mcp-google-sheets

{ "Build generative AI applications with foundation models": "Construire des applications IA génératives avec des modèles de fondation", "Access Key ID": "ID de la clé d'accès", "Secret Access Key": "Clé secrète d'accès", "Region": "Région", "US East (N. Virginia) [us-east-1]": "US East (N. Virginie) [us-east-1]", "US East (Ohio) [us-east-2]": "US East (Ohio) [us-east-2]", "US West (Oregon) [us-west-2]": "US West (Oregon) [us-west-2]", "Asia Pacific (Hyderabad) [ap-south-2]": "Asie-Pacifique (Hyderabad) [ap-south-2]", "Asia Pacific (Mumbai) [ap-south-1]": "Asia Pacific (Mumbai) [ap-south-1]", "Asia Pacific (Osaka) [ap-northeast-3]": "Asie Pacifique (Osaka) [ap-northeast-3]", "Asia Pacific (Seoul) [ap-northeast-2]": "Asie-Pacifique (Séoul) [ap-northeast-2]", "Asia Pacific (Singapore) [ap-southeast-1]": "Asie-Pacifique (Singapore) [ap-southeast-1]", "Asia Pacific (Sydney) [ap-southeast-2]": "Asie-Pacifique (Sydney) [ap-southeast-2]", "Asia Pacific (Tokyo) [ap-northeast-1]": "Asia Pacific (Tokyo) [ap-northeast-1]", "Canada (Central) [ca-central-1]": "Canada (Central) [ca-central-1]", "Europe (Frankfurt) [eu-central-1]": "Europe (Francfort) [eu-central-1]", "Europe (Ireland) [eu-west-1]": "Europe (Irlande) [eu-west-1]", "Europe (London) [eu-west-2]": "Europe (London) [eu-west-2]", "Europe (Milan) [eu-south-1]": "Europe (Milan) [eu-south-1]", "Europe (Paris) [eu-west-3]": "Europe (Paris) [eu-west-3]", "Europe (Spain) [eu-south-2]": "Europe (Espagne) [eu-south-2]", "Europe (Stockholm) [eu-north-1]": "Europe (Stockholm) [eu-north-1]", "Europe (Zurich) [eu-central-2]": "Europe (Zurich) [eu-central-2]", "South America (São Paulo) [sa-east-1]": "Amérique du Sud (Sa<unk> o Paulo) [sa-east-1]", "AWS Bedrock authentication using Access Key and Secret Key.": "Authentification AWS Bedrock en utilisant la clé d'accès et la clé secrète.", "Ask Bedrock": "Demander un lit", "Generate Content from Image": "Générer du contenu à partir de l'image", "Generate Image": "Générer une image", "Generate Embeddings": "Générer des incorporations", "Send a text prompt to an Amazon Bedrock model.": "Envoyez une invite de texte à un modèle Amazon Bedrock.", "Ask a Bedrock model a question about an image.": "Posez une question sur une image à un modèle de Bedrock.", "Generate an image from a text prompt using Amazon Titan Image Generator or Stability AI models.": "Générer une image à partir d'une invite de texte en utilisant le générateur d'image Titan d'Amazon ou les modèles de Stabilité AI.", "Generate vector embeddings from text using Amazon Titan Embed, Cohere Embed, or Amazon Nova Multimodal Embeddings models.": "Générer des incorporations vectorielles à partir de textes utilisant les modèles Amazon Titan Embed, Cohere Embed, ou Amazon Nova Multimodal Embeddings.", "Model": "Modélisation", "Prompt": "Prompt", "System Prompt": "Message du système", "Temperature": "Température", "Maximum Tokens": "Maximum de jetons", "Top P": "Top P", "Stop Sequences": "Arrêter les séquences", "Memory Key": "Clé de mémoire", "Image": "Image", "Negative Prompt": "Proposition négative", "Width": "Width", "Height": "Hauteur", "Seed": "Graine", "Input Text": "Input Text", "Embedding Purpose": "Intégrer le but", "Dimensions": "Dimensions", "Normalize": "Normaliser", "The foundation model to use for generation.": "Le modèle de base à utiliser pour la génération.", "Instructions that guide the model behavior.": "Instructions qui guident le comportement du modèle.", "Controls randomness. Lower values produce more deterministic output.": "Contrôle l'aléatoire. Des valeurs inférieures produisent plus de puissance déterministe.", "The maximum number of tokens to generate.": "Le nombre maximum de jetons à générer.", "Nucleus sampling: the model considers tokens with top_p probability mass.": "Échantillonnage du nucléaire: le modèle considère les jetons avec la masse de probabilité top_p.", "Sequences that will cause the model to stop generating. Up to 4 sequences.": "Séquences qui feront arrêter la génération du modèle. Jusqu'à 4 séquences.", "A memory key that will keep the chat history shared across runs and flows. Keep it empty to leave the model without memory of previous messages.": "Une clé de mémoire qui conservera l'historique des discussions partagées entre les exécutions et les flux. Laissez vide pour laisser le modèle sans mémoire des messages précédents.", "The foundation model to use. Must support image input.": "Le modèle de base à utiliser. Doit prendre en charge l'entrée d'image.", "The image to analyze (PNG, JPEG, GIF, or WebP).": "L'image à analyser (PNG, JPEG, GIF, ou WebP).", "What do you want the model to tell you about the image?": "Que voulez-vous que le modèle vous raconte à propos de l'image ?", "The image generation model to use.": "Le modèle de génération d'image à utiliser.", "A text description of the image you want to generate.": "Une description du texte de l'image que vous voulez générer.", "Describe what you do NOT want in the image. Helps refine the output.": "Décrivez ce que vous ne voulez PAS dans l'image. Aide à affiner la sortie.", "Image width in pixels. Must be supported by the model.": "Largeur de l'image en pixels. Doit être supporté par le modèle.", "Image height in pixels. Must be supported by the model.": "Hauteur de l'image en pixels. Doit être supporté par le modèle.", "A seed for reproducible results. Use the same seed and prompt to get the same image.": "Une graine pour les résultats reproductibles. Utilisez la même graine et l'invite pour obtenir la même image.", "The embedding model to use.": "Le modèle d'intégration à utiliser.", "The text to generate embeddings for.": "Le texte pour lequel générer des incorporations.", "Optimize embeddings for your use case. Only used by Nova Multimodal Embeddings.": "Optimisez les embeddings pour votre boîtier d'utilisation. Utilisé uniquement par Nova Multimodal Embeddings.", "The number of dimensions for the output embedding vector. Titan Embed v2: 256, 512, 1024. Nova Multimodal: 256, 384, 1024, 3072.": "Le nombre de dimensions pour le vecteur d'intégration de sortie. Titan Embed v2: 256, 512, 1024. Nova Multimodal: 256, 384, 1024, 3072.", "Whether to normalize the output embedding vector. Supported by Titan Embed v2.": "Normaliser ou non le vecteur d'intégration de sortie. Supporté par Titan Embed v2.", "Generic Index": "Index générique", "Generic Retrieval": "Récupération générique", "Text Retrieval": "Récupération du texte", "Classification": "Classification", "Clustering": "Clustering" }