Index-Translate Đang hoạt động

Index-Translate là dòng mô hình dịch đa ngôn ngữ mã nguồn mở do đội ngũ Index LLM của Bilibili phát triển, được xây dựng trên Qwen3.5 và phát hành theo giấy phép Apache-2.0. Các mô hình văn bản hỗ trợ 150 ngôn ngữ, cung cấp ba quy mô 2B/9B/35B-A3B và hỗ trợ các chỉ dẫn dịch về thuật ngữ, định dạng, nội dung cần giữ nguyên, v.v. Dòng Index-Translate còn bao gồm Index-Echo cho dịch giọng nói, Index-Homura cho dịch có thể kiểm soát số âm tiết và Index-NativeLong cho dịch tài liệu dài.

Dịch văn bản Index-Translate: hỗ trợ dịch văn bản và nội dung có cấu trúc sang 150 ngôn ngữ, đồng thời thực hiện các yêu cầu như thống nhất thuật ngữ, giữ nguyên định dạng và chỉ dịch các trường được chỉ định.
Index-Echo dịch giọng nói: hỗ trợ chuyển giọng nói thành giọng nói (lồng tiếng S2ST) và chuyển giọng nói thành văn bản (phụ đề S2TT); khi tạo bản lồng tiếng, mô hình tham chiếu đặc trưng giọng của người nói trong âm thanh nguồn.
Index-Homura dịch có thể kiểm soát số âm tiết: nhận số âm tiết mục tiêu làm đầu vào, tự động điều chỉnh cách diễn đạt và độ dài bản dịch, tạo văn bản có thời lượng phù hợp cho lồng tiếng video.
Index-NativeLong dịch tài liệu dài: nhập toàn bộ văn bản một lần và liên tục tạo bản dịch, sử dụng ngữ cảnh dài để duy trì tính nhất quán của tên nhân vật, thuật ngữ và cấp bậc khái niệm.

关注微信并回复“开源”以加入群聊项目开源 AI
Kiến trúc nền tảng và thống nhất: toàn bộ dòng mô hình được xây dựng trên Qwen3.5, tinh chỉnh bằng ngữ liệu đa ngôn ngữ và dữ liệu chỉ dẫn dịch, giúp mô hình văn bản đồng thời học năng lực dịch và tuân thủ ràng buộc trong một kiến trúc duy nhất; quá trình suy luận được triển khai bằng vLLM, mô hình văn bản mặc định sử dụng giải mã tham lam để bảo đảm đầu ra ổn định và có thể tái hiện.
Index-Echo dịch giọng nói: sử dụng quy trình nối tiếp “nhận dạng→dịch→tổng hợp”. Với S2ST, sau khi dịch sẽ dùng CosyVoice để tổng hợp giọng nói, đồng thời trích xuất embedding người nói từ âm thanh nguồn và đưa vào mô-đun tổng hợp để sao chép âm sắc; âm thanh được chia thành các đoạn theo cửa sổ 60 giây, giữ lại ngữ cảnh lịch sử của 5 cửa sổ đầu để duy trì tính mạch lạc của nội dung.
Index-Homura kiểm soát âm tiết: đưa số âm tiết mục tiêu vào lời nhắc dưới dạng điều kiện rõ ràng, kết hợp với giải mã lấy mẫu để mô hình đồng thời lựa chọn cách diễn đạt và lập kế hoạch độ dài khi dịch, tái cấu trúc câu nhằm đáp ứng ngân sách âm tiết; trên SandGlass, 81.92% đầu ra có độ lệch số âm tiết không quá 10%.
Index-NativeLong dịch tài liệu dài: sử dụng phương thức nhập toàn văn bản, đọc toàn bộ tài liệu một lần rồi liên tục tạo bản dịch. Nhờ cửa sổ ngữ cảnh siêu dài, mô hình có thể “ghi nhớ” tên nhân vật và cách dùng thuật ngữ ở phần trước trong quá trình sinh, duy trì tính nhất quán mà không cần từ điển bên ngoài; khác với phương pháp dịch chia đoạn truyền thống vốn phụ thuộc vào ngữ cảnh lân cận và từ điển tự động.
Phương pháp đánh giá: ngoài các chuẩn đánh giá phổ biến như FLORES và WMT26, đội ngũ còn tự xây dựng bốn nhóm tác vụ gồm instTrans, MEME, SandGlass và đánh giá tài liệu dài theo nhiều mức độ dài, chấm riêng chất lượng dịch và mức độ tuân thủ chỉ dẫn để sát hơn với các tình huống sử dụng thực tế.

