Hunyuan-MT-7B 日本語・英語翻訳（ソースコードと実行結果）

Python開発環境，ライブラリ類

ここでは、最低限の事前準備について説明する。機械学習や深層学習を行う場合は、NVIDIA CUDA、Visual Studio、Cursorなどを追加でインストールすると便利である。これらについては別ページ https://www.kkaneko.jp/cc/dev/aiassist.htmlで詳しく解説しているので、必要に応じて参照してください。

Python 3.12 のインストール

インストール済みの場合は実行不要。

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行する。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要である。

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

AI エディタ Windsurf のインストール

Pythonプログラムの編集・実行には、AI エディタの利用を推奨する。ここでは，Windsurfのインストールを説明する。

管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行して、Windsurfをシステム全体にインストールする。管理者権限は、wingetの--scope machineオプションでシステム全体にソフトウェアをインストールするために必要となる。

winget install --scope machine Codeium.Windsurf -e --silent

【関連する外部ページ】

Windsurf の公式ページ: https://windsurf.com/

必要なライブラリのインストール

コマンドプロンプトを管理者として実行（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下を実行する


pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install transformers accelerate protobuf

Hunyuan-MT-7B 日本語・英語翻訳プログラム

概要

このプログラムは、Tencent社が開発したHunyuan-MT-7Bモデルを使用して、日本語から英語への翻訳を実行するPythonプログラムである。

主要技術

Hunyuan-MT-7B

Tencentが公開した翻訳特化型の7Bパラメータモデル[1]。33言語間の相互翻訳に対応。

Transformers Library

Hugging Face社が開発するトランスフォーマーモデル実装ライブラリ[2]。AutoTokenizerとAutoModelForCausalLMクラスを通じて、事前学習済みモデルの読み込みと推論を実現する。バージョン4.56.0以降でtrust_remote_codeパラメータによる新規モデルタイプへの対応が可能となっている。

実装の特色

対話型インターフェース（サンプル文章機能、カスタム入力機能）
max_new_tokens=256による出力長制御
デバイス情報とGPU名の表示

参考文献

[1] Tencent. Hunyuan-MT. GitHub Repository. https://github.com/Tencent-Hunyuan/Hunyuan-MT

[2] Wolf, T., et al. (2020). Transformers: State-of-the-Art Natural Language Processing. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, 38-45. https://www.aclweb.org/anthology/2020.emnlp-demos.6

ソースコード


# Hunyuan-MT-7B 日本語・英語翻訳プログラム
# 特徴: Hunyuan-MT-7B は Tencent の翻訳特化 7B モデル。33言語の相互翻訳に対応。
# 翻訳品質向上のためのアンサンブル版 Hunyuan-MT-Chimera も公開（必要に応じて利用可）。
# WMT25 で参加31タスク中30で1位（公式README/報道参照）。
# 参考: HFモデル https://huggingface.co/tencent/Hunyuan-MT-7B
#       コレクション https://huggingface.co/collections/tencent/hunyuan-mt-68b42f76d473f82798882597
#       GitHub https://github.com/Tencent-Hunyuan/Hunyuan-MT
#       ModelScope https://modelscope.cn/collections/Hunyuan-MT-2ca6b8e1b4934f
# 重要: Transformers は v4.56.0 推奨。model_type が新規("hunyuan_v1_dense")のため
#       pipeline("translation") では未対応→ AutoModelForCausalLM + trust_remote_code を使用。
#       Windows で protobuf>=5 が入っていると "MessageFactory.GetPrototype" 表示が出る場合あり→
#       初回は7BのDLで数GBの空き容量が必要。GPU推奨。
# 前準備
#    pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
#    pip install transformers accelerate protobuf


import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# GPU/CPU自動選択
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f'デバイス: {str(device)}')

print("Hunyuan-MT-7B モデルを読み込み中...")
model_name = "tencent/Hunyuan-MT-7B"

try:
    tokenizer = AutoTokenizer.from_pretrained(
        model_name,
        trust_remote_code=True
    )

    # device_map を削除し、手動でdeviceを指定
    model = AutoModelForCausalLM.from_pretrained(
        model_name,
        trust_remote_code=True,
        torch_dtype=torch.float16 if device.type == 'cuda' else torch.float32
    ).to(device)

    print("モデルの読み込みが完了しました。")
    if device.type == 'cuda':
        print(f'GPU: {torch.cuda.get_device_name(0)}')

except Exception as e:
    print(f"モデル読み込みエラー: {e}")
    print("pip install transformers torch を実行してください")
    exit()

print("\n=== 翻訳処理開始 ===")
print("操作方法:")
print("  1: サンプル文章で翻訳")
print("  2: 入力文章を翻訳")
print("  q: プログラム終了")

try:
    while True:
        choice = input("\n選択 (1/2/q): ").strip()

        if choice.lower() == 'q':
            break
        elif choice == '1':
            japanese_text = "私は昨日図書館に行きました。"
            print(f"サンプル文章: {japanese_text}")
        elif choice == '2':
            japanese_text = input("日本語を入力: ").strip()
            if not japanese_text:
                print("入力が空です。")
                continue
        else:
            print("1, 2, または q を入力してください。")
            continue

        # 翻訳処理
        try:
            message = [{
                "role": "user",
                "content": f"Translate the following segment into English, without additional explanation.\n\n{japanese_text}"
            }]

            input_ids = tokenizer.apply_chat_template(
                message,
                add_generation_prompt=False,
                return_tensors="pt"
            ).to(device)

            with torch.no_grad():
                output = model.generate(
                    input_ids,
                    max_new_tokens=256,
                    do_sample=False,
                    temperature=1.0,
                    pad_token_id=tokenizer.eos_token_id
                )

            translated_text = tokenizer.decode(
                output[0][input_ids.shape[-1]:],
                skip_special_tokens=True
            )

            print(f"翻訳結果: {translated_text}")

        except Exception as e:
            print(f"翻訳処理エラー: {e}")

finally:
    print('\n=== プログラム終了 ===')