圣者
精华
|
战斗力 鹅
|
回帖 0
注册时间 2018-2-2
|
本帖最后由 zzy516232108 于 2026-11-6 17:09 编辑
 我不给老东西做翻译，就是普通的办公文字处理的活，加了很多提示词专杀鱼八股，又喂了很多材料让他学习说话的风味，感觉还是很难说人话
前面几页说AI翻译的话用HY-MT2，怎么部署可以问问DS
也有说用qwen，gemma什么的
以下是ai说的
Hy-MT2 是腾讯混元开源的多语言翻译模型家族（Hunyuan Machine Translation），有 1.8B / 7B / 30B-A3B（MoE）三种体量，支持 33 种语言互译，还支持藏/维/蒙等少数民族语言，主打"快思考"翻译 + 强指令遵循（能听懂"用正式商务文体翻译""不翻译专有名词"这类要求）。
根据你要的使用场景，有三条路：
1. 不想写代码 —— 微信小程序（最省事）
微信搜 “腾讯 Hy 翻译” 小程序
选源/目标语言 → 输入文字或语音 → 出结果
高级玩法：在"个性化设置"里挂术语表、定翻译风格、要输出格式
想离线用：设置里下载 1.8B 端侧模型（量化后仅 440MB），无网也能翻，手机本地跑
2. 自己部署 / 写代码调用（开发者）
模型在 HuggingFace / ModelScope / GitHub 都开源了：
HuggingFace：huggingface.co/collections/tencent/hy-mt2
ModelScope：国内网络优先走这个（快）
GitHub：github.com/Tencent-Hunyuan/Hy-MT2
环境要求：Python 3.9+，装 transformers；7B 建议 ≥16GB 显存，消费级设备用 1.8B GGUF 量化版（约 2GB 显存）即可。
最小调用示例：
pythonfrom transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "tencent/Hy-MT2-7B" # 或 Hy-MT2-1.8B
tok = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
model_id, trust_remote_code=True, torch_dtype="auto", device_map="auto"
)
prompt = "Translate the following sentence from English to Chinese:\nHello, how are you?"
inputs = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=256, temperature=0.3)
print(tok.decode(out[0], skip_special_tokens=True))
实战提示（来自官方建议）：
temperature 设 0.2–0.4，翻译要确定性，别太花
翻 HTML/JSON 时在提示词里写明"保持标签结构不变 / 键名不翻译"
专业文档（金融、法律、医疗）在 system prompt 里挂术语表，比如 GPU→图形处理器，一致性直接拉满
长文档每段别超 2000 字，不然跨段术语可能漂移
3. 还有个"开箱即用"的 Skill
腾讯发了个 Hy-MT2-Translator Skill，专门把模型封装好方便接入调用，在 ClawHub / SkillHub 能下（clawhub.ai/tencent-adm/hy-mt2-translator-skill）。如果你在 WorkBuddy 这类平台用，装这个比自己搭环境省事。
|
|
楼主: 绕指流光
沪公网安备 31010702007642号 )
发表于 2026-11-6 12:36
那算了 我随便用吧 老东西急就用DS应付，老东西不急就让GLM磨洋工
坛友也有给老东西翻译的工作吗，用AI一般是怎么做？
想想老美用DS是真的爽，一整天上班都在梁文谷时间加上挣得美元付阮梅币那个费用谁看了不爽上天，叫他们离了大肥鱼比杀了他们还难受吧
话说用插件反代wb积分然后被藤子封号是真的假的啊
这ttft，只能用来晚上跑脱手任务