B站开源Index-Translate翻译模型家族：覆盖150种语言，热梗配音长文都能翻

一句弹幕里的「狒瘾犯了」，换成英文还能让人接住梗吗？一段视频换了语言，能否听到自然的配音？一本小说翻到后半本，人物的名字还能保持一致吗？

9 月 30 日，哔哩哔哩 Index LLM 团队推出开源多语言翻译模型家族 Index-Translate，给出了自己的答案。整套家族基于阿里 Qwen3.5 构建，采用 Apache-2.0 协议，已在 Hugging Face 与 ModelScope 开放权重，并附技术报告、GitHub 代码与在线 Demo。

文本模型：150 种语言，还能「按要求翻」

文本模型覆盖包括中英文在内的 150 种语言，提供 2B、9B、35B-A3B（preview）三种规模。

它最大的特色不是「翻得通顺」，而是把翻译要求和原文一起理解：术语必须统一、品牌名保持原样、只翻译指定字段、保留话题标签。官方演示里有两个很典型的例子：

  • 一条 JSON 格式的游戏维护公告译成韩文时，9B 模型按要求保留了 JSON 结构、星号符号和中文话题标签，而对照输出把标签也一并译掉了；
  • 一份商品 CSV 只翻译「类别、描述、发布状态」三列，9B 模型保住了英文表头、产品编号、价格和三行结构，对照输出则漏掉表头、把三行翻成了两行。

对商品资料、多语言字幕这类要接入后续流程的内容，这种「结构不动、该译的译」的能力才是刚需。

三个专用分支：配音、音节、长文

家族还把同一套多语言底座延伸出三条专用线：

  • Index-Echo（语音翻译）：支持语音转语音（配音）和语音转文字（字幕），生成配音时会参考源音频的说话人音色特征；采用「识别→翻译→合成」级联管线，合成环节接入 CosyVoice，按 60 秒窗口分段并保留前 5 个窗口的上下文保持连贯；
  • Index-Homura（音节可控翻译）：接受目标音节数，自动调整措辞和长度，让译文能「塞进」镜头留给配音的时间。在 3600 条 SandGlass 测试里，9B 版 81.92% 的输出音节偏差不超过 10%；
  • Index-NativeLong（长文档翻译）：一次输入全文、连续生成译文，靠长上下文记住前文用法。在约 32K tokens 的奇幻文本里，「王妃」是人名而非头衔，全文始终保持同一译名；而分块翻译的对照在后文漂移成了「院长」「王后」。另一篇 38K 冰川史文本中，「冰河时代/冰期/间冰期」的概念层级也被完整保留。

连弹幕热梗都能翻对味

针对社区内容，团队专门建了 MEME 评测（3638 条中译英样例、703 个词语、857 个区分后的词义）。「结芬」（结婚的俏皮写法）被 9B 模型翻成 "let's get married"，保住了玩笑，而对照输出理解成了人名「Jie Fen」；「狒瘾犯了」翻成 "When the FXXIV itch hits, just go play"，点明游戏、传神表达冲动，而不是把「狒」当成动物。

成绩与短板都说清楚

在团队自建基准上，35B-A3B（preview）取得 FLORES（COMET-22）0.8794、WMT26 评审分 76.76；9B 为 0.8789 / 75.35。团队也坦率列出了对照：一些大型通用模型在 WMT26 上更高，如 DeepSeek-V4.1-Flash 达 83.55。低资源指令遵循方面，9B 拿到全场最好的 IFscore 0.7725 和最低的 3.47% 目标语言偏离率。

仓库里还附了一个浏览器扩展（用本地部署的模型翻译网页）和一条视频配音管线。团队后续计划：发布正式版 35B-A3B、开源自建基准、为 Index-Echo 增加语言、发布更大模型。

小结

Index-Translate 的价值在于把翻译做成了「可落地的一整套」：文本、语音、音节控制、长文档各有专门模型，指令遵循和评测体系一应俱全，Apache-2.0 协议也让本地化部署没有门槛。做字幕、本地化、多语言内容运营的团队，值得把 Demo 和 GitHub 都翻一遍。

本文整理自哔哩哔哩 Index LLM 团队官方公告及公开资料（纯文本来源标注，无外链）