Index-Translate ของ Bilibili มีอะไรบ้าง: โมเดล 3 ขนาดและสายเฉพาะทาง

Index-Translate คือครอบครัวโมเดลแปลภาษาของ Bilibili ที่พัฒนาบน Qwen3.5 ครอบคลุมตั้งแต่การแปลข้อความและเสียง ไปจนถึงการพากย์ที่กำหนดความยาวคำพูดได้ และการแปลเอกสารทั้งฉบับ จุดสำคัญคือแต่ละสาขาถูกออกแบบให้รับมือกับโจทย์คนละแบบ ไม่ใช่โมเดลเดียวที่ทำทุกอย่างได้เหมือนกัน 25

โมเดลแปลข้อความมี 3 ขนาด

รุ่นแปลข้อความมีขนาด 2B และ 9B รวมถึง 35B-A3B ที่ระบุสถานะว่าเป็นรุ่นตัวอย่าง (preview) รุ่น 35B-A3B ใช้สถาปัตยกรรม mixture-of-experts มีพารามิเตอร์รวม 35,000 ล้านตัว และเปิดใช้ประมาณ 3,000 ล้านตัวต่อโทเคน 5

ทีมระบุว่าโมเดลข้อความรองรับการแปล 150 ภาษา และทำตามคำสั่งเกี่ยวกับศัพท์เฉพาะ รูปแบบ สำนวน โครงสร้าง หรือข้อกำหนดให้คงเนื้อหาบางส่วนไว้ได้ อย่างไรก็ตาม ข้อมูลดังกล่าวไม่ได้หมายความว่าโมเดลทุกขนาดจะทำได้ดีเท่ากันในทุกคู่ภาษา 245

สำหรับสัญญาอนุญาต การ์ดโมเดล Index-Translate 2B ระบุ Apache-2.0 ส่วนรายงานข่าวกล่าวถึงตระกูลโมเดลนี้ว่าใช้สัญญาอนุญาตดังกล่าวด้วย หากจะนำไปใช้จริง ควรตรวจสอบใบอนุญาตที่แนบมากับน้ำหนักโมเดลและไฟล์ชุดที่เลือกใช้โดยตรง 49

โมเดลเฉพาะทางแก้โจทย์คนละแบบ

• Index-Echo ใช้กับงานแปลเสียง ทั้งการแปลงเสียงเป็นซับไตเติลและการแปลงเสียงพูดเป็นเสียงพูดอีกภาษา เวิร์กโฟลว์แปลเสียงเป็นข้อความระบุการสร้างซับแบบมีเวลา สำหรับเสียงหรือวิดีโอภาษาจีนที่แปลเป็นอังกฤษ ญี่ปุ่น หรือสเปน พร้อมแบ่งช่วงเสียงพูด ใช้บริบทต่อเนื่อง และเลือกใส่คลังศัพท์ได้ ส่วนงานพากย์ออกแบบให้ใช้ลักษณะเสียงของผู้พูดต้นฉบับเป็นแนวทาง แต่ไม่ได้รับประกันว่าเสียงพากย์ทุกครั้งจะเหมือนต้นฉบับ 2123
• Index-Homura ปรับถ้อยคำแปลให้ได้จำนวนพยางค์ตามที่กำหนด เหมาะกับสคริปต์พากย์ที่ต้องคำนึงถึงความยาวของคำพูด แต่การได้จำนวนพยางค์ตามเป้าเพียงอย่างเดียวไม่ได้ยืนยันว่าประโยคจะฟังเป็นธรรมชาติหรือเข้ากับฉากได้พอดี 2527
• Index-NativeLong ซึ่งเผยแพร่ในชื่อ Index-Nailong มุ่งแปลโดยคำนึงถึงเอกสารทั้งฉบับ เพื่อช่วยรักษาความต่อเนื่องของศัพท์ ชื่อ และการอ้างอิงในเนื้อหาที่ยาว อย่างไรก็ดี โปรแกรมสำหรับแปลเอกสารที่เผยแพร่มีแม่แบบคำสั่งสำหรับคู่ภาษาจีน–อังกฤษและจีน–ญี่ปุ่น จึงมีขอบเขตการใช้งานที่ระบุไว้แคบกว่าความครอบคลุม 150 ภาษาของโมเดลแปลข้อความ 326

เครื่องมือที่เผยแพร่และข้อควรรู้

ในคลังซอร์สมีส่วนขยายเบราว์เซอร์สำหรับแปลหน้าเว็บ โดยเชื่อมกับโมเดลที่ติดตั้งและรันในเครื่องผ่าน API ที่รองรับรูปแบบ OpenAI ส่วนเวิร์กโฟลว์พากย์วิดีโอมีขั้นตอนแยกเสียงพูด แบ่งช่วงเสียงพร้อมเวลา แปลแต่ละช่วง และจัดเสียงกลับให้ตรงกับไทม์ไลน์เดิม จึงเห็นได้ว่างานพากย์ยังต้องอาศัยการประมวลผลและจัดแนวเสียงเพิ่มเติม ไม่ได้จบแค่การแปลข้อความ 2022

ตัวอย่างและเอกสารของทีมครอบคลุมงานหลายประเภท ตั้งแต่การแปลข้อความและซับไตเติล ไปจนถึงการกำหนดจำนวนพยางค์และการแปลเอกสารยาว แต่ตัวอย่างหรือผลประเมินที่ทีมเผยแพร่ไม่ใช่หลักฐานอิสระว่าโมเดลใดดีที่สุดในทุกภาษาและทุกสถานการณ์ รุ่น 35B-A3B ยังระบุว่าเป็น preview และทีมแจ้งว่ามีแผนเผยแพร่ข้อมูลบางส่วนของ NativeLongBench ในภายหลัง ดังนั้นข้อมูลที่มีช่วยบอกได้ว่าแต่ละสาขาตั้งใจทำอะไร แต่ยังไม่ใช่คำรับประกันเรื่องความแม่นยำของทุกภาษา เสียงพูด เวลา หรือความสม่ำเสมอตลอดทั้งเอกสาร 526