> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Index-Translate：哔哩哔哩开源支持150种语言的翻译模型家族
- URL: https://globalfeed.ai/zh/index-translate-bi-li-bi-li-kai-yuan-zhi-chi-150chong-yu-yan-de-fan-yi-mo-xing-jia-zu/
- Published: 2026-10-07T15:01:07.000Z
- Updated: 2026-10-07T15:01:07.000Z
- Description: 哔哩哔哩 Index 团队以 Apache 2.0 许可证发布了基于 Qwen3.5 的翻译模型家族 Index-Translate。文本模型覆盖包括土耳其语和阿拉伯语在内的 150 种语言，家族中还有语音翻译、音节数可控的配音翻译和长文档翻译模型。最大的模型目前仍是预览版。
- Author: GlobalFeed Editor
- Tags: Bilibili, Index-Translate, 机器翻译, 开放模型, Hugging Face, x-yok, dil-zh, elle

中国大型视频平台**哔哩哔哩**（Bilibili）旗下的 Index 团队发布了翻译模型家族 **Index-Translate**。据该团队 GitHub 页面介绍，技术报告、在线演示和文本模型于 2026 年 9 月 30 日公布；模型在 10 月 2 日前陆续上传到 Hugging Face，10 月 3 日又补充了占用内存更少的量化版本。模型文件向所有人开放下载，整个家族均采用 Apache 2.0 许可证，因此可以商用，也可以在自己的服务器或本地电脑上运行。

该家族基于阿里巴巴的 Qwen3.5 模型构建，分为四类任务：文本翻译、语音翻译、面向配音的音节数可控翻译，以及长文档翻译。据模型卡介绍，文本模型覆盖 150 种语言。在技术报告的语言列表中，土耳其语和阿拉伯语都属于 22 种核心语言。

## 三种规格的文本翻译模型

文本模型包括 20 亿和 90 亿参数的两款模型，以及 **Index-Translate-35B-A3B-preview**。后者采用混合专家（MoE）架构：总参数量为 350 亿，但每一步只激活约 30 亿参数。这种结构通常比同等规模的稠密模型运行更快，不过全部模型文件仍需装入内存。除普通翻译外，这些模型还能遵循各类指令，例如严格使用给定术语表，保留 JSON、CSV 和 Markdown 格式、代码块以及 `{variable}` 之类的占位符，并把文本调整为正式或口语化的风格。团队表示，对于网络用语、圈内昵称和玩梗这类难以直译的内容，模型也力求按其本意来翻译。

## 语音、配音与长文档模型

**Index-Echo** 负责语音翻译，分为两种形式。S2TT 模型可将音频或视频文件转换为带句级时间戳的双语字幕，发布的程序包支持从中文译为英语、日语和西班牙语。S2ST 模型则会为译文重新配音，并以原说话人的声音作为参考，支持六个方向：中文译为英语、西班牙语和日语，以及英语译为中文、西班牙语和日语。为 Echo 增加更多语言已列入团队的待办清单。

**Index-Homura** 会让译文尽量贴近指定的音节数，用于准备配音台词和定时字幕，也可以与术语表同时使用。**Index-NativeLong** 则无需把文档切块，一次性完成整篇翻译，有助于在整本书或整部剧本中保持人名和术语一致。9B 版本发布的配置支持最长 229,376 个词元（token）的上下文。目前提供的模板涵盖中英互译和中日互译。它在 Hugging Face 上的模型名为 Index-Nailong-2B 和 Index-Nailong-9B。语音和配音模型同样提供 2B 和 9B 两种规格。

## 团队报告中的评测结果

根据技术报告，35B-A3B 预览版在 FLORES 上的 COMET-22 得分为 0.8794，在指令翻译测试 instTrans 上的指令遵循得分为 0.8336，均领先于报告中对比的各个系统。对比对象包括 GPT-5.6-Sol、Gemini 3.5 Flash Lite、DeepSeek-V4.1-Flash 和 TranslateGemma 等模型；在 WMT26 评测中，GPT-5.6-Sol、DeepSeek-V4.1-Flash 和 Gemini 3.5 Flash Lite 的得分更高。在低资源语言上，35B-A3B 模型有 2.4% 的输出语言错误。在团队的 SandGlass 测试中，Index-Homura-9B 有 81.92% 的结果与目标音节数相差不超过 10%。团队还表示，Index-Echo 模型给出的字幕起始时间比其他对比模型偏差更小。

## 本地部署与试用方式

模型卡介绍了如何用 vLLM 把文本模型部署为兼容 OpenAI 接口的服务。据 GitHub 上的指南，在未量化的 BF16 格式下，2B 模型约需 8 GB 显存，9B 模型约需 24 GB。面向普通电脑，团队还发布了可在 llama.cpp 中运行的 GGUF 文件：在推荐的 4 位版本中，2B 模型约 1.3 GB，9B 模型约 5.8 GB，35B-A3B 模型约 21.7 GB。服务器端另有 FP8 版本，以及面向 NVIDIA Blackwell 显卡的 NVFP4 版本。不想安装的用户可以访问 index-translate.bilibili.com 上的演示；据 GitHub 页面介绍，自 10 月 4 日起还提供了可调用 35B-A3B 模型、兼容 OpenAI 接口的 API。

35B-A3B 模型目前仍是预览版，正式版已列入团队 GitHub 上的待办清单。据模型卡介绍，同时包含多项指令的任务和低资源语言方向仍比核心语言翻译更难，个别成功的示例并不能保证每条指令都会被执行。长文档译文可能出现遗漏或重复段落，因此模型卡建议对输出进行人工检查。虽然土耳其语和阿拉伯语都属于核心语言，最稳妥的做法仍是用自己的文本和语言对进行测试。想要更全面地了解模型表现，也请关注独立研究人员的评估。

来源：[Hugging Face：Index-Translate 合集](https://huggingface.co/collections/IndexTeam/index-translate?ref=globalfeed.ai)、[Index-Translate-35B-A3B-preview 模型卡](https://huggingface.co/IndexTeam/Index-Translate-35B-A3B-preview?ref=globalfeed.ai)、[Index-Translate-9B 模型卡](https://huggingface.co/IndexTeam/Index-Translate-9B?ref=globalfeed.ai)、[Index-Echo-S2ST-9B 模型卡](https://huggingface.co/IndexTeam/Index-Echo-S2ST-9B?ref=globalfeed.ai)、[Index-Homura-9B 模型卡](https://huggingface.co/IndexTeam/Index-Homura-9B?ref=globalfeed.ai)、[Index-NativeLong-9B 模型卡](https://huggingface.co/IndexTeam/Index-Nailong-9B?ref=globalfeed.ai)、[技术报告（arXiv）](https://arxiv.org/abs/2609.40181?ref=globalfeed.ai)、[GitHub：bilibili/Index-Translate](https://github.com/bilibili/Index-Translate?ref=globalfeed.ai)。