开源翻译,人人可用

易翻译开源社区致力于打造开放、透明、可自由使用的机器翻译生态。从预训练模型到标注语料,从翻译引擎到评测工具——全部开源,Apache 2.0 或 MIT 协议,放心集成到你的产品里。

探索开源项目 下载模型
15,000+
GitHub Stars
140+
支持语言
200+
开源模型
3,200+
社区贡献者

精选开源项目

由易翻译社区维护的核心翻译工具链,从模型训练到服务部署一应俱全。

EasyNMT

一行命令即可部署的多语言神经机器翻译引擎。支持 Opus-MT、M2M-100、NLLB 等主流架构,REST API 即开即用。

★ 6.8k Stars Python · Apache 2.0

TransDatasets

大规模平行语料数据仓库。收录 UNPC、CCAligned、ParaCrawl v9 等 60+ 公开数据集,提供统一预处理脚本和 TFDS 接口。

★ 3.2k Stars Python · CC BY-SA
🔍

TranSight

翻译质量自动评测工具包。集成 BLEU、COMET、BLEURT、ChrF 等指标,支持人工参考译文对比和错误类型自动分类。

★ 2.5k Stars Python · MIT
🚀

LightTrans

面向边缘设备的轻量级翻译模型。INT8 量化后模型体积仅 15MB,在树莓派和手机端也能流畅运行中英互译。

★ 1.9k Stars C++/ONNX · MIT

社区资源

不只是代码——文档、教程、预训练权重和最佳实践,帮你少走弯路。

最佳实践

领域适配微调指南

如何在 10 万条领域数据上将 BLEU 提升 12 个点——完整的 LoRA 微调流程与超参建议。

语料资源

中文多领域平行语料库

覆盖法律、医疗、科技、金融四个垂直领域,合计 800 万句对,经人工抽检合格率 96%。

技术博客

Transformer 翻译模型全解

从 Attention 机制到 Beam Search 解码策略,用可运行的 Colab Notebook 手把手讲解。

工具集

翻译 API 压力测试工具

模拟 1000 并发请求,自动生成延迟分布和吞吐量报告,支持自定义测试用例集。

视频教程

零基础部署翻译服务

15 分钟视频系列:从 Docker 安装到生产环境调优,附带 Nginx 反向代理和 HTTPS 配置。

社区项目

浏览器翻译插件源码

完全开源的 Chrome/Firefox 翻译扩展,支持划词翻译和整页翻译,可自行修改和重新打包。

模型动物园

从轻量级到超大参数,从通用领域到垂直行业——找到适合你的翻译模型。

🐍

Traneasy-Lite

中英 · 中日 · 中韩
ONNX · 18MB
下载模型
🛰

Traneasy-Base

中英日韩法德西
PyTorch · 280MB
下载模型
🔥

Traneasy-Plus

140+ 语言对
SafeTensors · 1.8GB
下载模型
💼

Traneasy-Legal

中文法律 · 英文法律
PyTorch · 420MB
下载模型
🏥

Traneasy-Medical

中英医学术语
PyTorch · 350MB
下载模型

贡献指南

开源的力量来自每一位开发者。无论你是提交代码、报告问题还是完善文档,我们都欢迎。

Fork 仓库

在 GitHub 上找到你感兴趣的项目,点击 Fork 创建你自己的副本。推荐从 Good First Issue 标签开始。

搭建环境

按照项目的 CONTRIBUTING.md 配置开发环境。大多数项目只需 pip install -r requirements.txt 即可跑起来。

提交 PR

在新分支上完成修改,编写清晰的 commit message。推送后发起 Pull Request,等待社区 Review。

代码审查与合入

维护者会在 3 个工作日内回复。通过 CI 检查和人工审查后,你的代码将被合入主分支并随版本发布。

赞助支持

感谢以下组织和个人对易翻译开源生态的慷慨支持。

常见问题

开源模型的翻译质量能达到商用水平吗?

完全可以。我们的 Traneasy-Plus 模型在 WMT 多语言测试集上的 COMET 得分已接近商业云翻译 API。针对通用场景,开源模型的质量已经能满足 90% 以上的日常需求。如果对特定领域有更高要求,参照我们提供的 LoRA 微调指南,用少量领域数据即可显著提升效果。

这些开源项目使用什么许可证?

易翻译旗下绝大多数项目采用 Apache 2.0 或 MIT 许可证,允许商业使用、修改和再分发,无需支付任何费用。部分语料数据集标注为 CC BY-SA 或 CC BY 4.0,使用时请注意遵循相应条款。每个项目的具体协议在仓库根目录的 LICENSE 文件中均有说明。

如何在自己的应用中集成开源翻译模型?

最简单的方案是使用 EasyNMT 项目,一行 pip install 后即提供标准 REST API。如果追求极致性能,可以下载 ONNX 格式的 Traneasy-Lite 模型直接嵌入移动应用。我们还提供 Python SDK、JS WebAssembly 运行时和 gRPC 服务等多种接入方式,文档在对应 GitHub 仓库的 /docs 目录下。

模型的更新频率是怎样的?

我们保持季度发布节奏。每个季度末会推出新训练的基础模型,涵盖更多语言对并在基准测试上迭代提升。安全补丁和关键 Bug 修复会随时推送。订阅我们的 GitHub Discussion 或 Newsletter 可以第一时间获取版本更新通知。

我可以提交自己训练的模型吗?

当然可以,而且我们非常鼓励。请先在 Discussions 板块分享你的模型设计思路和基准测试结果,社区成员会提供反馈。正式提交时需附带模型卡片(Model Card)——说明训练数据、参数配置、评测指标和适用场景。通过审核后我们会纳入模型动物园并给予贡献者署名。

这些模型在低资源语言上的表现如何?

低资源语言是我们持续重点投入的方向。针对藏语、维吾尔语、壮语等国内少数民族语言,以及高棉语、老挝语等东南亚语言,我们与高校合作构建了专门的平行语料库。目前 30 个低资源语言对的 BLEU 值已从 2024 年的平均 8.3 提升到 17.6,但仍属于研究级质量,不建议直接用于生产环境。

遇到 Bug 或需要新功能,该怎么反馈?

直接到对应项目的 GitHub Issues 页面提交。提交 Bug 时请附带复现步骤、运行环境信息(Python 版本、操作系统、模型版本)以及错误日志。功能建议请先在 Issues 中搜索是否已有类似提议,如果没有则开一个新的 Feature Request,详细描述使用场景和期望行为。

加入开源翻译社区

在 GitHub 上找到我们,Star 你喜欢的项目,一起让翻译技术触手可及。

前往 GitHub