MiniTranslator-2B / README_zh.md
Caldalis's picture
Super-squash branch 'main' using huggingface_hub
727585b
|
Raw History Blame Contribute Delete
9.63 kB
---
language:
- zh
- en
- ja
- ko
- ar
- de
- fr
- es
- ru
- bn
- cs
- et
- fa
- he
- id
- kn
- ro
- ta
- te
- tl
- tr
- uk
library_name: transformers
license: apache-2.0
base_model: openbmb/MiniCPM5-2B
base_model_relation: finetune
pipeline_tag: translation
tags:
- translation
- minicpm
- minicpm5
- gguf
- on-device
---
<p align="center">
🤗&nbsp;<a href="https://huggingface.co/Caldalis/MiniTranslator-2B"><b>Hugging Face</b></a>&nbsp;&nbsp;|&nbsp;&nbsp;
💾&nbsp;<a href="https://huggingface.co/Caldalis/MiniTranslator-2B-GGUF"><b>GGUF</b></a>
</p>
<p align="center">
<img src="imgs/banner.png" alt="MiniTranslator-2B — 多语种翻译,2B 参数" width="100%">
</p>
# MiniTranslator-2B
## 模型介绍
MiniTranslator-2B 是基于 [MiniCPM5-2B](https://huggingface.co/openbmb/MiniCPM5-2B) 的
2B 多语种翻译模型,支持中文、英文及另外 20 种语言之间的互译,并能遵循中英文翻译
指令。模型面向通用翻译场景,也可用于端侧和边缘设备部署。
MiniTranslator-2B 提供 BF16 权重与四档 GGUF(F16 / Q8_0 / Q6_K / Q4_K_M),可在
transformers、vLLM、SGLang 与 llama.cpp 上运行。
## 评测结果
翻译结果均为贪心解码(`temperature=0`)下的 XCOMET 分数(越高越好);指令遵循结果
采用各基准的规则打分。
### 翻译
![翻译 benchmark 对比](imgs/results_translation.png)
MiniTranslator-2B 在 FLORES-200、NTREX-128 与 WMT24++ 上与 Hy-MT2-1.8B 基本持平,
HardMTBench 领先 3.1 分;WMT25 的长文与结构化内容是相对 7B/30B-A3B 的主要差距。
### 指令遵循
![指令遵循 benchmark 对比](imgs/results_instruction.png)
## 模型链接
| 模型 | 说明 | 下载 |
|---|---|---|
| MiniTranslator-2B | BF16 权重 | [🤗 Model](https://huggingface.co/Caldalis/MiniTranslator-2B) |
| MiniTranslator-2B-GGUF | F16 / Q8_0 / Q6_K / Q4_K_M | [🤗 Model](https://huggingface.co/Caldalis/MiniTranslator-2B-GGUF) |
## 翻译任务指令示例(中英对照)
*说明:以下示例中的 `source_lang` 与 `target_lang` 应使用完整语言名称;中文提示词
用中文名,英文提示词用英文名。*
| 类型 | 中文提示词 | 英文提示词 |
|---|---|---|
| **默认翻译** | 将以下文本翻译为 `{target_lang}`,只输出译文:<br><br>`{source_text}` | Translate the following text into `{target_lang}`. Output only the translation:<br><br>`{source_text}` |
| **术语** | *参考下面的翻译:*<br>`{text}` 翻译成 `{text}`<br>`{text}` 翻译成 `{text}`<br><br>将以下文本翻译为 `{target_lang}`,只输出译文:<br><br>`{source_text}` | *Reference the following translations:*<br>`{text}` translates to `{text}`<br>`{text}` translates to `{text}`<br><br>Translate the following text into `{target_lang}`. Output only the translation:<br><br>`{source_text}` |
| **风格** | 请将以下文本翻译为 `{target_lang}`。<br>翻译风格要严格符合【**`{target_style}`**】<br><br>`{source_text}` | Please translate the following text into `{target_lang}`. The translation style must strictly conform to [**`{target_style}`**]:<br><br>`{source_text}` |
| **个性化** | *【待翻译文本】*<br>`{source_text}`<br><br>*【翻译任务】*<br>1、**`{user_preferences}`**<br>2、**`{user_preferences}`**<br>3、……<br>4、将【待翻译文本】翻译为 `{target_lang}`。 | *[Source Text]*<br>`{source_text}`<br><br>*[Translation Tasks]*<br>1. **`{user_preferences}`**<br>2. **`{user_preferences}`**<br>3. ...<br>4. Translate the [Source Text] into `{target_lang}`. |
| **分隔符** | 请将以下文本准确翻译为 `{target_lang}`。<br>你必须在译文中**保留等量的分隔符,绝对不可遗漏、转义或翻译该符号,并注意分隔符的位置**。<br><br>`{source_text}` | Please accurately translate the following text into `{target_lang}`.<br>You must **retain the exact same number of delimiters in the translation. Strictly do not omit, escape, or translate these symbols, and pay close attention to their placement**.<br><br>`{source_text}` |
| **结构化数据** | *# 任务目标*<br>将下方 `{source_text}` 中的 `{format_type}` 格式数据翻译为 `{target_lang}`。<br><br>*# 严格约束*<br>1. **结构锁定**:绝对保持原有的 `{format_type}` 数据结构、缩进和层级完全不变。<br>2. **选择性翻译**:仅翻译面向用户展示的可见文本内容。<br>3. **禁止修改**:**严禁**翻译或更改任何代码标签、键名(Key)、变量占位符(如 `{{var}}`、`${var}`、`%s`、`%d` 等)或代码属性。<br><br>*# 数据输入*<br>`{source_text}` | *### Task*<br>Translate the user-facing text within the following `{format_type}` data into `{target_lang}`.<br><br>*### Strict Rules*<br>1. **Structure Preservation:** You MUST preserve the original `{format_type}` data structure, nesting, hierarchy, and indentation exactly as they are.<br>2. **Selective Translation:** Translate ONLY the visible, user-facing text content/values.<br>3. **Strict Non-Translation:** NEVER translate or alter code tags, keys, properties, object names, or variable placeholders. Leave them exactly in their original English/code form.<br><br>*### Source Data*<br>`{source_text}` |
