哔哩哔哩用HOMURA强化学习控制原声翻译的音节预算

哔哩哔哩Index LLM团队披露HOMURA已大规模用于视频原声翻译。字幕和配音存在固定时间预算，通用LLM常把跨语言译文写得过长；团队以音节数作为时长代理，用Sand-Glass基准同时检查长度合规和语义保留，再通过强化学习的动态音节比例奖励调整输出长度。 该方法鼓励模型以词汇整合和句法重构提高单位音节的信息密度，而非只删除内容。原文给出与视频时间轴对齐的实际效果展示，并说明过度压缩时语义会非线性退化；中英约0.49的阈值来自指定实验，不是所有语言的固定界限。音节控制也用于Index-Homura，但本条记录实际采用和方法披露，不把旧论文EMNLP Oral消息当成新论文。旧arXiv v3正文未披露本次大规模业务采用，发布方也未给统一ROI、生产准确率或端到端语音翻译效果，相关结果不补造。