Sao chép kho mã: chạy git clone https://github.com/bilibili/Index-Translate.git rồi vào thư mục dự án.
Cài đặt phụ thuộc: chạy pip install -U vllm và pip install -r inference/llm/requirements.txt để chuẩn bị môi trường vLLM có hỗ trợ Qwen3.5.
Khởi động dịch vụ: chạy vllm serve IndexTeam/Index-Translate-2B --host 127.0.0.1 --port 8000 --max-model-len 4096 để khởi chạy dịch vụ mô hình trên cổng 8000 cục bộ.
Thực hiện dịch: mở một terminal mới và chạy python inference/llm/translate.py "你好，世界" --target en --model IndexTeam/Index-Translate-2B để nhận bản dịch.
Tích hợp tùy chỉnh: mặc định máy khách gửi yêu cầu đến http://127.0.0.1:8000/v1; có thể dùng --base-url/--api-key hoặc các biến môi trường OPENAI_BASE_URL/OPENAI_API_KEY để kết nối với dịch vụ riêng.
Dịch có thể kiểm soát số âm tiết: gọi inference/llm/syllable_translate.py và truyền số âm tiết mục tiêu bằng --syllables.
Dịch tài liệu dài: gọi doc_translate.py và dùng --direction để chỉ định hướng theo mẫu cố định như zh-en / zh-ja.
Dịch giọng nói: làm theo hướng dẫn phụ đề S2TT hoặc hướng dẫn lồng tiếng S2ST của kho mã, sử dụng s2tt.py hoặc dub.py để xử lý âm thanh và video.
Demo trực tuyến: truy cập trực tiếp https://index-translate.bilibili.com/ để trải nghiệm bốn loại dịch: văn bản, giọng nói, âm tiết và tài liệu dài.
Tiện ích trình duyệt: sau khi triển khai mô hình cục bộ, có thể dùng tiện ích Chrome/Edge/Firefox để dịch trang web.

Phạm vi ngôn ngữ rộng: mô hình văn bản hỗ trợ dịch qua lại 150 ngôn ngữ, thể hiện tốt ở các ngôn ngữ ít phổ biến; 35B-A3B có tỷ lệ off-target chỉ 2.4% trên FLORES_minor_pair.
Tuân thủ chỉ dẫn tốt: đồng thời thực hiện các yêu cầu về thống nhất thuật ngữ, giữ nguyên định dạng và chỉ dịch trường được chỉ định; điểm tuân thủ chỉ dẫn của 9B trên instTrans_minor là 0.7725, cao nhất trong tất cả các mô hình được so sánh.
Hiểu meme cộng đồng: bài đánh giá MEME được tối ưu cho các cách diễn đạt cộng đồng như chơi chữ đồng âm, từ viết tắt và lời trêu đùa, giúp dịch chính xác và tự nhiên các meme như “结芬” và “狒瘾”.
Dịch giọng nói giữ nguyên âm sắc: khi tạo bản lồng tiếng bằng ngôn ngữ đích, Index-Echo tham chiếu đặc trưng người nói trong âm thanh nguồn để tạo bản lồng tiếng đa ngôn ngữ giữ phong cách giọng gốc.
Kiểm soát âm tiết phù hợp cho lồng tiếng: Index-Homura nhận số âm tiết mục tiêu và tái cấu trúc câu theo ngân sách; 81.92% đầu ra có độ lệch số âm tiết không quá 10%, phục vụ trực tiếp cho các tình huống lồng tiếng video.
Tính nhất quán trong tài liệu dài: Index-NativeLong dịch toàn văn bản nguyên bản, duy trì nhất quán tên nhân vật và thuật ngữ trong tài liệu dài mà không cần từ điển bên ngoài, đồng thời phân biệt chính xác các cấp bậc khái niệm.

Kho GitHub: https://github.com/bilibili/Index-Translate
Kho mô hình HuggingFace: https://huggingface.co/collections/IndexTeam/index-translate
Báo cáo kỹ thuật: https://github.com/bilibili/Index-Translate/blob/main/docs/Index_Translate_Series_Technical_Report.pdf

Lồng tiếng bản địa hóa video: sử dụng Index-Echo để dịch video sang bản lồng tiếng bằng ngôn ngữ đích, giữ nguyên âm sắc của người nói gốc; kết hợp kiểm soát âm tiết của Index-Homura để lời thoại khớp với thời lượng cảnh quay, phù hợp cho phim truyền hình, khóa học và Vlog phát hành ra nước ngoài.
Tạo phụ đề đa ngôn ngữ: sử dụng khả năng chuyển giọng nói thành văn bản S2TT để tự động tạo phụ đề đa ngôn ngữ Trung/Nhật/Anh/Tây Ban Nha cho bài phát biểu, livestream và video ngắn, phục vụ phân phối nội dung đa ngôn ngữ.
Đưa nội dung cộng đồng ra quốc tế: khi dịch bình luận đạn, bài đăng và bài viết, giữ nguyên ý nghĩa meme (chẳng hạn “狒瘾”→“FFXIV itch”), hashtag và cấu trúc biểu tượng cảm xúc, giúp nội dung game và văn hóa anime không mất ngữ cảnh khi tiếp cận thị trường nước ngoài.
Dịch tài liệu dài và tiểu thuyết mạng: dùng Index-NativeLong để dịch toàn bộ tiểu thuyết, glacier史 và các văn bản dài khác, duy trì nhất quán tên nhân vật, thuật ngữ và cấp bậc khái niệm mà không cần con người duy trì từ điển, phù hợp cho tiểu thuyết mạng và xuất bản quốc tế.
Bản địa hóa thương mại điện tử và tài liệu sản phẩm: theo chỉ dẫn, chỉ dịch các cột được chỉ định trong CSV sản phẩm và giữ nguyên tiêu đề cùng số thứ tự, hoặc dịch có cấu trúc các tệp JSON thông báo để bản dịch có thể tích hợp trực tiếp vào hệ thống nghiệp vụ tiếp theo, giảm chi phí quy trình bản địa hóa.