Azure 认知搜索文本翻译技能 50k 字符限制

我们正在使用 Azure 认知搜索来索引各种文档，例如Word 或 PDF 文件，存储在 Azure Blob 存储中。我们希望能够翻译提取的非英语文档内容，并将翻译结果存储到索引中的专用字段中。

目前，内置的文本翻译认知技能最多支持输入 50,000 个字符。我们拥有的文档最多可以包含 1 MB 的文本。根据文档，可以使用内置的分割技能将文本分割成块，但是没有任何技能可以将翻译后的块重新合并在一起。我们的目标是将所有提取的文本翻译并存储在 Edm.String 类型的一个索引字段中，而不是数组中。

除了为此目的通过 Web API 创建自定义认知技能之外，有什么方法可以在索引时翻译大文本块？

是的合并技能 https://learn.microsoft.com/en-us/azure/search/cognitive-search-skill-textmerger实际上会这样做。如下定义您的技能集中的技能。此技能的“文本”和“偏移量”输入是可选的，您可以使用“itemsToInsert”指定要合并在一起的文本（指定翻译输出的适当来源）。如果您想在每个合并部分之前或之后插入一个空格，请使用 insertPreTag 和 insertPostTag。

{
  "@odata.type": "#Microsoft.Skills.Text.MergeSkill",
  "description": "Merge text back together",
  "context": "/document",
  "insertPreTag": "",
  "insertPostTag": "",
  "inputs": [
    {
      "name": "itemsToInsert", 
      "source": "/document/translation_output/*/text"
    }
  ],
  "outputs": [
    {
      "name": "mergedText", 
      "targetName" : "merged_text_field_in_your_index"
    }
  ]
}