如何调用Meta的SeamlessM4T模型 SeamlessM4T多语言翻译实践

from transformers import AutoProcessor, SeamlessM4TModelprocessor = AutoProcessor.from_pretrained("facebook/seamless-m4t-large")model = SeamlessM4TModel.from_pretrained("facebook/seamless-m4t-large")

如果你是做语音翻译，还需要额外安装音频处理相关的库，比如torchaudio、librosa等。

这一步虽然看起来简单，但很多人容易忽略版本兼容性问题，建议使用虚拟环境来隔离项目依赖。

一旦模型加载完成，就可以开始进行文本翻译了。基本流程是：

举个例子，如果你有一句英文句子想翻译成中文：

text_inputs = processor(text="Hello, how are you?", return_tensors="pt")outputs = model.generate(**text_inputs, tgt_lang="cmn_Hans")translated_text = processor.decode(outputs[0], skip_special_tokens=True)

这里需要注意的是，目标语言要用ISO标准代码表示，比如中文是cmn_Hans（简体），日语是jpn_Jpan，法语是fra_Latn等等。

SeamlessM4T还支持语音直接翻译成另一种语言的文本。这个功能对于语音会议、外语播客翻译等场景非常实用。

操作步骤大致如下：

示例代码片段：

import torchaudioaudio, sample_rate = torchaudio.load("input_audio.wav")audio_inputs = processor(audio=audio, return_tensors="pt")outputs = model.generate(**audio_inputs, tgt_lang="spa_Latn")  # 翻译成西班牙语translated_text = processor.decode(outputs[0], skip_special_tokens=True)

这里有个常见问题是音频采样率不匹配，记得确认你的音频是否符合模型要求（通常为16kHz）。

在实际使用中，有几个小地方容易被忽视：

设备选择：如果使用GPU加速推理，记得把模型移动到GPU上：

model.to("cuda")