు	రకము	అవసరం	విశదీకరణము
`text`	string	అవును	అనువదించుటకు వచనము (అంతర్థం 50,000 అక్షరములు)
`target_language`	string	అవును	Target language code (e.g., "es", "fr", "de")
`source_language`	string	వద్దు	Source language code. Default: "auto" (auto-detect)

* వాడు target_language ( స్పీకర్) ఒకే భాష కొరకు లేదా target_languages బహుళ కోసం (రే) చూడండి. బహుళ- లక్ష్యం అనువాదము.

స్పందన

{
    "translated_text": "Hola, mundo!",
    "source_language": "en",
    "target_language": "es",
    "translations": {
        "es": "Hola, mundo!"
    },
    "character_count": 13,
    "translation_time": 0.45
}

బహుళ- లక్ష్యం అనువాదము

ఒకే అభ్యర్థనలో బహుళ భాషలకు పాఠ్యమును అనువదించుము. ఒకే ముగింపు పాయింట్‌ను ఒకే అనువాదముగా వుపయోగించుము.

చిట్కా: మీరు ఒకే కోరికతో 50 భాషల్లోకి అనువదించవచ్చు.

POST https://api.translateapi.ai/api/v1/translate/

అభ్యర్దించిన శరీరము

{
    "text": "Hello, world!",
    "target_languages": ["es", "fr", "de", "ja"],
    "source_language": "en"
}

ఉపయోగించు target_languages (అరుపు) బదులుగా target_language (స్పీకర్ర) బహుళ లక్ష్యాలు కొరకు.

స్పందన

{
    "source_language": "en",
    "translations": {
        "es": "Hola, mundo!",
        "fr": "Bonjour, monde!",
        "de": "Hallo, Welt!",
        "ja": "こんにちは、世界！"
    },
    "character_count": 52,
    "translation_time": 2.31
}

కూర్పరి అనువాదము

ఒకేసారి బహుళ మూలపాఠాలను సమ్మేళనం చేయడంతో అనువదించండి. ఫలితాలకు బోర్డ్ అందించు మరియు పోస్ట్ ను పర్యవేక్షించు.

పరిమితులు: ఒక బ్యాకెండ్‌కు 7800 వచనాలు,x750 మొత్తం అంశాలను (texts x లక్ష్యపు భాషలు). పనిలు ప్రారంభమైన తర్వాత 30 నిమిషాలు గడిచాయి (సమాచార సమయం లెక్కించవలసిన సమయం కాదు).

భాష ద్వారా ప్రాసెస్ అవుతున్న సమయం: స్పానిష్, ఫ్రెంచ్, జర్మన్, మొదలగు భాషలు (0. 83లు), తక్కువ సాధారణ భాషలు మా పెద్ద స్పెషల్ నమూనాను (తొ వచనానికి వలె) ఉపయోగిస్తాయి, అయితే ఒక 100- వచనము వుపలభ్యత 10- 30లలో (తప్పించుకు), లేదా 2- 5 నిమిషాలు సాధారణ భాషలకు సరిపోతుంది. మంచి ఫలితాలనైతే, ఒకటి లక్ష్యం భాషను ఒక పటాల క్రింద 50 అక్షరాల క్రింద ఉంచుము.

POST https://api.translateapi.ai/api/v1/translate/batch/

చర్య 1: అందించండి

curl -X POST https://api.translateapi.ai/api/v1/translate/batch/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "texts": ["Hello", "Goodbye", "Thank you"],
    "target_language": "es",
    "source_language": "en"
}'

సమాధానం (HTTP 202 స్వీకరించబడింది)

{
    "job_id": "67535b2b-c9e3-4f82-9499-e237edbc1dd8",
    "status": "pending",
    "total_texts": 3,
    "queue_position": 1,
    "source_language": "en",
    "target_languages": ["es"],
    "character_count": 22,
    "credits_remaining": -1,
    "poll_url": "https://api.translateapi.ai/api/v1/jobs/67535b2b-c9e3-4f82-9499-e237edbc1dd8/"
}

