Google 發表 TranslateGemma 開放模型，為筆電、手機解鎖 55 種語言翻譯能力

TranslateGemma 是一套以 Google Gemma 3 模型為基礎建立的全新開放式翻譯模型，提供 40 億（4B）、120 億（12B）、270 億（27B）三種參數規模的版本，幫助人們無論身在何處、使用何種裝置，能夠跨越 55 種語言進行交流。

Google 對 TranslateGemma 進行嚴謹的訓練與評估，涵蓋 55 組語言配對，確保主要語言（如西班牙文、法文、中文、印地文）以及多種低資源語言都能提供穩定且高品質的翻譯表現。

除核心語言外，Google 還訓練將近 500 組額外的語言配對，進一步拓展模型的邊界。TranslateGemma 被設計成可持續調適的穩健基礎，為研究人員微調特定語言配對、或提升低資源語言品質，提供理想起點。

TranslateGemma 還保留 Gemma 3 多模態能力。在 Vistra 圖像翻譯基準測試的結果表明，即使在 TranslateGemma 的訓練過程未進行特定的多模態微調，文字翻譯技術的改進也對翻譯圖像中的文字產生正面影響。

透過 Google 設計的訓練流程，使用 MetricX 在 WMT24++ 基準測試測得的 TranslateGemma 12B 版本性能優於 Gemma 3 27B 模型。換句話說，只需要不到原模型一半的參數量，就能達成高保真翻譯品質。這樣的突破可在不犧牲準確度的前提下，帶來更高的吞吐量與更低的延遲性。同樣地，4B 版本的性能足以媲美更大參數的 12B 版本，使其成為行動端推理的強力選擇。

三種版本的 TranslateGemma 可對應多元部署環境：4B 版本已為行動裝置與邊緣裝置部署最佳化；12B 版本可在筆電上順暢運行，將研究等級的能力帶入地端環境；27B 版本追求最高保真度，能在雲端以單顆 NVIDIA H100 GPU 或 Google TPU 運行。

Google 進一步表示，開發 TranslateGemma 的關鍵，在於專門的兩階段微調流程，將 Gemini 模型的「直覺」提煉成一個開放式架構：一是監督式微調（Supervised Fine-Tuning，SFT），使用多樣化的平行語料對基礎的 Gemma 3 模型進行微調，資料集包含大量人工翻譯內容，以及由最先進的 Gemini 模型生成的高品質合成翻譯，確保廣泛語言覆蓋。二是強化學習（Reinforcement Learning，RL），Google 引進創新的強化學習方法，包含 MetricX-QE 和 AutoMQM 等進階指標，引導模型產生更符合上下文情境、更自然流暢的翻譯。

（首圖來源：Google Blog）