Bilibili: Was Index-Translate kann – und wo die Spezialmodelle ansetzen

Bilibili bündelt unter Index-Translate mehrere Übersetzungsmodelle und Werkzeuge: für Texte, Sprache, dubbing-gerechte Formulierungen und lange Dokumente. Die Textmodelle basieren auf Qwen3.5 und sind in den Größen 2B und 9B sowie als 35B-A3B-Vorschau verfügbar. Für sie nennt das Team Unterstützung für 150 Sprachen und Anweisungen zu Begriffen, Formatierung und Inhaltserhalt. Die Spezialzweige sind dagegen auf bestimmte Aufgaben zugeschnitten – daraus folgt nicht, dass jede Funktion für jede Übersetzungsart gilt. 25

Drei Größen für Textübersetzung

Die Textmodelle gibt es mit 2B und 9B Parametern sowie als 35B-A3B-Modell in der Vorschau. Letzteres nutzt eine Mixture-of-Experts-Architektur: Insgesamt umfasst es 35 Milliarden Parameter, von denen pro Token etwa 3 Milliarden aktiv sind. Laut den verfügbaren Beschreibungen können die Textmodelle Übersetzungsanweisungen zu Terminologie, Format, Stil, Struktur und weiteren Ausgabevorgaben berücksichtigen. Daraus lässt sich jedoch nicht ableiten, dass alle Größen in jedem Sprachpaar gleich abschneiden. 245

Auf der Modellkarte von Index-Translate 2B ist die Lizenz Apache-2.0 angegeben. Auch Berichte zur Veröffentlichung bezeichnen die Familie als Apache-2.0-lizenziert. Wer ein Modell einsetzen möchte, sollte trotzdem die Lizenz der konkreten Gewichte und Dateien prüfen. 49

Vier Aufgaben, vier unterschiedliche Ansätze

• Index-Echo übersetzt Sprache. Der Speech-to-Text-Ablauf erstellt zeitmarkierte Untertitel für chinesische Audio- oder Videoinhalte und übersetzt sie ins Englische, Japanische oder Spanische. Zum beschriebenen Verfahren gehören Sprachaktivitätserkennung, gleitender Kontext und ein optionales Glossar. Die Speech-to-Speech-Variante ist darauf ausgelegt, beim Dubbing Stimmmerkmale der sprechenden Person aus der Vorlage aufzugreifen. Das beschreibt die Funktion und das Ziel – keine Garantie für identische Stimmqualität bei jeder Ausgabe. 2123
• Index-Homura richtet übersetzte Formulierungen an einer vorgegebenen Silbenzahl aus. Das ist für Dubbing-Skripte gedacht, bei denen die Länge des gesprochenen Textes eine Rolle spielt. Ein passendes Silbenmaß allein garantiert aber weder eine natürliche Formulierung noch, dass eine Zeile perfekt zur jeweiligen Szene passt. 2527
• Index-NativeLong, auch unter dem Namen Index-Nailong veröffentlicht, ist auf die Übersetzung ganzer Dokumente ausgerichtet. Das Modell berücksichtigt den Ausgangstext als Ganzes, um Zusammenhänge, Bezeichnungen und Terminologie über längere Passagen hinweg konsistent zu halten. Der veröffentlichte Dokument-Client bietet feste Vorlagen für Chinesisch–Englisch und Chinesisch–Japanisch. Der dokumentierte Ablauf ist damit enger gefasst als die angegebene Abdeckung von 150 Sprachen bei den Textmodellen. 326

Werkzeuge und Grenzen der verfügbaren Belege

Das Repository enthält außerdem eine Browser-Erweiterung, die Webseiten mit einem lokal betriebenen Modell übersetzt, das über eine OpenAI-kompatible API angesprochen wird. Der dokumentierte Video-Dubbing-Ablauf umfasst mehrere Schritte: Audio extrahieren, Stimmen vom übrigen Ton trennen, Sprache mit Zeitmarken segmentieren, übersetzen und die Ausgabe wieder am Zeitverlauf des Videos ausrichten. Dubbing besteht demnach nicht nur aus Übersetzung, sondern auch aus Verarbeitung und zeitlicher Abstimmung. 2022

Die Beispiele und Modellmaterialien behandeln unterschiedliche Aufgaben – von Textübersetzung und Untertiteln bis hin zu silbenbegrenzten Formulierungen und langen Dokumenten. Beispiele und berichtete Auswertungen sind jedoch kein unabhängiger Beweis dafür, dass ein Modell in jedem Sprachpaar und für jede Aufgabe die beste Wahl ist. Die Textversion 35B-A3B ist ausdrücklich als Vorschau gekennzeichnet; teilbare Materialien zu NativeLongBench führt das Team als geplant. Die verfügbaren Belege zeigen daher vor allem, wofür die einzelnen Zweige entwickelt wurden. Sie belegen keine durchgehend gleichbleibende Leistung und garantieren weder Stimmähnlichkeit noch perfektes Timing oder lückenlose Dokumentkonsistenz. 526