sepehr
4d466699fd
All checks were successful
Deploy to Production / Build and Deploy (push) Successful in 2m26s
L1 quality layer — uses a cheap LLM via the OpenAI-compatible API to
validate translation quality. Designed to be the SECOND line of defense
after L0 (script detection, length, pattern).
Architecture:
- sampler.py — picks 5 representative chunks per job (longest first,
skips L0-failed indices, skips too-short or identical pairs)
- llm_judge.py — OpenAI-compatible client, binary verdict per chunk
(accurate / fluent / correct_language / no_leaks), JSON output,
hard timeout, defensive (never raises), cost estimation built in
- pipeline.py — defensive wrapper that integrates both, never breaks
a translation job, always logs a structured event
Integration:
- 5 feature flags in config.py (QUALITY_L1_ENABLED, _LOG_ONLY, etc.)
- QUALITY_L1_LOG_ONLY=true by default: log-only mode, verdict NEVER
blocks or retries a job
- Reuses the chunks extracted by L0 (no double work)
- Passes the set of L0-failed indices so L1 doesn't re-judge them
- Wrapped in try/except so a misconfigured L1 NEVER breaks a job
Default config: deepseek-chat via DeepSeek API
- Cost: ~0.0003 USD per job (5 chunks)
- Speed: typically 1-2s per call, hard ceiling at 8s
- Easy to swap: just set L1_JUDGE_BASE_URL and L1_JUDGE_MODEL
LLM judge is intentionally a SEPARATE model from the translator
(self-evaluation bias mitigation — Meta/Stanford papers 2024-2025).
Tests:
test_sampler.py — 9 tests covering the sampling strategy
test_llm_judge.py — 22 tests covering init, parsing, mocked API,
cost estimation, env factory
test_l1_pipeline.py — 6 tests covering the wrapper
Total new: 37 tests, all pass
Grand total quality+format: 264 tests passing (0 regression)
All 36 new tests + 111 L0 tests + 117 existing translator tests = 264
Phase 1 (observation) for 2 weeks. Then QUALITY_L1_LOG_ONLY=false
to enable auto-retry via the fallback chain.
📄 Wordly.art — Document Translation Portal
Wordly.art est une application complète et prête pour la production (SaaS-ready) permettant de traduire des documents bureautiques complexes (Excel, Word, PowerPoint) tout en préservant strictement la mise en page originale, le style, les formules et les médias intégrés.
Ce fichier sert de portail central pour accéder à toutes les documentations techniques, guides d'exploitation, de déploiement et de secours de l'application.
🗺️ Carte de la Documentation
Pour faciliter la navigation, utilisez les liens ci-dessous pour accéder directement aux guides spécialisés :
🚀 Démarrage & Utilisation
- 📥 Guide de démarrage rapide (QUICKSTART.md) : Installation locale et lancement du projet en développement.
- 📖 Guide d'utilisation de l'API (GUIDE_UTILISATION.md) : Exemples de requêtes de traduction, gestion du glossaire et des presets techniques (CVC, IT, Légal, etc.).
- 💡 Fiche de référence rapide (QUICK_REFERENCE.md) : Commandes utiles, ports réseaux, identifiants par défaut et astuces rapides.
🏗️ Architecture & Conception
- 📐 Architecture logicielle (ARCHITECTURE.md) : Choix technologiques, flux de données, gestion du cycle de vie des fichiers, sécurité (HSTS, CSP) et monitoring.
🌐 Déploiement en Production
- 🏢 Guide de Déploiement Général (DEPLOYMENT_GUIDE.md) : Guide standard pour le déploiement de production sous Docker avec reverse-proxy Nginx et SSL.
- ☁️ Déploiement sur IONOS (DEPLOY_IONOS.md) : Instructions spécifiques pour déployer l'infrastructure sur un serveur virtuel IONOS.
🛡️ Sauvegarde, Résilience & Secours (Disaster Recovery)
- 💾 Plan de Reprise d'Activité (DISASTER_RECOVERY.md) : Guide complet du système de sauvegarde automatique vers le NAS via SSH/rsync, monitoring et automatisation du failover.
- 🔄 Procédure de Restauration Simplifiée (PROCEDURE_RESTAURATION.md) : Guide d'urgence pas-à-pas pour restaurer les données sur le serveur actif ou basculer en 20 minutes sur le serveur de secours (
.98).
✨ Fonctionnalités Clés
🔄 Multi-fournisseurs de Traduction
L'application supporte 7 moteurs de traduction, activables à la volée :
- Google Translate (Gratuit, rapide, par défaut)
- DeepL API (Haute qualité pour l'entreprise)
- OpenAI (Modèles GPT-4o, support de la vision)
- DeepSeek, OpenRouter, Minimax, x.ai (Zai) (Modèles de pointe pour traductions complexes)
📁 Traduction Intelligente par Fichier
- Excel (.xlsx) : Conserve la fusion des cellules, les formules, les polices de caractères, les styles de bordures et traduit également le texte contenu dans les images (via modèles vision).
- Word (.docx) : Préserve les en-têtes, pieds de page, tableaux, listes à puces et la mise en forme des paragraphes.
- PowerPoint (.pptx) : Conserve la mise en page des diapositives, les animations et transitions.
🏢 Sécurité & Exploitation (SaaS-Ready)
- 🚦 Limitation de débit (Rate Limiting) : Par IP client avec algorithme Token Bucket stocké dans Redis.
- 🧹 Nettoyage automatique (Auto Cleanup) : Suppression automatique des fichiers temporaires après expiration de la durée de vie (TTL).
- 📊 Monitoring complet : Route
/healthdétaillée et intégration Prometheus + Grafana pour suivre les performances physiques et logicielles.
🛠️ Stack Technique
Backend
- FastAPI (Python 3.11+) : API asynchrone rapide et documentée (Swagger disponible sur
http://localhost:8000/docs). - openpyxl, python-docx, python-pptx : Moteurs de manipulation de documents sans dépendance Microsoft Office.
- Docker / Docker Compose : Isolation complète de l'application, de la base PostgreSQL et du cache Redis.
Frontend
- Next.js 15 (React) & Tailwind CSS : Interface utilisateur moderne, ergonomique et responsive.
- Lucide Icons : Bibliothèque d'icônes vectorielles.
🚀 Lancement Rapide (Mode Dev)
Pour un déploiement complet en production ou homelab, veuillez vous référer aux fichiers de déploiement listés dans la Carte de la Documentation.
# 1. Cloner le projet
git clone https://gitea.parsanet.org/sepehr/office_translator.git /opt/wordly
cd /opt/wordly
# 2. Configurer l'environnement
cp .env.example .env
# Modifiez les variables dans le .env selon vos besoins
# 3. Lancer avec Docker Compose
docker compose up -d --build
- API (Backend) :
http://localhost:8000(Documentation Swagger sur/docs) - Interface Web (Frontend) :
http://localhost:3000