Index-Translate – B站开源的 150 语种翻译模型家族,含语音配音与长文翻译

AI工具2个月前发布 aibin_cn
1,999 0
Index-Translate - B站开源的 150 语种翻译模型家族,含语音配音与长文翻译

Index-Translate 是什么

Index-Translate 是哔哩哔哩(下称 B 站)Index LLM 团队开源的多语言翻译模型家族,2026 年 9 月 30 日发布,权重同步上架 Hugging Face 与 ModelScope,代码与权重都采用 Apache-2.0 协议。它基于 Qwen3.5 构建,文本模型覆盖包括中文、英文在内的 150 种语言,提供 2B、9B、35B-A3B(预览版)三种规模,单套权重同时承担通用翻译、术语与格式受限翻译、社区梗翻译三类任务。家族共 4 个分支,除文本翻译外还有 Index-Echo 语音翻译、Index-Homura 音节可控翻译、Index-NativeLong 长文档翻译。仓库首页统计本次共开源 10 个模型,附带推理代码、浏览器扩展和端到端视频配音流水线。

Index-Translate - B站开源的 150 语种翻译模型家族,含语音配音与长文翻译
B站 Index LLM 团队开源的多语言翻译模型家族

Index-Translate 的主要功能

  • 多语言文本翻译:覆盖 150 种语言,可处理句子、文章、字幕等常见文本。翻译一直是自然语言处理里最成熟的任务方向,官方这次的评测口径是 21 种语言之间的 420 个翻译方向。
  • 翻译指令遵循:可以在翻译的同时执行约束,包括统一指定术语、保留 JSON 等结构、保留代码与占位符、按指定风格改写。
  • 社区与梗文化翻译:针对游戏、动漫社区里的别名、谐音、非字面表达做专门处理。官方例子是「狒瘾犯了就去打」,9B 模型译成 When the FFXIV itch hits, just go play.,2B 译成 Go play when my FFXIV addiction kicks in.,都没有逐字直译。
  • Index-Echo 语音翻译:分语音转字幕(S2TT)和语音转语音(S2ST)两条路,生成配音时会参考源音频的说话人音色。
  • Index-Homura 音节控制翻译:把目标音节数当作输入参数,让译文长度去贴合配音时长预算。
  • Index-NativeLong 长文档翻译:整篇文档一次性输入、连续输出译文,靠上下文维持人名与术语的前后一致。
  • 浏览器扩展:支持 Chrome、Edge、Firefox,调用本地部署的模型翻译网页。

Index-Translate 的技术原理

  • 基座与统一架构:整个家族建立在 Qwen3.5 之上,通过多语言语料与翻译指令数据做中期训练和后训练,让同一个 Transformer 骨干同时掌握翻译能力与约束遵循能力。推理走 vLLM,文本模型默认贪心解码,保证同一输入输出可复现。
  • 多语言中期训练:配方混合通用文本回放、单语、平行语料与 pivot 组织数据,合计 167.77B 词元。
  • 三专家 SFT 加判定式强化学习:后训练按通用翻译、指令遵循、梗翻译三个方向分别监督。通用翻译的强化学习用 XCOMET-XXL 配合语言合法性与充分性门控,指令遵循用 Rubric-as-Reward 的硬校验加分档约束,中间交给 RIVAL 做对抗评审监督。
  • 专家合并与定向蒸馏:先用参数插值把互补的专家合起来,这一步在 2B 与 9B 上按 0.8 / 0.1 / 0.1 的权重做。合并后仍偏弱的任务类型,再用多教师同策略蒸馏(MOPD)补。
  • 语音分支的级联管线:Index-Echo 走识别、翻译、合成三段式,S2ST 在翻译之后接 CosyVoice,并把源音频的说话人嵌入注入合成模块完成音色克隆。音频按 60 秒窗口分段,保留前 5 个窗口的历史上下文。
  • 音节控制的实现路径:Index-Homura 把目标音节数作为显式条件注入提示,配合采样解码,让模型在翻译的同时规划措辞长度。在官方自建的 SandGlass 评测上,81.92% 的输出音节偏差不超过 10%。

如何使用 Index-Translate

方式一:本地部署文本模型

  • 克隆仓库 git clone https://github.com/bilibili/Index-Translate.git 后进入目录,先装 pip install -U vllm 和 pip install -r inference/llm/requirements.txt,注意 vLLM 要用支持 Qwen3.5 的构建版本。
  • 起服务:vllm serve IndexTeam/Index-Translate-2B --host 127.0.0.1 --port 8000 --max-model-len 4096。
  • 翻译一句话:python inference/llm/translate.py "你好,世界。" --target en --model IndexTeam/Index-Translate-2B。默认检查点是 9B,改用 --model 切换档位。

方式二:走 OpenAI 兼容接口

  • 服务默认监听 http://127.0.0.1:8000/v1,API Key 填 EMPTY,现有 OpenAI SDK 改 base_url 与模型名即可接入,环境变量支持 OPENAI_BASE_URL 与 OPENAI_API_KEY。
  • 35B-A3B 预览版需要自己单独部署,再用 --model IndexTeam/Index-Translate-35B-A3B-preview 指定。

