Skip to content
TheChatArchiveThe Chat Archive
o3-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

除了 Llama-3-8B 哪个本地翻译模型对于动漫翻译最好

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with gpt-4.1-mini-2025-04-14’s answer.
  1. User

    除了 Llama-3-8B 哪个本地翻译模型对于动漫翻译最好

  2. Assistant

    下面这份清单只列“可完全离线、本地部署”的模型,并且重点考量二次元/广播剧常见的口语、省略、语气词、专有名词保留等需求。为便于横向比较,我把模型分成三类:

    1. 传统专门的机器翻译 (MT) 模型
    2. 通用多语 LLM(强翻译能力,可加 LoRA)
    3. 日语强化 / ACG 场景微调模型

    —

    1. 传统 MT 模型

    模型体量推理需求优势劣势适配二次元口吻
    NLLB-200 Distilled 600 M3.5 GB FP16≈1 GB 4-bit单 8 GB GPU / CPU OK官方 ja↔zh BLEU≈37;多语齐全没有角色语气,译文偏书面★★☆☆☆
    M2M-100 1.2B5 GB 4-bit≥8 GB GPU句子级翻译稳、长句不丢口语俚语直译★★☆☆☆
    OPUS-MT (marian) ja-zh900 MBCPU 即可轻量、可批量质量一般,名字容易音译★☆☆☆☆

    ‣ 结论:如果目标只是快速生成生肉脚本再让编辑润色,NLLB-200 Distilled 是最省心的方案。想完全本地且显存紧张可量化到 int4。

    —

    2. 通用多语 LLM + LoRA

    模型权重下载最低显存(4-bit)翻译特点为什么适合动漫
    Mixtral-8x7B-Instruct-GGUFTheBloke≈11 GB (MoE 动态路由)长上下文 32k;多轮语境保持好可以把整场广播剧放进上下文,角色一致性高
    Yi-34B-Chat-GGUFTheBloke18-20 GB中-日互译 BLEU 高;中文流畅“二次元台词”表现出众;但显存要求高
    Qwen2-7B-Chat-GGUF官方 / TheBloke6 GB自带中/日 tokenizer,翻译稳量小质优,4090 半显存就能跑
    Mistral-7B-Instruct + 「Kana-LoRA」HuggingFace (人设LoRA)6 GB口语化强;LoRA 1-2GB微调后可准确保留“呜哇”“诶嘿”等语气
    DeepSeek-MoE-16B-ChatDeepSeekAI12 GBMoE,推理快;32k ctx对中日均友好,适合整话级翻译

    使用姿势

    llm = Llama(
        model_path="mixtral-8x7b-instruct.Q4_K_M.gguf",
        n_gpu_layers=99,          # 尽量全放 GPU
        n_ctx=32768,
        rope_freq_scale=0.5       # 长上下文技巧
    )
    

    —

    3. 日语/ACG 场景专向模型

    模型 / LoRA基座说明体验
    knkarthick/japanese-stablelm-base-alpha-7bStableLM全日语训练,加入動漫台本可先用它做日语语义理解,再 prompt 翻译
    THUDM/ACG-Mistral-7B-LoRAMistral-7B动漫对白 40 w 条 LoRA对“口癖”与敬体/常体切换极稳
    Fugu-MT-ja-zhFairseq Transformer 1.3B立命馆数据集,专门ja-zh术语表齐全,「忍者/武士」场景 BLEU 很高
    tokyo-north/AnimeTranslate-13BLlama-2-13B同人项目,含声优剧本非正式词汇量大,翻译风格最“动漫”

    —

    推荐组合(全离线)

    需求组合显存效果点评
    口语 & 长语境(整集)Whisper + PyANNOTE + Mixtral-8x7B12 GB角色一致性极佳;可一次翻完 20min
    显存有限(≤8 GB)Whisper + Qwen2-7B-Chat + Kana-LoRA6 GB俚语也能处理,性价比最高
    专业术语+准商用NLLB-200 Distilled → ChatGLM3-6B-LoRA 做润色4 GB + CPU先准机器翻译,再 LLM 口语化
    极客向全开源M2M-100 1.2B + Japanese-StableLM 复查8 GB全模型可 GPL/BSD 发行

    —

    小结选型 Tips

    1. Anime/广播剧里“场景记忆”比逐句 BLEU 更重要,强上下文 LLM(Mixtral / Yi / DeepSeek-MoE)+ 专向 LoRA 往往比纯 MT 模型读起来更像人写。
    2. 专有名词防崩:在 prompt 里追加术语表,或用 --translate_special_tokens False。
    3. 如果只是台词级短句,Qwen2-7B-Chat 已足够;若要整章润色才用 30-B-级大模型,否则显存和功耗不值得。
    4. 自己微调 LoRA:准备几千行「日语原文 ↔ 中文口语」对齐数据即可,7B 模型 1-2 小时就能收敛。

    按你的显卡/预算挑一套即可。本地部署遇到任何显存、速度或微调问题,再 ping 我~

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.