చర్య 2 ఫలితాల కోసం అరుపులు

GET https://api.translateapi.ai/api/v1/jobs/{job_id}/

ఫాలింగ్ మాదిరి (పితన్)

import time, requests

job_id = response.json()["job_id"]
total = response.json()["total_texts"]
headers = {"Authorization": "Bearer YOUR_API_KEY"}

print(f"Batch submitted: {total} texts (job {job_id})")

while True:
    result = requests.get(f"https://api.translateapi.ai/api/v1/jobs/{job_id}/", headers=headers).json()
    status = result["status"]
    processed = result.get("processed_texts", 0)
    progress = result.get("progress_percentage", 0)

    if status == "completed":
        print(f"Completed: {processed}/{total} texts in {result.get('processing_time', 0):.1f}s")
        translations = result["result_data"]["translations"]
        break
    elif status == "failed":
        print(f"Failed at {processed}/{total}: {result.get('error_message', 'unknown')}")
        raise Exception(result.get("error_message", "Translation failed"))
    elif status == "pending":
        queue_pos = result.get("queue_position", "?")
        print(f"Queued (position {queue_pos}) — waiting for GPU worker...")
    else:
        print(f"[{status}] {processed}/{total} ({progress:.0f}%)")

    time.sleep(3)

ప్రతిస్పందన (పలకబెట్టడం) —⁠ క్రమంలో, GPU కోసం వేచివుంటుంది

{
    "job_id": "67535b2b-...",
    "status": "pending",
    "processed_texts": 0,
    "total_texts": 3,
    "progress_percentage": 0.0,
    "queue_position": 3
}

( ప్రక్రియలో) స్పందన (అమలుచేయుటప్పుడు)

{
    "job_id": "67535b2b-...",
    "status": "processing",
    "processed_texts": 1,
    "total_texts": 3,
    "progress_percentage": 33.33,
    "queue_position": null
}

సమాధానం (అయిపొయినది)

{
    "job_id": "67535b2b-...",
    "status": "completed",
    "processed_texts": 3,
    "total_texts": 3,
    "progress_percentage": 100.0,
    "processing_time": 10.65,
    "result_data": {
        "translations": ["Hola", "Adiós", "Gracias"],
        "source_language": "en",
        "target_language": "es",
        "character_count": 22,
        "processing_time": 10.65
    }
}

రియల్-కాలము పురోగతి ట్రాక్

ప్రతి ఒప్పందం ప్రతిస్పందన రియల్ సమయం పురోగతి రంగం కలిగి ఉంది కాబట్టి మీరు ఖచ్చితంగా మీ బ్యాకెండ్ తో జరుగుతుందో మానిటర్ చేయవచ్చు:

క్షేత్రము	విశదీకరణము
`status`	ప్రస్తుత జాబ్ స్థితి: `pending` (కుక్క, GPU పనివాడు కోసం వేచి) `processing` ( సమైక్య అనువాదము, అనువాదము) `completed`, `failed`
`processed_texts`	ఇప్పటివరకు విభిన్న అనువాదాల సంఖ్య పూర్తి చేయబడింది.
`total_texts`	ఈ బ్యాకెండ్‌లో (texts x లక్ష్యపు భాషలు) మొత్తం అనువాదాల సంఖ్య.
`progress_percentage`	పూర్తైన శాతం (0- 100). అదనపు_ వచనాలు / మొత్తం వచనం నుండి లెక్కపెట్టబడింది.
`queue_position`	"ప్యానింగ్" ఉంటే వరుసలో మీ స్థానం (1 = తదుపరి పైకి). ప్రక్రియ చేస్తున్నప్పుడు లేదా పూర్తి చేస్తున్నప్పుడు నడుపు. వేచి సమయం అంచనా ఈ ఉపయోగించండి మరియు మీ వినియోగదారులకు వరుస స్థితిని చూపించు.
`processing_time`	మొత్తం ప్రక్రియ సమయం సెకనులనందు( పూర్తైన తర్వాత జరుపబడుతుంది).

చిట్కా: (l) పెంచు status ఉంది "pending", GPU పనివారు ఇతర బ్యాచ్ తో బిజీగా ఉన్నారు. తనిఖీ. queue_position మీకన్నా (1 = తదుపరి) ముందుగా ఎన్ని ఉద్యోగాలు ఉంటాయి చూడండి. మీ ఉద్యోగం స్వయంచాలకంగా ప్రారంభమవుతుంది —⁠ ఏ చర్య అవసరం లేదు, కేవలం సెల్ చెయ్యడం కొనసాగించబడుతుంది.

