哔哩哔哩 Index LLM 团队发布 Index-Translate 模型，2B / 9B / 35B-A3B（preview）三档文本模型权重已在 Hugging Face 与 ModelScope 开放。这是一套基于 Qwen3.5 构建的多语言翻译模型家族，文本模型覆盖包括中文、英文在内的 150 种语言。

除了语言数量，它支持术语、格式、保留内容等翻译指令。团队把共同的多语基础扩展到了语音、音节可控翻译和长文档翻译三个方向，对应四个具体模型。

打开网易新闻 查看精彩图片

四个模型各管一段

Index-Translate 负责翻译文本、结构化内容与社区表达。Index-Echo 生成目标语言字幕或配音，配音时会参考源语音的说话人声音特征。Index-Homura 根据指定的目标音节数调整译文。Index-NativeLong 输入完整文档，利用上下文维持前后联系。

官方给出的精选案例，正好对应这几种能力。

第一类是社区表达。原文“狒瘾犯了就去打”，在这个游戏社区语境里，“狒瘾”指想玩《最终幻想 XIV》的劲头又上来了。这类词直译会丢意思，模型要翻出语境里的真实所指。

第二类是音节控制。同一句“生活两天，是一种什么体验”，设置三个目标长度后，Index-Homura-9B 给出了不同措辞。译文长度可调，对应的是字幕、配音这类对时长有硬要求的场景。

长文档里的人名一致性

第三类针对长文。在一篇约 32K tokens 的奇幻文本中，“王妃”是人物姓名。官方对比了两种做法：原生全文翻译，与同一 9B 模型采用相邻上下文及自动词表的分块翻译。

这个对比指向一个老问题——长文档翻到后面，人名、称谓容易前后不一致。分块翻译是常见妥协，上下文一断，指代就可能漂移。Index-NativeLong 的思路是吃下完整文档，用全局上下文把前后串起来。

从模型规格看，2B 到 35B-A3B 覆盖了不同算力档位，preview 版本单独标注。权重开放在 Hugging Face 与 ModelScope，Demo 也已上线。

翻译模型的竞争点正在从“支持多少语言”转向“能不能按指令翻”。术语、格式、保留内容、音节数、说话人音色、长文一致性，这些约束条件才是实际落地时真正卡人的地方。B站这次把四个方向拆成四个模型分别开源，等于把选择题交给了使用者。