Bilibili ha reso open source una famiglia di traduzione per 150 lingue con licenza Apache-2.0

Il team Index LLM di Bilibili ha rilasciato Index-Translate il 30 settembre, una famiglia di modelli di traduzione multilingue basati su Qwen3.5 di Alibaba. I modelli testuali coprono 150 lingue, tra cui cinese e inglese, e sono pubblicati con licenza Apache-2.0 su Hugging Face e ModelScope nelle dimensioni 2B, 9B e 35B-A3B, l'ultima delle quali ancora in anteprima, insieme a un report tecnico, al codice su GitHub e a una demo online.

Una famiglia di modelli di traduzione proveniente da una piattaforma video merita un secondo sguardo, perché dice qualcosa su ciò di cui la piattaforma ha realmente bisogno. Bilibili è una community video cinese con una forte cultura dei sottotitoli e un crescente appetito per contenuti che superano i confini linguistici. Per un'azienda così, la traduzione è infrastruttura, non un progetto secondario.

Cosa lo rende più di un modello di traduzione

La parte più semplice è il numero di lingue, che è alto ma non senza precedenti. Ciò che distingue Index-Translate è quanto sia progettato attorno alle parti della traduzione che non sono traduzione.

I modelli seguono istruzioni su terminologia, formattazione e contenuti che devono essere lasciati intatti. In un esempio dalla pagina del progetto, il modello 9B ha tradotto un avviso JSON di manutenzione di un gioco in coreano preservandone la struttura, i simboli a stella e un hashtag che l'utente aveva chiesto di mantenere. Sembra modesto. Chiunque abbia gestito una vera pipeline di localizzazione sa che non lo è. Markup, segnaposto, nomi di prodotto, testi legali standard e formattazione inline sono i punti in cui la traduzione automatica rompe più spesso le cose, e in cui la pulizia successiva divora il tempo che l'automazione avrebbe dovuto far risparmiare.

Gestire quei vincoli è ciò che trasforma un modello da demo in qualcosa che puoi integrare in produzione. Un traduttore che rovina una struttura JSON non è utilizzabile, per quanto fluente possa essere la frase in coreano.

I tre rami, e perché contano

La famiglia estende la stessa base multilingue in tre direzioni specializzate, ed è in quei rami che il rilascio diventa davvero interessante.

Index-Echo produce sottotitoli tradotti o parlato doppiato che conserva le caratteristiche vocali dell'oratore di origine. Il suo rilascio speech-to-speech preconfezionato copre dal cinese all'inglese, allo spagnolo e al giapponese, e viceversa. Il doppiaggio che preserva la voce è un problema difficile che si colloca all'intersezione tra riconoscimento vocale, traduzione, clonazione vocale e sintesi vocale, e gli errori si accumulano in ogni fase. Far suonare una voce come la stessa persona in un'altra lingua è la differenza tra un doppiaggio che gli spettatori accettano e uno che spengono.

Index-Homura adatta una traduzione verso un numero obiettivo di sillabe. Questo è un vincolo di doppiaggio e sottotitolaggio che la maggior parte dei sistemi di traduzione ignora del tutto. Quando devi adattare le parole a una bocca in movimento o a una finestra fissa per i sottotitoli, una traduzione perfettamente accurata ma lunga il 40 per cento in più è una traduzione fallita. Limitare la lunghezza preservando il significato è esattamente il tipo di problema ristretto e pratico che separa un modello di ricerca da uno strumento che un team di produzione può usare.

Index-NativeLong, pubblicato con ID di modello chiamati Index-Nailong, traduce interi documenti e mantiene i riferimenti coerenti al loro interno. La coerenza a livello di documento affronta un altro fallimento comune: un termine tradotto in un modo a pagina due e in un altro a pagina nove, perché ogni frase è stata tradotta in isolamento. Per manuali, contratti e contenuti long-form, questa incoerenza è un problema di correttezza, non una preferenza di stile.

