created by snowlyg

模型简介

Seamless M4T 是由 Facebook AI Research 开发的基础多语言、多任务模型。最新版本为 Seamless M4T-v2（2023-11-30）。

该模型支持：

• 语音识别（Speech → Text）
• 语音转文本翻译（Speech → Text Translation）
• 语音转语音翻译（Speech → Speech Translation）
• 文本转文本翻译（Text → Text Translation）
• 文本转语音翻译（Text → Speech Translation）

支持近 100 种输入语言与 35 种（+英语）输出语言。

Seamless M4T 主要面向 Linux x86-64 与 macOS。由于 fairseq2 对 Windows 原生支持不完善，Windows 用户建议通过 WSL 安装与运行。

硬件规格（建议）

由于模型体积与推理开销较大，建议：

• CPU：至少 4 核
• GPU：NVIDIA GPU（CUDA），至少 4GB 显存（更高更好）
• 内存：至少 16GB RAM
• 存储：至少 100GB SSD（模型下载 + 依赖缓存）

方式 A：直接用 python:3.11 容器启动（适合快速验证）

1）拉取镜像

docker pull python:3.11