Bilibili के Index-Translate मॉडल: आकार, भाषा-समर्थन और खास फीचर

Bilibili का Index-Translate Qwen3.5 पर आधारित अनुवाद मॉडल और टूल्स का परिवार है। इसमें टेक्स्ट अनुवाद के अलावा भाषण अनुवाद, डबिंग के लिए नियंत्रित अनुवाद और लंबे दस्तावेज़ों के लिए अलग मॉडल शाखाएँ शामिल हैं। टेक्स्ट मॉडल 2B, 9B और 35B-A3B preview आकार में हैं। इन्हें 150 भाषाओं में अनुवाद और शब्दावली, फ़ॉर्मैटिंग तथा सामग्री को जस का तस रखने जैसे निर्देशों का पालन करने के लिए बनाया गया है। 25

टेक्स्ट मॉडल: तीन आकार, अनुवाद पर खास ध्यान

टेक्स्ट परिवार में 2B और 9B मॉडल के साथ 35B-A3B नाम का preview मॉडल है। यह mixture-of-experts (MoE) मॉडल है: कुल पैरामीटर 35 अरब हैं, लेकिन हर टोकन पर लगभग 3 अरब सक्रिय रहते हैं। मॉडल विवरण के अनुसार, टेक्स्ट मॉडल 150 भाषाओं में अनुवाद कर सकते हैं और शब्दावली, फ़ॉर्मैट, शैली, संरचना तथा आउटपुट से जुड़ी शर्तों वाले निर्देशों का पालन करने के लिए बनाए गए हैं। उपलब्ध जानकारी यह साबित नहीं करती कि हर आकार का मॉडल हर भाषा-जोड़ी में एक जैसा प्रदर्शन करता है। 245

लाइसेंस की बात करें तो Index-Translate 2B के मॉडल कार्ड पर Apache-2.0 दर्ज है। रिलीज़ से जुड़ी कवरेज पूरे परिवार को भी Apache-2.0 बताती है, फिर भी इस्तेमाल के लिए चुने गए खास मॉडल वज़न और फ़ाइलों का लाइसेंस अलग से जाँचना समझदारी है। 49

अलग कामों के लिए अलग शाखाएँ

• Index-Echo भाषण अनुवाद पर केंद्रित है। इसके speech-to-text वर्कफ़्लो में चीनी ऑडियो या वीडियो से अंग्रेज़ी, जापानी या स्पेनिश में टाइमस्टैम्प वाले सबटाइटल बनाए जा सकते हैं। इसमें आवाज़ पहचानकर हिस्सों में बाँटना, संदर्भ को आगे तक बनाए रखना और वैकल्पिक शब्दावली सूची इस्तेमाल करना शामिल है। इसका speech-to-speech विकल्प डबिंग के दौरान मूल वक्ता की आवाज़ की विशेषताओं को बनाए रखने के उद्देश्य से बनाया गया है। यह बताई गई क्षमता और लक्ष्य है—हर आउटपुट में आवाज़ हूबहू एक जैसी रहने की गारंटी नहीं। 2123
• Index-Homura अनुवाद को तय syllable count यानी अक्षरांशों की संख्या के अनुरूप ढालता है। यह सुविधा उन डबिंग स्क्रिप्ट के लिए है जहाँ बोली गई पंक्ति की लंबाई मायने रखती है। लेकिन तय संख्या पूरी होने से यह साबित नहीं होता कि संवाद हर दृश्य में स्वाभाविक लगेगा या पूरी तरह फिट बैठेगा। 2527
• Index-NativeLong, जिसे Index-Nailong नाम से भी प्रकाशित किया गया है, लंबे दस्तावेज़ों के अनुवाद के लिए बनाया गया है। यह पूरे स्रोत दस्तावेज़ को संदर्भ में लेकर लंबे पाठ में शब्दावली, नामों और संदर्भों की निरंतरता बनाए रखने की कोशिश करता है। जारी किए गए दस्तावेज़ क्लाइंट में चीनी–अंग्रेज़ी और चीनी–जापानी के लिए तय टेम्पलेट हैं; इसलिए इसका दस्तावेज़ित वर्कफ़्लो टेक्स्ट मॉडल परिवार के 150 भाषाओं के दायरे से संकरा है। 326

टूल्स क्या बताते हैं—और उनकी सीमाएँ

रिपॉज़िटरी में ऐसा ब्राउज़र एक्सटेंशन भी है जो OpenAI-compatible API के ज़रिए उपलब्ध स्थानीय मॉडल से वेब पेजों का अनुवाद करता है। वीडियो डबिंग के दस्तावेज़ित वर्कफ़्लो में ऑडियो निकालना, आवाज़ को अलग करना, टाइमस्टैम्प के साथ भाषण को हिस्सों में बाँटना, अनुवाद करना और फिर उसे वीडियो की टाइमलाइन के साथ मिलाना शामिल है। इससे पता चलता है कि डबिंग में अनुवाद के अलावा ऑडियो प्रोसेसिंग और समय के साथ तालमेल बैठाने के चरण भी आते हैं। 2022

टीम के उदाहरणों और मॉडल सामग्री में टेक्स्ट अनुवाद, सबटाइटल, तय syllable count वाले आउटपुट और लंबे दस्तावेज़ जैसे कई काम शामिल हैं। लेकिन उदाहरण या रिपोर्ट किए गए मूल्यांकन इस बात का स्वतंत्र प्रमाण नहीं हैं कि कोई एक मॉडल हर भाषा, काम या उपयोग में सबसे बेहतर है। 35B-A3B टेक्स्ट मॉडल को स्पष्ट रूप से preview कहा गया है और टीम ने NativeLongBench की साझा की जा सकने वाली सामग्री जारी करने की योजना बताई है। इसलिए उपलब्ध प्रमाण यह समझने में मदद करते हैं कि हर शाखा किस काम के लिए बनाई गई है—वे हर स्थिति में एकसमान नतीजे या आवाज़, समय और लंबे दस्तावेज़ों में पूरी सटीकता की गारंटी नहीं देते। 526