| **背景信息** | *【背景信息】*<br>`{background_text}`<br><br>请结合背景信息将以下文本翻译为 `{target_lang}`。<br><br>*【待翻译文本】*<br>`{source_text}` | *[Background Information]*<br>`{background_text}`<br><br>Please translate the following text into `{target_lang}`, taking the provided background information into consideration.<br><br>*[Source Text]*<br>`{source_text}` |
---
## 推理与部署
推荐解码参数如下。模型没有默认 system prompt。
```json
{
"temperature": 0,
"top_p": 0.95,
"max_tokens": 4096
}
```
翻译建议使用贪心解码(`temperature=0`);如需采样,使用较低温度(0.2–0.3)与
`top_p=0.9`。
chat template 支持思考模式,但翻译时应关闭:transformers 传
`enable_thinking=False`,llama.cpp 加 `--reasoning off`,OpenAI 兼容请求传
`chat_template_kwargs: {"enable_thinking": false}`。
### transformers
`transformers>=5.6.0`
```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_path = "Caldalis/MiniTranslator-2B"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(
model_path,
dtype=torch.bfloat16,
device_map="auto",
)
model.eval()
prompt = "将以下文本翻译成英语,只输出译文:\n\n今天天气真好。"
messages = [{"role": "user", "content": prompt}]
inputs = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
enable_thinking=False,
return_tensors="pt",
).to(model.device)
with torch.no_grad():
outputs = model.generate(**inputs, max_new_tokens=4096, do_sample=False)
response = tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True)
print(response)
```
### vLLM
```bash
vllm serve Caldalis/MiniTranslator-2B --tensor-parallel-size 1
```
### SGLang
```bash
python3 -m sglang.launch_server --model Caldalis/MiniTranslator-2B --tp 1
```
### llama.cpp
```bash
llama-server -m MiniTranslator-2B-Q4_K_M.gguf -c 4096 --reasoning off --port 8080
```
```bash
curl http://127.0.0.1:8080/v1/chat/completions \
-H 'Content-Type: application/json' \
-d '{
"messages": [{"role": "user", "content": "将以下文本翻译成英语,只输出译文:\n\n今天天气真好。"}],
"temperature": 0,
"max_tokens": 4096
}'
```
不支持 `--reasoning` 的 llama.cpp 构建,去掉该参数,并在请求体加
`"chat_template_kwargs": {"enable_thinking": false}`。
## 量化
| 文件 | 量化 | 大小(字节) | SHA-256 |
|---|---|---:|---|
| `MiniTranslator-2B-F16.gguf` | F16 | 5,039,006,496 | `236b69f8d40370ac390ff6f48283349d66318d654094a643d3641f148aa8e958` |
| `MiniTranslator-2B-Q8_0.gguf` | Q8_0 | 2,679,710,496 | `5999502dd1e520b18fcfa5bade61b64b7b119fa991d16f15b816f4f3b46d1997` |
| `MiniTranslator-2B-Q6_K.gguf` | Q6_K | 2,070,225,696 | `df7895713c691700c36b1db458a8998cb2ac8cd60e8cff1cb8976a3fe500dd93` |
| `MiniTranslator-2B-Q4_K_M.gguf` | Q4_K_M | 1,561,318,176 | `e7ebfd5120803c59163ed0cb44725c1e43e97be8434b031474c36ef32a867114` |
权重由 `llama.cpp/convert_hf_to_gguf.py` 转换,并用 `llama-quantize` 量化;转换与
使用细节见 GGUF 模型仓库。
## 支持语种
| 语言 | 缩写 | 中文名 |
|---|---|---|
| Chinese | zh | 中文 |
| English | en | 英语 |
| Japanese | ja | 日语 |
| Korean | ko | 韩语 |
| Arabic | ar | 阿拉伯语 |
| German | de | 德语 |
| French | fr | 法语 |
| Spanish | es | 西班牙语 |
| Russian | ru | 俄语 |
| Bengali | bn | 孟加拉语 |
| Czech | cs | 捷克语 |
| Estonian | et | 爱沙尼亚语 |
| Persian | fa | 波斯语 |
| Hebrew | he | 希伯来语 |
| Indonesian | id | 印尼语 |
| Kannada | kn | 卡纳达语 |
| Romanian | ro | 罗马尼亚语 |
| Tamil | ta | 泰米尔语 |
| Telugu | te | 泰卢固语 |
| Filipino | tl | 菲律宾语 |
| Turkish | tr | 土耳其语 |
| Ukrainian | uk | 乌克兰语 |
基座模型还支持上表之外的语言;低资源方向的质量存在波动,建议在业务数据上验证。
## 许可证
以 **Apache License 2.0** 发布。本模型是
[openbmb/MiniCPM5-2B](https://huggingface.co/openbmb/MiniCPM5-2B) 的派生模型,
署名见 `NOTICE`。"MiniCPM" 名称及 OpenBMB 相关标识归其所有者。