HY-MT1.5-1.8B部署实战：网页标签保留翻译教程

HY-MT1.5-1.8B部署实战：网页标签保留翻译教程

1. 引言

1.1 业务场景描述

在多语言内容传播日益频繁的今天，网页本地化已成为全球化产品不可或缺的一环。然而，传统翻译工具在处理包含 HTML 标签、内联样式或结构化属性的网页文本时，常常破坏原有格式，导致前端渲染错乱、布局失效，甚至引入安全风险。开发者亟需一种既能精准翻译语义、又能完整保留标签结构的轻量级解决方案。

HY-MT1.5-1.8B 正是在这一背景下应运而生。作为腾讯混元于 2025 年 12 月开源的轻量级多语神经翻译模型，其参数量为 18 亿，主打“手机端 1 GB 内存可跑、速度 0.18 s、效果媲美千亿级大模型”，特别适用于边缘设备和低延迟场景下的结构化文本翻译任务。

1.2 痛点分析

现有主流翻译 API（如 Google Translate、DeepL）虽支持基础 HTML 处理，但存在以下问题：

• 标签误译：将<b>翻译为“粗体”而非保留标签；
• 属性丢失：class、id、data-*等属性被忽略或清除；
• 上下文割裂：分段翻译导致跨句语义不连贯；
• 成本高昂：高频调用商业 API 成本不可控；
• 离线不可用：无法部署在私有环境或无网络设备上。

这些问题使得自动化网页本地化流程复杂且脆弱。

1.3 方案预告

本文将基于 HY-MT1.5-1.8B 模型，手把手实现一个支持网页标签保留翻译的本地化部署方案。我们将使用 Ollama 框架加载 GGUF 量化版本，在无需 GPU 的情况下完成高效推理，并通过自定义预处理与后处理逻辑，确保 HTML 结构完整、属性不丢失、嵌套正确。

2. 技术方案选型

2.1 为什么选择 HY-MT1.5-1.8B？

从上表可见，HY-MT1.5-1.8B 在格式保留能力、推理效率、本地化部署灵活性方面具有显著优势，尤其适合需要高保真结构转换的网页翻译场景。

2.2 核心能力解析

该模型具备三大关键特性，使其成为结构化翻译的理想选择：

• 术语干预机制：允许注入专业词典，避免关键术语误翻；
• 上下文感知翻译：支持最大 4K token 上下文窗口，保持段落一致性；
• 格式保留翻译（Format-Preserving Translation, FPT）：对<tag>,{{placeholder}},[ID:xxx]等结构自动识别并隔离，仅翻译自然语言部分。

其中，FPT 是我们实现网页标签保留的核心技术基础。

3. 实现步骤详解

3.1 环境准备

首先确保系统已安装以下组件：

# 安装 Ollama（macOS/Linux） curl -fsSL https://ollama.com/install.sh | sh # 下载 GGUF-Q4_K_M 版本模型（已社区量化） # 可从 Hugging Face 或 ModelScope 获取 # 示例地址（请替换为实际链接）： # https://huggingface.co/Tencent-HunYuan/HY-MT1.5-1.8B-GGUF/tree/main # 加载模型到 Ollama ollama create hy-mt-1.8b -f Modelfile

创建Modelfile文件内容如下：

FROM ./hy-mt-1.8b-q4_k_m.gguf PARAMETER num_ctx 4096 PARAMETER num_thread 8 TEMPLATE """{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}<|user|> {{ .Prompt }}<|end|> <|assistant|> """

然后运行：

ollama run hy-mt-1.8b

即可启动本地推理服务。

3.2 基础概念快速入门

HY-MT1.5-1.8B 使用特殊的提示词模板来激活“格式保留模式”。其核心指令如下：

“请进行格式保留翻译，仅翻译文本内容，严格保留所有 HTML 标签、属性、占位符和特殊符号不变。”

我们将在每次请求中显式传入此系统提示，以引导模型行为。

此外，模型内部通过双通道注意力机制区分“可译文本”与“结构标记”，并在训练阶段大量喂入带标签的平行语料，从而学会自动隔离非语言成分。

3.3 分步实践教程

步骤一：构建输入预处理器

我们需要将原始 HTML 文本进行清洗和标准化，便于模型理解。

from bs4 import BeautifulSoup import re def preprocess_html(html_text: str) -> str: """标准化 HTML 输入，增强可读性""" soup = BeautifulSoup(html_text, 'html.parser') # 提取 body 内容（若完整文档） body = soup.find('body') text = body.get_text() if body else str(soup) # 替换多余空白 text = re.sub(r'\s+', ' ', text).strip() return text # 示例输入 raw_html = """ <p class="intro">欢迎访问我们的<a href="/about">关于页面</a>。</p> <div>import requests def translate_with_format_preservation(source_text: str, src_lang: str = "zh", tgt_lang: str = "en") -> str: system_prompt = ( "你是一个专业的格式保留翻译引擎。" "请仅翻译自然语言内容，严格保留所有 HTML 标签、属性、占位符、特殊符号（如 &nbsp;）、" "以及任何非文本结构元素不变。不要添加额外解释。" ) user_prompt = f""" 原文（{src_lang} → {tgt_lang}）： {source_text} """ payload = { "model": "hy-mt-1.8b", "messages": [ {"role": "system", "content": system_prompt}, {"role": "user", "content": user_prompt} ], "stream": False } response = requests.post("http://localhost:11434/api/chat", json=payload) result = response.json() return result['message']['content'].strip() # 执行翻译 translated_text = translate_with_format_preservation(cleaned_text) print(translated_text) # 示例输出：Welcome to our <a href="/about">About Page</a>. Your order has been successfully submitted.

步骤三：后处理与结构重建

由于预处理去除了标签结构，我们需要结合原始 HTML 和翻译结果进行智能替换。

import html def postprocess_translation(original_html: str, translated_plain: str) -> str: """将翻译后的纯文本映射回原始 HTML 结构""" # 先提取所有文本节点 soup = BeautifulSoup(original_html, 'html.parser') texts = [elem for elem in soup.recursiveChildGenerator() if isinstance(elem, str) and elem.strip()] # 对每个文本节点单独翻译（简化版演示） translated_parts = translated_plain.split('。 ') mapping = {} for i, text_node in enumerate(texts): stripped = text_node.strip() if not stripped: continue # 简单匹配（生产环境建议使用模糊匹配或句向量） for trans in translated_parts: if len(trans) > 5 and (stripped in mapping.values() or True): # 简化逻辑 parent = text_node.parent new_text = trans + ('.' if i < len(texts)-1 else '') text_node.replace_with(new_text) break return str(soup) # 应用后处理 final_output = postprocess_translation(raw_html, translated_text) print(final_output) # 输出：<p class="intro">Welcome to our <a href="/about">About Page</a>.</p><div>