方式三:用现成入口

  • 在线 Demo 在 index-translate.bilibili.com,不想开服务器也能先试效果。
  • 想要网页翻译,装 extension/ 里的浏览器扩展,模型跑在本地。
  • 想做视频配音,用仓库里的 video-dub 端到端流水线。

Index-Translate 的核心优势

  • 一次放出一个家族,而不是一个模型:文本、语音、音节控制、长文档四个方向同时开源,做字幕、配音、长文翻译的团队不用自己拼管线。
  • 指令遵循是它真正拉开距离的地方:官方报告里 instTrans 指令遵循分 0.8336,在参评系统里最高。翻译任务上附加约束往往比裸翻译更难,这一项的分差比质量分大得多。
  • 小模型打大模型:官方报告里 9B 版本五项指标全部高于参数量三倍多的混元 Hy-MT2-30B-A3B,其中指令遵循分高出 0.18。这属于厂商自家口径,需要第三方复现才能采信。
  • 协议干净、档位全:代码与权重都是 Apache-2.0,商用没有额外限制,比它自家上一代 Index-1.9B 的权重自定义协议更宽松。2B 到 35B-A3B 三档齐全,小的能塞进单张消费级显卡,大的留给有集群的团队。
  • 浏览器扩展配合本地推理:网页翻译可以完全不经过第三方服务器,对处理内部资料或有数据出境顾虑的团队是实际价值。

Index-Translate 的项目地址

Index-Translate 的同类竞品对比

对比维度 Index-Translate 腾讯混元 Hy-MT2
发布方与时间 B站 Index LLM 团队,2026-09-30 腾讯混元,2026-05-21
开源协议 Apache-2.0,代码与权重一致 已开源,配套翻译指令测试集同步放出
语言覆盖 150 种语言 33 种语言加 5 种民汉与方言
模型档位 2B / 9B / 35B-A3B(预览) 1.8B / 7B / 30B-A3B
上下文与端侧 文本 32K;语音转字幕 2B 支持 262,144 自研 1.25-bit 量化,1.8B 约 440MB 可上手机
配套入口 浏览器扩展、视频配音流水线、在线 Demo 腾讯 Hy 翻译小程序,支持离线端侧推理
产品形态 模型与代码,面向开发者自部署 模型加现成消费端产品,iOS 与安卓 App 在架
适合谁 要自己搭字幕、配音或文档翻译管线的团队 想快速上手、甚至要在手机上离线翻译的个人用户

关于这张表有四点需要说明。第一,两家数据分别出自自家技术报告与官方口径,指标定义和语料都不同,横向数字不具备严格可比性,表里只并列事实不做排序。第二,150 与 33 不是同一种统计方式,前者是文本模型的语种清单,后者是互译语种加方言,实际可用语对要看各自的语言清单文档。第三,Hy-MT2 的端侧量化是 Index-Translate 目前完全没碰的方向,它的最小档位是 2B,仓库也没给量化模型或移动端方案,有手机离线翻译需求的话两者不构成替代关系。

第四,也是最需要留意的一点:官方报告里「最高」的表述只覆盖两项指标。在 WMT26 Judge 上,Index-Translate-35B-A3B 的 76.76 低于 GPT-5.6-Sol 的 89.10、DeepSeek-V4.1-Flash 的 83.55 与 Gemini 3.5 Flash Lite 的 79.52;MEME 一项上 DeepSeek-V4.1-Flash 的 0.7424 也略高于它的 0.7405。所以「全面领先」并不成立,它的优势集中在指令遵循与 FLORES COMET-22 两项,通用翻译的整体质量上通用大模型仍然更稳。另外模型卡自述微调会改变基座表现,其 C-Eval 77.6 等分数描述的是翻译检查点,不宜与原始 Qwen3.5 直接对比。

Index-Translate 的应用场景

  • 字幕与视频配音本地化:Index-Echo 两条路径分别对应加字幕和做配音,配音能参考原说话人音色,配合 Homura 让译文长度匹配画面。
  • 长篇文档与出版物翻译:小说、技术手册、财报这类前后人名术语必须一致的材料,用 Index-NativeLong 整篇输入,省掉人工维护词表的步骤。
  • 游戏与社区内容搬运:梗翻译是官方单独训练的专家方向,适合处理弹幕、评论、社区黑话这类通用模型容易翻车的内容。
  • 有数据合规要求的内部翻译:浏览器扩展加本地部署这套组合,可以让待翻译材料不出内网。
  • 结构化内容的批量本地化:需要保留 JSON 结构、代码片段或固定术语时,用指令遵循路径做批处理,比逐条人工校对省事。

同期的国产模型有 Ling-3.1-flash 与 openPangu-2.0 两篇评测可以对照,如果你主要想拿它做短视频配音,可以再逛 AI 视频工具 分类。

© 版权声明

相关文章