AudiomodellOffene Gewichte
Index-Echo-S2TT-2B
Bilibili Index Team
- Veröffentlicht
- -
- Datenstand
- 7. Oktober 2026
- Modellaufgabe
Index-Echo-S2TT-2B übersetzt Sprache in Untertitel. Das Paket mit einem 2B-Textdecoder nimmt Audio oder Video entgegen und liefert Transkription sowie übersetzte, mit Zeitstempeln versehene Textsegmente für Chinesisch nach Englisch, Japanisch oder Spanisch.
Technische Daten und Zugang
| Angabe | Wert und Quelle |
|---|---|
| Modelltyp | Offene GewichteQuelle |
| Modellkennung | IndexTeam/Index-Echo-S2TT-2BQuelle |
| Modellaufgabe | Sprachübersetzung in zeitcodierte UntertitelQuelle |
| Zugang | Öffentliche Hugging-Face-Gewichte zur lokalen AusführungQuelle |
| Eingabemodalitäten | Audio oder Video mit SpracheQuelle |
| Ausgabemodalitäten | Transkription und übersetzte Untertitel mit ZeitstempelnQuelle |
| Lizenz | Apache 2.0 laut Hugging-Face-ModellkarteQuelle |
| Übersetzungsrichtungen | Chinesisch nach Englisch, Japanisch oder SpanischQuelle |
| Decodergröße | 2 Milliarden Parameter im Textdecoder; keine Gesamtgröße des Audio-PaketsQuelle |
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Index-Echo S2TT in-house video translation: MT judge (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.825
- Bewertung
- 0.825
- Messgröße
- Gemini-3.1-Pro per-line translation quality rating on 0 / 0.5 / 1 scale
- Einheit
- ratio
- Benchmark-Version
- arXiv:2609.40181v1, Table 7
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 140
- Quellentyp
- vendor-reported
- Auswertung
- Index-Translate paper v1, Table 7
- Status
- active
- Abrufdatum
- 2026-10-07
- Methodik
- Vom Anbieter veröffentlichter Wert. Index-Echo-S2TT-2B text decoder; 140 In-house-Videoübersetzungsfenster von je 50–60 Sekunden, 20 in jeder von sieben Richtungen (Chinesisch nach Englisch/Japanisch/Koreanisch/Spanisch/Portugiesisch/Arabisch sowie Englisch nach Chinesisch).
- Einordnung
- Vom Modellteam erstellter In-house-Test; keine externe Replikation oder Stichprobenaufteilung je Richtung in der Tabellenzeile.
Index-Echo S2TT in-house video translation: median ASR error (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.088
- Bewertung
- 0.088
- Messgröße
- median rate of source-audio transcript errors versus reference
- Einheit
- ratio
- Benchmark-Version
- arXiv:2609.40181v1, Table 7
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 140
- Quellentyp
- vendor-reported
- Auswertung
- Index-Translate paper v1, Table 7
- Status
- active
- Abrufdatum
- 2026-10-07
- Methodik
- Vom Anbieter veröffentlichter Wert. Index-Echo-S2TT-2B text decoder; 140 In-house-Videoübersetzungsfenster von je 50–60 Sekunden, 20 in jeder von sieben Richtungen (Chinesisch nach Englisch/Japanisch/Koreanisch/Spanisch/Portugiesisch/Arabisch sowie Englisch nach Chinesisch).
- Einordnung
- Vom Modellteam erstellter In-house-Test; keine externe Replikation oder Stichprobenaufteilung je Richtung in der Tabellenzeile.
Index-Echo S2TT in-house video translation: sentence start-time MAE (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.395
- Bewertung
- 0.395
- Messgröße
- mean absolute sentence start-time error
- Einheit
- seconds
- Benchmark-Version
- arXiv:2609.40181v1, Table 7
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 140
- Quellentyp
- vendor-reported
- Auswertung
- Index-Translate paper v1, Table 7
- Status
- active
- Abrufdatum
- 2026-10-07
- Methodik
- Vom Anbieter veröffentlichter Wert. Index-Echo-S2TT-2B text decoder; 140 In-house-Videoübersetzungsfenster von je 50–60 Sekunden, 20 in jeder von sieben Richtungen (Chinesisch nach Englisch/Japanisch/Koreanisch/Spanisch/Portugiesisch/Arabisch sowie Englisch nach Chinesisch).
- Einordnung
- Vom Modellteam erstellter In-house-Test; keine externe Replikation oder Stichprobenaufteilung je Richtung in der Tabellenzeile.
Quellen und Datenstand
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 7. Oktober 2026. 1 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| In den geprüften Quellen nicht gefunden | independent-s2tt-replication Originalwortlaut Die S2TT-Zahlen stammen aus dem In-house-Videotest des Modellteams; eine unabhängige Wiederholung für diesen Checkpoint wurde in den gelesenen Quellen nicht gefunden. |
| Weitere Quelle | Index-Echo-S2TT-2B Hugging Face model card (abgerufen 7. Oktober 2026) · Index-Echo-S2TT-2B model card · Redaktionelle Beschreibung geprüft am 7. Oktober 2026 |
| Weitere Quelle | Bilibili Index-Translate repository (abgerufen 7. Oktober 2026) · Bilibili Index-Translate repository · Redaktionelle Beschreibung geprüft am 7. Oktober 2026 |
| Weitere Quelle | Index-Translate paper v1, Table 7 (abgerufen 7. Oktober 2026) |