పనిలో ఎక్కువగా పాల్గొనేవారి కోసం మంచి పనులు

ఒక బ్యాకెండ్ అభ్యర్ధన 1 భాషను పంపు. ఇది ప్రతి బ్యాకెండ్‌ను వేగవంతం చేస్తుంది మరియు పురోగమిస్తుంది.
50-100 మూలపాఠాలు లో బ్యాకెండ్‌ను వుంచుము. చిన్న పట్టీలు వేగంగా పూర్తైనవి మరియు మీరు మరింత తరచుగా పురోభివృద్ధి నవీకరణలు అనువర్తిస్తాయి.
చాలావరకు 2 సంభందించిన సమ్మేళనం పనిల వద్ద నడుపుము. GPU ప్రోసెస్ 2 సారూప్యత సమాంతరముగా ఉంటుంది —⁠ అదనంగా అదనపు సేవలు క్రమములో మొదలుపెట్టవు మరియు త్వరగా మొదలుపెట్టవు.
కాలముగింపు సమయంలో, కొత్త బ్యాచ్ ను దరఖాస్తుకు బదులుగా అదే ఉద్యోగం తిరిగి-IID ను తిరిగి తీసుకుందాం. అసలు పని ఇప్పటికీ GPU న అమలులో కావచ్చు.
ప్రతి 3-5 సెకన్లు పుట. మరింత తరచుగా ప్రయోగం అప్ వేగం కాదు.

బహుళ-భాషా యంత్రము

ఒకేసారి బహుభాషలకు అనేక వచనములను అనువదించుము:

{
    "texts": ["Hello", "Goodbye"],
    "target_languages": ["es", "fr"],
    "source_language": "en"
}

ఫలితం పూర్తైనది(_d)

{
    "translations": [
        {"es": "Hola", "fr": "Bonjour"},
        {"es": "Adiós", "fr": "Au revoir"}
    ],
    "source_language": "en",
    "target_languages": ["es", "fr"],
    "character_count": 24,
    "processing_time": 2.45
}

అభ్యర్ధన పారామితులు

పెరామీటరు	రకము	అవసరం	విశదీకరణము
`texts`	array	అవును	అనువదించవలసిన స్ట్రింగ్సు యొక్క రేటింగు
`target_language`	string	అవును	ఒకే భాషకు లక్ష్యపు భాష కోడ్
`target_languages`	array	అవును	బహుళ భాషలకు లక్ష్యపు భాష కోడ్ల మద్దతీయబడుట
`source_language`	string	వద్దు	Source language code. Default: "auto"

* ఇంగితజ్ఞానాన్ని అందించండి target_language లేదా target_languages, రెండు కాదు.

ఒక సాంస్కృతిక ప్రక్రియ: బాచ్ అభ్యర్ధనలు వెంటనే ఒక దానిని తో తిరిగివుంచబడును job_id. పొల్ GET /api/v1/jobs/{job_id}/ వరకు status ఉంది "completed", తరువాత చదవండి result_data అనువాదాల కొరకు. వాడుక progress_percentage పురోగతి పథకానికి.

పత్ర అనువాదం

ఫార్మాట్‌ను భద్రపరచేటప్పుడు మొత్తం పత్రాలను అనువదించుము. బహుళ దస్త్ర ఫార్మేట్‌లను మద్ధతిస్తుంది.

POST https://api.translateapi.ai/api/v1/translate/document/

అభ్యర్ధన (Multip/plasma-data)

పెరామీటరు	రకము	అవసరం	విశదీకరణము
`file`	file	అవును	అనువదించుటకు పత్రం (మరిష్ట 10MB)
`target_language`	string	అవును	Target language code (e.g., "es", "fr", "de")
`source_language`	string	వద్దు	Source language code. Default: "auto" (auto-detect)

తోడ్పాటునిచ్చు దస్త్ర రకములు

.txt - సాదా వచనము ఫైళ్ళు
.docx - పద పత్రాలు
.pdf - PDF పత్రాలు (నవ్వుతో సహా)
.json - జాన్ దస్త్రాలు (స్ట్రింగ్స్ స్ట్రింగ్ విలువలు)
.xml - ఎక్స్ ఎం ఎల్ దస్త్రాలు

.srt - ఉపశీర్షిక దస్త్రాలు
.po / .pot - వచన అనువాదపు దస్త్రాలను పొందుము
.jpg / .jpeg - JPEG బొమ్మలు (OCR)
.png - PNG బొమ్మలు (OCR)
.tiff / .tif - TIFF బొమ్మలు (OCR)
.bmp - బిఎంపి ప్రతిబింబములు (OCR)
.webp - వెబ్ పి చిత్రాలు (OCR)

OCR తోడ్పాటు: అనువర్తనం మరియు డిజిటల్ PDFలు అనువాదానికి ముందు వచనమును వెలికితీయుటకు ఆప్టికల్ అక్షర గుర్తింపు (OCR) తో సమ్మేళనము చేయబడుతున్నాయి. ఉత్తమమైన, స్పష్టమైన, అధిక- రిఫేడ్ చిత్రాలను వాడండి.

