概要
https://huggingface.co/google/translategemma-4b-it
詳細内容
## Googleの軽量オープン翻訳モデル「TranslateGemma」：画像内テキスト翻訳にも対応
https://huggingface.co/google/translategemma-4b-it
**Original Title**: google/translategemma-4b-it · Hugging Face
55言語間のテキストおよび画像内テキストの翻訳を、ローカル環境で動作可能な軽量オープンモデル**Gemma 3**ベースで提供する。
**Content Type**: ⚙️ Tools
**Language**: en
**Scores**: Signal:5/5 | Depth:3/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 85/100 | **Annex Potential**: 83/100 | **Overall**: 84/100
**Topics**: [[TranslateGemma, Gemma 3, マルチモーダル翻訳, オープンモデル, Hugging Face]]
Googleが、最新の**Gemma 3**ファミリーをベースにしたオープンな翻訳モデル群「**TranslateGemma**」を公開しました。このモデルは**4B**、**12B**、**27B**の3つのサイズで展開され、55言語間の高品質な翻訳をサポートします。最大の特徴はマルチモーダル対応にあり、テキストからテキストへの翻訳だけでなく、画像内のテキストを抽出して直接ターゲット言語へ翻訳する「画像からテキスト」のタスクを単一の推論フローで実行可能です。
実装面では、**Transformers**ライブラリの**apply_chat_template**を介して利用可能な、独自の構造化されたチャットテンプレートを採用しています。ソース言語とターゲット言語の指定（ISOコード形式）が必須となっており、エンジニアはプログラムから厳密に翻訳プロセスを制御可能です。軽量設計であるため、高価なクラウドGPUに頼らずとも、ローカル環境やエッジデバイスでのデプロイが現実的になっています。
モデルは**SFT**（教師あり微調整）と**RL**（強化学習）のプロセスを経て最適化されており、従来のGemmaモデルと比較して安全性や事実の正確性が向上しています。多言語対応のWebアプリケーション開発や、スキャンされた文書・看板などの画像データを自動翻訳するパイプラインを構築したいエンジニアにとって、プライバシーを確保しつつ低遅延で動作する強力な選択肢となるでしょう。