B 站 Index 项目组发布 Index-Translate 翻译大模型系列：覆盖 148 种语言，配套语音翻译、配音时长控制、超长小说翻译衍生模型

B站 Index 项目组正式推出 Qwen3.5 构建的Index-Translate 系列多语言翻译模型家族，以主力文本翻译模型为核心，延伸出语音翻译、配音长度控制、长文档翻译三大衍生模型，构建覆盖“文字→声音”全链路的翻译能力。

• 项目主页：https://index-translate.bilibili.com
• GitHub：https://github.com/bilibili/Index-Translate

主力模型 Index-Translate（2B/9B/35A3B）支持 148 种语言，在通用翻译、指令遵循、梗翻译、小语种翻译等维度达到同级别 SOTA；衍生模型 Index-Echo 实现端到端语音到语音翻译并保留原说话人音色，Index-Homura 支持音节级译文长度控制适配配音节奏，Index-Native Long（Nailong）可一次生成整本小说完整译文。所有模型均强调真实场景泛化能力，而非仅追求基准分数。

下表提供 2B、9B 与 35B-A3B（preview） 文本模型权重。

命名说明： Index-NativeLong 的实际模型仓库 ID 为 IndexTeam/Index-Nailong-2B 和 IndexTeam/Index-Nailong-9B，运行命令请使用这两个 ID。语音与长文档发布包的语言覆盖见上表，文本模型的 150 种语言覆盖不等同于每个专门模型的接口覆盖。

模型家族全景

Index-Translate：译出意思，也听懂要求

三阶段训练范式

1. Mid-train：WSD scheduler + 多语种/平行/中转语料混合，退火阶段提高中转语料比例，建立跨语言语义对应
2. Post-train：分别训练通用翻译、指令遵循、梗翻译三个专家模型（SFT + RaR RL / RLVR）
3. Model-merge：线性插值 / MOPD / Mix-RL 整合多版本能力至统一模型

七维评测表现（后训练主表）

💡 小语种专项：FLORES_minor_pair 覆盖 62 语种 1,040 方向；instTrans_minor 含 2,793 条指令任务。9B 在 instTrans_minor 取得最高 IFscore（0.7725）与最低 off-target（3.47%）。

Index-Echo：端到端语音翻译，保留原声音色

双链路架构

• S2TT：AuT encoder + Index-Translate 解码器，输出带时间戳译文文本，支持字幕同步
• S2ST：完全端到端，移除 CosyVoice3 tokenizer，将 LLM last hidden 表征与 CosyVoice3 语义层对齐；两阶段训练（冻结主干蒸馏映射器 → DiffRO 全链路微调）；源音频提取 CampPlus 音色嵌入注入生成链路

S2ST 评测亮点

• 全方向平均内容错误率 优于级联 Pipeline（9B: 0.0551 vs 0.0596）
• 英→中 2B 端到端相对 Pipeline 错误率 降低近 40%
• 音色保真度全面持平（~0.72），端到端映射不损音色
• S2TT 时间偏差最低 0.395（2B），MT judge 0.857（9B，对比模型第一）

Index-Homura：音节可控翻译，适配配音节奏

• HOMURA 方法：GRPO 强化学习，动态音节比奖励 + 翻译质量奖励联合优化
• Sandglass 评测：9B 综合分 0.8660（20 个模型总榜第一）；81.92% 输出音节偏差 ≤10%；控制斜率 0.968（接近理想值 1）
• 覆盖 300 句真实字幕、4 目标语种、3 档长度

Index-Native Long：整本小说一次译完

• 解决痛点：专用翻译模型在长文档上性能骤降（Hy-MT2-7B 在 GuoFeng 64K 降至 0.0001）
• 64K tokens 档位：GuoFeng 0.7382、BWB 0.7440、跨领域书籍英→中 0.8514，五档均值均为全场最高
• 检查输出完整性、人物称谓一致性、前后文衔接

适用场景

• 多语言内容本地化（视频字幕、配音、网文出海）
• 需要指令控制的翻译（保留称谓、口语化、格式要求）
• 网络热梗/文化表达翻译
• 小语种翻译（62 语种对）
• 视频配音制作（长度控制 + 音色保留）
• 长篇文学/技术文档完整翻译