ఉదాహరణలు (cORL)

# Translate a Word document
curl -X POST https://api.translateapi.ai/api/v1/translate/document/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@document.docx" \
  -F "target_language=es" \
  -F "source_language=en"

# Translate text from an image (OCR)
curl -X POST https://api.translateapi.ai/api/v1/translate/document/ \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "file=@scanned_page.jpg" \
  -F "target_language=es" \
  -F "source_language=en"

అనువాదముకు ముందుగా వచనమును వెలికితీయుటకు చిత్ర దస్త్రాలు OCR తో సమ్మేళనం చేయబడుతున్నాయి. అనువదించిన అవుట్పుట్‌ను ఒక లాగా మరలా పంపుతుంది. .txt దస్త్రం.

స్పందన

{
    "id": 123,
    "original_filename": "document.docx",
    "file_type": "docx",
    "source_language": "en",
    "target_language": "es",
    "status": "completed",
    "character_count": 5420,
    "translated_file_url": "/media/translated/document_es.docx",
    "created_at": "2024-01-15T10:30:00Z",
    "completed_at": "2024-01-15T10:30:05Z"
}

స్థితి విలువలు

`pending`	పైలు అప్‌లోడ్, కొనసాగించుటకు వేచివున్నది
`processing`	ప్రగతితో అనువాదం
`completed`	అనువాదము పూర్తైనది, అందుబాటులోవున్న డౌన్‌లోడ్‌చేస్తోంది
`failed`	అనువాదం విఫలమైంది (తొలగించిన దోషం_message)

GET https://api.translateapi.ai/api/v1/translate/document/{id}/

పత్రం అనువాదపు స్థితిని పరిశీలించుము లేదా డౌన్ లోడ్‌లోడ్ URLను తిరిగివుంచుము.

స్పందన

{
    "id": 123,
    "original_filename": "document.docx",
    "status": "completed",
    "translated_file_url": "/media/translated/document_es.docx",
    "character_count": 5420
}

భాష కనిపెట్టుట

భాషను గుర్తించడం source_language to "auto" (లేదా విడిచిపెట్టడము) మరియు కనిపెట్టిన భాష సమాధానంతో తిరిగి వచ్చాము.

POST https://api.translateapi.ai/api/v1/translate/

అభ్యర్దించిన శరీరము

{
    "text": "Bonjour, comment allez-vous?",
    "target_language": "en"
}

స్పందన

{
    "translated_text": "Hello, how are you?",
    "source_language": "fr",
    "target_language": "en",
    "translations": {
        "en": "Hello, how are you?"
    },
    "character_count": 28,
    "translation_time": 0.52
}

The source_language ఫీల్ లోని క్షేత్రము తానుకరిచే భాషను చూపుతుంది.

సహాయపడే భాషలు

మద్దతిచ్చు అన్ని భాషల జాబితాలను పొందుము.

GET https://api.translateapi.ai/api/v1/translate/languages/

స్పందన

{
    "count": 186,
    "results": [
        {"iso": "en", "name": "English", "en_label": "English"},
        {"iso": "es", "name": "Español", "en_label": "Spanish"},
        {"iso": "fr", "name": "Français", "en_label": "French"},
        ...
    ]
}

అనువాద మోడల్లుComment

మేము మా స్వంత GPU సార్వత్రికపై నడుపుతున్న రాష్ట్ర-ఖర్చు ఓపెన్ సోర్సును ఉపయోగిస్తాము. అన్ని మోడల్ వర్టికల్ లైసెన్స్ (APache 2.0) ను స్వాహికంగా లైసెన్స్ చేసినవి.

మోడల్	భాషలు	కోసం ఉత్తమ
Helsinki-NLP/opus-mt	50+ భాష జతలు	సాధారణ భాషలు (EN, ES, FR, DE, IT, PT, ZH, JA, మొదలైన).
Google MADLAD-400	400+ భాషల్లోలు	రే భాషలు, విస్తృత కవరు

API స్వయంచాలకంగా మీ భాష జతకు ఉత్తమ మాదిరిని ఎంపిక చేస్తుంది. మీరు స్వయంచాలకంగా ఒక దానిని తెలుపవచ్చు. engine పారామితి:

ఇంజన్	విశదీకరణము
`"auto"`	అప్రమేయం. TRUEschance మొదట, MADLAD-400 కు తిరిగి పడుతుంది
`"huggingface"`	బలవంతపు సింగ్/ మారియామిటిT (అంతర్గతం, 50+ భాషలు)
`"madlad"`	MADLAD-,400 (400+భాషలు) ను బలవంతముచేయుము

వ్యవహరించుటలో దోషముNAME OF TRANSLATORS

API ప్రామాణిక HTTP స్థితి కోడ్లను విజయాన్ని లేదా వైఫల్యాన్ని సూచించుటకు ఉపయోగిస్తుంది.

