Index-Translate: bộ công cụ dịch của Bilibili có gì đáng chú ý?

Bilibili giới thiệu Index-Translate như một dòng mô hình dịch dựa trên Qwen3.5, trải rộng từ dịch văn bản đến xử lý giọng nói, lồng tiếng có kiểm soát và dịch tài liệu dài. Điểm đáng chú ý không chỉ là tuyên bố hỗ trợ 150 ngôn ngữ: mỗi nhánh còn nhắm tới một bài toán riêng, thay vì một mô hình duy nhất đảm nhiệm mọi việc. 25

Ba cỡ mô hình văn bản

Các bản văn bản gồm 2B, 9B và 35B-A3B, trong đó bản 35B-A3B được đánh dấu là preview. Đây là mô hình hỗn hợp chuyên gia (MoE), có tổng cộng 35 tỷ tham số nhưng khoảng 3 tỷ tham số hoạt động trên mỗi token. Mô tả sản phẩm cho biết các mô hình văn bản hỗ trợ dịch giữa 150 ngôn ngữ và có thể làm theo chỉ dẫn về thuật ngữ, định dạng, văn phong, cấu trúc hoặc yêu cầu giữ lại nội dung. Tuy nhiên, thông tin hiện có không cho thấy mọi cỡ mô hình đều đạt kết quả như nhau ở tất cả cặp ngôn ngữ. 245

Về giấy phép, thẻ mô hình Index-Translate 2B ghi Apache-2.0. Một số bài đưa tin mô tả cả dòng mô hình được phát hành theo giấy phép này, nhưng người dùng vẫn nên kiểm tra giấy phép đi kèm đúng bộ trọng số và tệp mình định sử dụng. 49

Các nhánh chuyên biệt giải quyết việc gì?

• Index-Echo xử lý dịch lời nói. Nhánh chuyển giọng nói thành văn bản có thể tạo phụ đề kèm mốc thời gian cho âm thanh hoặc video tiếng Trung, dịch sang tiếng Anh, Nhật hoặc Tây Ban Nha; quy trình có phân đoạn hoạt động giọng nói, dùng ngữ cảnh trượt và hỗ trợ bảng thuật ngữ tùy chọn. Nhánh chuyển giọng nói thành giọng nói được thiết kế để tham chiếu đặc điểm giọng của người nói ban đầu khi lồng tiếng. Đây là mục tiêu thiết kế, không phải bảo đảm rằng giọng đầu ra sẽ giống hệt trong mọi trường hợp. 2123
• Index-Homura điều chỉnh câu dịch theo số âm tiết được chỉ định — hữu ích khi lời thoại cần có độ dài phù hợp cho kịch bản lồng tiếng. Đạt đúng số âm tiết không đồng nghĩa câu sẽ luôn tự nhiên hoặc khớp hoàn hảo với từng cảnh. 2527
• Index-NativeLong, cũng được phát hành với tên Index-Nailong, hướng đến dịch ở cấp độ tài liệu. Mô hình tiếp nhận toàn bộ văn bản nguồn để hỗ trợ giữ mạch nội dung, thuật ngữ và các chi tiết được nhắc lại xuyên suốt. Tuy vậy, ứng dụng tài liệu đã phát hành dùng các mẫu lệnh cố định cho những cặp Trung–Anh và Trung–Nhật; phạm vi quy trình được mô tả cụ thể này hẹp hơn mức 150 ngôn ngữ của dòng mô hình văn bản. 326

Công cụ đã có và những điều chưa thể kết luận

Kho mã nguồn có tiện ích mở rộng trình duyệt để dịch trang web bằng mô hình chạy cục bộ thông qua API tương thích với OpenAI. Quy trình lồng tiếng video được mô tả gồm trích xuất âm thanh, tách giọng nói, chia đoạn kèm mốc thời gian, dịch rồi căn chỉnh lại theo dòng thời gian của video. Điều đó cho thấy lồng tiếng không chỉ là dịch câu chữ mà còn cần các bước xử lý và đồng bộ âm thanh. 2022

Các ví dụ và tài liệu của nhóm bao quát nhiều tác vụ, từ dịch văn bản, phụ đề đến đầu ra giới hạn số âm tiết và tài liệu dài. Nhưng ví dụ minh họa hay kết quả đánh giá do nhóm công bố không tự nó chứng minh rằng một mô hình đứng đầu ở mọi ngôn ngữ, tác vụ hoặc tình huống sử dụng. Bản văn bản 35B-A3B vẫn được ghi rõ là preview, còn tài liệu chia sẻ NativeLongBench được nêu là kế hoạch. Vì vậy, bằng chứng hiện có giúp xác định các nhánh được thiết kế để làm gì, chứ chưa đủ để khẳng định chất lượng luôn ổn định hoặc bảo đảm độ chính xác về giọng nói, thời gian và tính nhất quán xuyên suốt tài liệu. 526