winninghealth / WiNGPT-Babel

🌐 WiNGPT-Babel

WiNGPT-Babel（巴别塔）是一个基于大语言模型（LLM）为翻译应用定制的模型，致力于提供便捷的多语言信息母语级体验。

和其他机器翻译模型最大的不同是，WiNGPT-Babel 是采用 human-in-the-loop 数据生产采集闭环策略训练而成。因此 WiNGPT-Babel 更适应真实使用场景，例如新闻、研究成果以及观看带有实时翻译字幕的视频。通过一系列的工具插件 WiNGPT-Babel 会将这些内容翻译成用户的母语，以更好的体验呈现在用户面前。

我们的目标是利用先进的 LLM 技术，降低语言障碍，帮助用户更轻松地获取全球范围内的互联网信息，包括学术论文、社交媒体、网页内容和视频字幕等各种数据格式。虽然实现这一目标还需要时间，但 LLM 技术的发展为其提供了可能性。

✨ 核心特点

• human-in-the-loop 🌱： 首先，使用少量数据进行初步训练；然后，通过API收集我们使用各种工具的日志数据，并利用这些日志构建新的训练数据。使用WiNGPT-2.6 模型和奖励模型对这些数据进行rejection sampling，并辅以人工审核以确保数据质量。经过几轮迭代训练，模型性能将逐步提升，直至达到预期水平停止。
• 多格式翻译 📄 🌐 🎬： 支持多种文本格式的翻译，包括网页、社交媒体内容、学术论文、视频字幕、以及数据集等。
• 高精度翻译 🧠： 基于先进的 LLM 架构，我们致力于提供准确、自然、流畅的翻译结果。
• 高性能翻译 ⏱️： 采用1.5B模型，支持实时字幕翻译等应用场景，满足用户对实时翻译的需求。
• 多语言支持 🗣️： 目前支持超过 20 种语言，并不断扩展语言支持范围。
• 应用适配 🪒： 目前已适配的工具有：沉浸式翻译、videolingo。

🧪 适用场景

• 🌐 网页内容翻译： 适用于日常网页浏览，快速理解网页信息
• 📄 学术论文翻译： 适用于辅助理解多语言研究论文，提高阅读效率
• 📰 新闻资讯翻译： 适用于快速了解全球新闻动态，获取一手信息
• 🎬 视频字幕翻译： 适用于观看外语视频，辅助理解视频内容
• 📊 数据集多语言处理： 适用于多语言数据集的初步翻译，辅助数据分析

🔤 语言支持（更多语言待验证）

🇺🇸 English ↔️ 🇨🇳 Chinese | 🇯🇵 Japanese ➡️ 🇨🇳 Chinese

🚀 快速开始

WiNGPT-Babel 采用 Qwen2.5-1.5B 作为基础模型 ，是在测试比较了各种参数规模模型平衡推理速度和翻译质量的选择。在各种应用场景下的翻译速度可以达到甚至超过谷歌翻译，这样的体验对于使用翻译模型来说是至关重要的。 为了帮助大家快速上手，我们提供了以下示例，并使用 Hugging Face Transformers 库进行加载和推理，当然推荐大家使用vllm、llama.cpp、ollama等推理工具或框架：

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "WiNGPT/WiNGPT-Babel"

model = AutoModelForCausalLM.from_pretrained(
   model_name,
   torch_dtype="auto",
   device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Give me a short introduction to large language model."
messages = [
   {"role": "system", "content": "中英互译下面的内容"},
   {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
   messages,
   tokenize=False,
   add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
   **model_inputs,
   max_new_tokens=4096
)
generated_ids = [
   output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

• 注意： WiNGPT-Babel 默认系统提示词仅为：“中英互译下面的内容”。模型会自动根据用户的输入翻译成对应的语言，无需其他复杂的指令。支持的最大长度8192，且具备多轮对话的能力。

🎬 示例

以下是一些应用场景示例，展示如何使用模型进行翻译。

1. 网页翻译:

• 场景: 用户通过工具及简单系统提示，将外文网页内容翻译成母语。
• 工具: 沉浸式翻译

  

  

  

  

  

1. 学术论文翻译:

• 场景: 用户使用工具翻译外文研究论文，辅助研究工作。
• 工具: 沉浸式翻译

  

  

1. 社交媒体翻译:

• 场景: 用户可以使用模型，将不同语言的社交媒体内容翻译成母语
• 工具: 沉浸式翻译

  

1. 视频字幕翻译:

• 场景: 用户利用工具，结合模型，直接翻译字幕文件并保存为文件。
• 工具: 沉浸式翻译

  

1. PDF文件翻译:

• 场景: 用户利用工具，结合模型，将PDF等文档翻译或作为双语对照。
• 工具: PDFMathTranslate

  

1. 数据集翻译:

• 场景: 用户利用模型，将外语数据集进行翻译。
• 工具: wingpt-web-client

  

1. 视频网站实时翻译:

• 场景: 用户利用工具，结合模型，在观看互联网视频时实时生成字幕。
• 工具: 沉浸式翻译

  

  

1. 视频翻译与字幕压制:

• 场景: 用户利用工具，结合模型，将外语视频生成带有翻译字幕的视频。
• 工具: VideoLingo

  

注意： 以上示例展示了如何利用工具并结合 WiNGPT-Babel 模型进行文本翻译。你可以根据自己的需求和习惯，通过工具并将其应用到更多场景。

🌱 局限性

• 专业术语翻译： 在法律、医学等高度专业领域、代码等，翻译结果可能存在偏差
• 文学作品翻译： 对于文学作品中的修辞、隐喻等，可能无法完美传达原文意境
• 长文本翻译： 在处理超长文本时，可能会出现翻译错误或者幻觉问题，需要进行分段处理
• 多语言适配： 目前主要在中英语言场景里进行使用，其他语言需要更多的测试和反馈

许可证

1. 本项目授权协议为 Apache License 2.0
2. 使用本项目包括模型权重时请引用本项目： https://huggingface.co/winninghealth/WiNGPT-Babel
3. 遵守 Qwen2.5-1.5B ， immersive-translate ， VideoLingo 相关协议及其许可证，详细内容参照其网站。

联系我们

• 通过 WiNGPT 测试平台 申请密钥

• 或通过 [email protected] 与我们取得联系申请接口测试 API_KEY