కోడ్	విశదీకరణము
`200`	సఫలం
`400`	తప్పు అభ్యర్ధన - చెల్లని పరామితులు
`401`	చెల్లని - చెల్లని - API కీ లేదా తప్పిపోయినది
`402`	చెల్లింపు అవసరం - దైనందిన అక్షర పరిధి దాటిపోయింది
`429`	చాలా అభ్యర్ధనలు - రేట్‌ పరిమితి దాటింది
`503`	తాత్కాలికంగా సేవ చేయని అనువాద ఇంజన్‌

దోషము ప్రతిస్పందన ఫార్మేట్

{
    "error": "daily_limit_exceeded",
    "credits_remaining": 0,
    "daily_limit": 100000
}

రేటు పరిమితులు

అంచనాల ద్వారా పరిమితులు మెరుగవుతాయి. పరిగణనలోకి పూర్తి వివరాలకు:

పథకం	అక్షరములు/మోత్	మూలం
ఖాళీ	250,000	$0	ఖాళీగాపైకు సంతకంచేయి
ప్రారంభించు	2,500,000	$9/మావో	సబ్‌స్క్రైబ్
పధ్ధతి	10,000,000	$29/మావో	సబ్‌స్క్రైబ్
వర్తకం	40,000,000	$79/మావో	సబ్‌స్క్రైబ్
కొలమానం	125,000,000	$199/మావో	సబ్‌స్క్రైబ్

మీరు మీ పరిమితిని అతివిస్తారమైన చేసినప్పుడు, మీరు అందుకుంటారు 429 Too Many Requests వచ్చే నెల లేదా మీరు ఉన్నతీకరించే వరకు ప్రతిస్పందించండి.

Auto-Scaling Cloud Infrastructure

TranslateAPI runs on dedicated NVIDIA A100 GPU instances with automatic horizontal scaling. When demand increases, additional GPU instances are launched within minutes to maintain fast response times. This means our API can handle virtually unlimited concurrent requests without degradation — from a single request to thousands per minute.

APIపత్రరచన

ప్రారంభించడం

త్వరితప్రారంభము

ధృవీకరణ

హెడర్ ధృవీకరణ (రెక్ట్‌కాస్ట్‍)

ప్రశ్న పెరామీటరు

పాఠ్యమును అనువదించుము

అభ్యర్దించిన శరీరము

స్పందన

బహుళ- లక్ష్యం అనువాదము

అభ్యర్దించిన శరీరము

స్పందన

కూర్పరి అనువాదము

చర్య 1: అందించండి

సమాధానం (HTTP 202 స్వీకరించబడింది)

చర్య 2 ఫలితాల కోసం అరుపులు

ఫాలింగ్ మాదిరి (పితన్)

ప్రతిస్పందన (పలకబెట్టడం) —⁠ క్రమంలో, GPU కోసం వేచివుంటుంది

( ప్రక్రియలో) స్పందన (అమలుచేయుటప్పుడు)

సమాధానం (అయిపొయినది)

రియల్-కాలము పురోగతి ట్రాక్

పనిలో ఎక్కువగా పాల్గొనేవారి కోసం మంచి పనులు

బహుళ-భాషా యంత్రము

ఫలితం పూర్తైనది(_d)

అభ్యర్ధన పారామితులు

పత్ర అనువాదం

అభ్యర్ధన (Multip/plasma-data)

తోడ్పాటునిచ్చు దస్త్ర రకములు

ఉదాహరణలు (cORL)

స్పందన

స్థితి విలువలు

స్పందన

భాష కనిపెట్టుట

అభ్యర్దించిన శరీరము

స్పందన

సహాయపడే భాషలు

స్పందన

అనువాద మోడల్లుComment

వ్యవహరించుటలో దోషముNAME OF TRANSLATORS

దోషము ప్రతిస్పందన ఫార్మేట్

రేటు పరిమితులు

Auto-Scaling Cloud Infrastructure

ఈ పేజీకి రేట్ చేయుము