La scelta della licenza aperta, e cosa segnala

Pubblicare con licenza Apache-2.0 invece che con una licenza solo per ricerca o non commerciale è una decisione significativa. Significa che chiunque può costruire commercialmente su questi modelli, anche per prodotti che competono con la piattaforma che li ha creati. È una posizione ampiamente permissiva, e sta diventando sempre più il default tra i laboratori cinesi che rilasciano modelli in questo ciclo.

Il pattern è stato visibile per tutto il mese. Diversi team cinesi hanno rilasciato modelli open-weight a settembre, in ambito testo, generazione di immagini, video e traduzione, e il filo conduttore era la permissività: MIT qua, Apache-2.0 là, pesi scaricabili anziché a noleggio. La logica strategica è coerente. I pesi aperti costruiscono l'adozione dell'ecosistema più velocemente di una sola API, e l'adozione crea quel tipo di forza di attrazione per gli sviluppatori che ripaga nella generazione successiva di prodotti.

Costruire su Qwen3.5 invece di addestrare da zero è anche indicativo. Qwen è diventato qualcosa di simile a una base condivisa per numerosi rilasci di modelli cinesi, come Llama lo è stato un tempo in Occidente. Quando più team indipendenti convergono su un unico modello di base, quella base diventa uno standard de facto, e il lavoro che li differenzia si sposta più in alto nello stack, in rami specializzati come quelli inclusi in Index-Translate.

La localizzazione è uno dei centri di costo silenziosi del lavoro video, ed è stato difficile automatizzarla senza che la qualità crollasse. Sottotitolaggio e doppiaggio impongono ciascuno i propri vincoli, e una pipeline che li ignora produce output che un umano deve riparare riga per riga. Confezionando doppiaggio che preserva la voce e traduzione con vincoli sillabici insieme a un modello testuale generale, il rilascio prende di mira direttamente quella fase di riparazione. Se elimina quella fase o semplicemente la riduce è qualcosa che solo un vero flusso di lavoro di localizzazione rivelerà, ma l'intento è leggibile: rendere l'output della macchina abbastanza vicino a essere utilizzabile che il lavoro dell'umano diventi revisione anziché riscrittura.

Cosa significa fuori dalla Cina

Per i team fuori dall'ecosistema cinese, la conseguenza pratica è l'accesso. Una famiglia di traduzione per 150 lingue con licenza permissiva, con rami vocali e documentali, scaricabile ed eseguibile in locale, è un bene davvero utile per chiunque integri la localizzazione in un prodotto, soprattutto dove inviare il testo di origine a un'API ospitata non è accettabile per motivi di privacy o di costo.

I rami vocali meritano un'attenzione particolare da chiunque lavori con il video. Il doppiaggio che preserva la voce e la traduzione con vincoli sillabici sono le due capacità che decidono se la localizzazione automatizzata produce qualcosa di guardabile o qualcosa che richiede a un umano di correggere ogni riga. Un modello che gestisce entrambe, con licenza Apache-2.0, abbassa la barriera per i piccoli team che vogliono localizzare contenuti video che in precedenza avrebbero richiesto un budget per il doppiaggio.

Le avvertenze sono le solite per un rilascio recente. I benchmark pubblicati provengono dal team che ha costruito i modelli, e una valutazione indipendente richiede tempo. Un'anteprima 35B-A3B non è la stessa cosa di un modello finito. E una licenza permissiva non rende automaticamente un modello la scelta migliore per una determinata coppia linguistica o dominio. Questo va comunque testato sui propri contenuti.

Ciò che è chiaro è la direzione. La traduzione viene ricostruita come un insieme di compiti vincolati e basati su istruzioni, anziché come un unico compito aperto, e i modelli che vinceranno saranno quelli che rispettano le scomode realtà di sottotitoli, doppiaggio e struttura dei documenti. Index-Translate è un colpo ben mirato proprio a quelle realtà, e si può costruire su di esso liberamente.