Saltar a contenido

Proveedores LLM

El pipeline de traducción llama a un Large Language Model para la traducción real. Puedes configurar uno o varios; el selector de modelo por característica permite que cada página use uno diferente.

La capa gratuita es generosa y suficiente para la mayoría de uso personal.

  1. Ve a https://aistudio.google.com/apikey
  2. Haz clic en Create API key (inicia sesión con tu cuenta de Google)
  3. Copia la clave (parece AIza...)
  4. En la app desktop: Configuración → LLM → Clave API Gemini → pega → Guardar

  5. Elige un modelo predeterminado en el desplegable Modelo Gemini predeterminado. La línea de Google tiende a parecerse a:

    • Variantes Flash (p. ej. gemini-2.5-flash) — rápida, capa gratuita generosa, buena calidad. Punto de partida recomendado.
    • Variantes Pro — más lenta, mayor calidad, más cara.
    • Flash-lite — la más rápida, la más barata, menor calidad.

    Los nombres de modelo exactos disponibles dependen de qué ha desplegado Google a tu cuenta; elige uno cuyo nombre contenga flash para un predeterminado equilibrado.

Listo. La clave se almacena en el llavero de tu OS, no en texto plano.

Modo Vertex AI (empresarial)

Dentro del bloque de configuración de Gemini, un par de radios te permite alternar entre Developer API y Vertex AI — los mismos modelos Gemini, facturados a través de tu cuenta GCP, con controles a nivel de organización (VPC-SC, registros de auditoría, residencia regional de datos).

  1. En Configuración → LLM, cambia el radio Gemini de Developer API a Vertex AI
  2. Rellena:
    • Project — tu ID de proyecto GCP
    • Location — una región Vertex (por defecto us-central1)
    • Credentials path (opcional) — ruta a un archivo JSON de clave de cuenta de servicio. Déjalo en blanco para usar las Application Default Credentials (gcloud auth application-default login)
  3. Guardar. El desplegable de modelos se rellena de nuevo desde Vertex una vez establecido el proyecto.

El refresco OAuth lo maneja google-genai automáticamente. La ruta JSON de la cuenta de servicio se almacena en texto plano a propósito (la ruta no es un secreto — el contenido del archivo lo es, y permanece en disco donde la mejor práctica documentada de Google lo mantiene).

OpenAI / Compatible con OpenAI

Cualquier cosa que exponga una API REST compatible con OpenAI funciona — el propio OpenAI, Anthropic vía proxy LiteLLM, Ollama local, LM Studio, vLLM, Together.ai, Groq, etc.

En Configuración → LLM:

  1. Haz clic en Add Custom Provider
  2. Rellena:
    • Name — una etiqueta como "OpenAI" / "Local Ollama" / "Anthropic"
    • API endpoint — la URL base (p. ej. https://api.openai.com/v1 o http://localhost:11434/v1 para Ollama)
    • API key — déjala en blanco para endpoints locales no autenticados
    • Models — lista separada por comas (p. ej. gpt-4o-mini, gpt-4o, gpt-3.5-turbo)
  3. Haz clic en Save.

Los proveedores personalizados se almacenan como un blob JSON en el llavero del OS (claves API incluidas).

Cambiar el modelo predeterminado

El desplegable Modelo Gemini predeterminado en Configuración → LLM establece un repliegue usado por cada página de característica que no tiene su propio selector.

Páginas con su propio selector de modelo:

  • Traducir texto — pestaña de configuración Traducir texto → Modelo predeterminado
  • Traducir documento — elige por tarea; cae al predeterminado
  • Subtítulo / Voz / Doblaje / Live / Extraer texto — cada una tiene su propio predeterminado por característica en su pestaña de Configuración

Esto te permite mezclar-y-combinar: Flash gratis para live, Pro para documentos grandes, Ollama local para datos sensibles.

Dónde se almacenan las claves

OS Almacenamiento
macOS Llavero (login keychain)
Windows Administrador de credenciales
Linux (GNOME) Secret Service (gnome-keyring / KWallet)
Linux (sin daemon) Cae a INI en texto plano en ~/.config/ai-translate/settings.ini

El valor INI de repliegue se migra al llavero en la primera lectura cada vez que un llavero se vuelve disponible — sin paso manual.

Instalación headless / servidor

Sin sesión de escritorio, todavía puedes establecer claves vía el CLI keyring de Python (tras uv sync):

# Gemini
uv run keyring set ai-translate llm/gemini_api_key

# Proveedores personalizados (pega el blob JSON — ver UI de Configuración para el esquema)
uv run keyring set ai-translate llm/custom_providers

O establece las mismas claves INI directamente en settings.ini — la app las migra al llavero en la primera lectura. El archivo está en:

  • Linux — ~/.config/ai-translate/settings.ini
  • macOS — ~/Library/Preferences/ai-translate/settings.ini
  • Windows — %APPDATA%\ai-translate\settings.ini

Probar tu configuración

Comprobación rápida:

uv run ait --version
echo "Hello world." > /tmp/x.txt
uv run ait /tmp/x.txt --target Spanish --quiet
cat /tmp/x_translated__es.txt

Si ves "Hola mundo." — has terminado.

Errores comunes

Error Causa probable
AUTH_ERROR Clave API errónea / caducada. Vuelve a pegar en Configuración.
QUOTA_ERROR Solicitudes-por-día de la capa gratuita superadas. Espera, o paga.
MODEL_NOT_FOUND La lista models del proveedor personalizado no incluye el modelo solicitado.
VISION_NOT_SUPPORTED El modelo que elegiste no puede hacer entrada de imagen. Usa una variante flash / pro / vision.

Ver Resolución de problemas para más.