圣保罗的一位粉丝在 B 站找到一条四十分钟的中文游戏解说，想不看字幕直接看懂。一年前这意味着等志愿者。今天，平台自己把能给它配音的模型开源了。有意思的不是这个功能，而是模型是开放的。
2026年9月30日，哔哩哔哩（Bilibili）自家的 Index LLM 团队发布了 Index-Translate，一个基于阿里 Qwen3.5、以 Apache-2.0 协议开源的多语言翻译模型家族。文本模型覆盖包括中英文在内的150种语言，提供 2B、9B、35B-A3B（预览）三档参数规模，权重已上架 Hugging Face 与 ModelScope，并配有技术报告、GitHub 代码和在线 Demo。Pandaily 与模型追踪站点独立记录了相同的发布日期、许可证与基座模型，核心事实在多个来源间一致。
旗舰 35B-A3B 是一个混合专家（Mixture-of-Experts, MoE）模型：总参数35B，每 token 激活约3B，上下文窗口长达262,144个 token。长上下文正是关键——当模型忘了三页前某个角色叫什么，翻译质量就会崩。
它不止一个模型，而是一个干四种活的家族。Index-Translate 处理文本、结构化内容与社区表达；Index-Echo 把语音转成翻译字幕，其语音到语音形态还能保留源说话人的音色特征，打包版覆盖中英、中日、中西互译；Index-Homura 按目标音节数调整译文，适配配音时长；Index-NativeLong 一次性输入整篇文档，跨段落保持人名术语一致。音节控制这一支最能体现团队想的是视频而非纯文本——在自家 SandGlass 测试上，Index-Homura-9B 有81.92%的输出音节偏差不超过10%。
数字方面，在团队自报的榜单上，35B-A3B 预览版 FLORES（COMET-22）得0.8794、WMT26 评委分76.76，9B 为0.8789与75.35；同一张表里更大的通用模型 DeepSeek-V4.1-Flash 列在83.55。低资源指令遵循上，9B 以0.7725拿下对比模型最佳，离题率最低3.47%。以上均为厂商自报，我们未重跑评测。
一个视频社区做翻译模型，逻辑很直：用户内容的生死在于境外的人能不能看。掌控文本、字幕、配音这一翻译层，就等于掌控创作者的触达半径；开源又让自部署者和浏览器插件作者能搭起私有的社区翻译生态。
诚实的局限
本文依据 Pandaily、llm 追踪站与中文 AI 工具目录；我们未检视 GitHub 仓库、也未复现任何基准。150种语言适用于文本模型，语音与长文档分支覆盖更窄且单独文档化，规划多语配音管线者不应默认全集通用。厂商榜单分数为自报、未经我们独立验证，我们也没测过输出质量、延迟，或免费 Demo 是否反映已发布权重。
普通人现在能做什么
- 如果你做视频本地化，先用 Index-Echo 原型化字幕生成、用 Index-Homura 控制行宽，再考虑付费的托管配音服务。
- 如果你运营社区平台，可研究开源翻译权重能否降低你对单一闭源厂商的跨语言依赖。
- 如果你评估模型，把公开的 FLORES 与 WMT26 数字当作起点假设，在自己领域的语料上先跑一遍再用于生产。