T2TT(Text-to-Text Translation)是文本轉文本的模型，語言可以選擇，不管是輸入及輸出都可以選擇語言，所涵蓋的語言代號請參考連結：SeamlessM4T語言別代號。本篇使用SeamlessM4T的T2TT功能，看看使用流程是否容易上手，以及翻譯結果的準確性。

安裝SeamlessM4T

安裝SeamlessM4T請參考文章安裝SeamlessM4T

使用步驟

先導入模型，本次推出的SeamlessM4T有兩種型號：seamlessM4T_large與seamlessM4T_large。以large版本為例，執行以下程式碼後即已備好模型：

import torch
from seamless_communication.models.inference import Translator

**translator = Translator(
    "seamlessM4T_large",
    "vocoder_36langs",
    torch.device("cuda:0"),
    torch.float16,
)

此步驟的用意為在GPU上初始化一個轉譯器，選用模型"seamlessM4T_large"，以及聲碼器"vocoder_36langs"，官方建議選擇半精度浮點數(float16)可能是因為要節省記憶體，但可能因此影響翻譯精準度。

將此文本丟入translator中，設定模型為”t2tt”，被轉譯語言為中文(官方公布的代碼為cmn)，目標語言為英語(官方公布的代碼為eng)：

translated_text, _, _ = translator.predict(
                "今晚想吃什麼?",
                "t2tt",
				src_lang="cmn"
                tgt_lang="eng"
                )

print(translated_text)   #What do you want for dinner tonight?

總結

利用SeamlessM4T的T2TT功能(Text-to-Text Translation)，將輸入文本匯入預備好的轉譯器(Translator)，選擇任務t2tt，設定目標語言即可做轉譯。本篇使用繁體中文文本轉英語文本，內容正確，依據前幾次的功能測試”s2tt”、”s2st”中，轉成中文都預設轉為簡體中文，不確定該系統是否支援繁體中文，本次測試確認繁體中文也可以作轉譯。