三分钟教你Qwen大模型创建多语言聊天和翻译应用，附源码！

随着全球化进程的加速，跨语言跨文化的交流和沟通越来越重要。如今，借助先进的AI技术，像Qwen 2 LLM这样的大语言模型，可以帮助快速开发出支持多语言的应用。

使用Qwen 2 LLM构建一个支持英语、中文、日语等多种语言的应用程序，并且可根据需求添加更多语言，借助Hugging Face的transformers库来处理翻译任务，使用Gradio构建用户界面，以及通过Google Colab来运行应用。

获取Qwen 2 LLM模型

在Hugging Face的模型库中可以获取Qwen 2 LLM模型。这个功能强大的模型覆盖了多种自然语言处理任务，无论是翻译还是聊天，都能轻松应对。

步骤1：安装所需库

要使用Qwen 2 LLM构建翻译和聊天应用，首先安装必要的库。这些包括用于模型加速、文本转语音转换和在Google Colab中直接创建交互式Web界面的工具。

!pip install accelerate gTTS gradio transformers

步骤2：设置库和模型

搭建翻译聊天应用，得先配置好环境，把需要的库和模型导入进来。下面是初始化的步骤：

导入库：导入处理模型、创建用户界面和文本转语音功能所需的基本库。

from transformers import AutoTokenizer, AutoModelForCausalLM
import gradio as gr
import torch
from gtts import gTTS
import os

步骤3：为模型推理配置设备

根据硬件可用性设置模型推理的设备：

device = "cuda" if torch.cuda.is_available() else "cpu"

步骤4：加载语言模型

加载Qwen 2 LLM及其分词器，以处理翻译和聊天任务：

language_model_name = "Qwen/Qwen2-1.5B-Instruct"
language_model = AutoModelForCausalLM.from_pretrained(language_model_name, torch_dtype="auto", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained(language_model_name)

步骤5：处理翻译或聊天的输入

定义一个函数来根据选定的操作处理用户输入，无论是翻译还是聊天。

def process_input(input_text, action):
    if action == "翻译成英语":
        prompt = f"请将以下文本翻译成英语：{input_text}"
        lang = "en"
    elif action == "翻译成中文":
        prompt = f"请将以下文本翻译成中文：{input_text}"
        lang = "zh-cn"
    elif action == "翻译成日语":
        prompt = f"请将以下文本翻译成日语：{input_text}"
        lang = "ja"
    else:
        prompt = input_text
        lang = "en"
    messages = [
        {"role": "system", "content": "你是一个乐于助人的AI助手。"},
        {"role": "user", "content": prompt}
    ]
    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )
    model_inputs = tokenizer([text], return_tensors="pt").to(device)
    generated_ids = language_model.generate(
        model_inputs.input_ids,
        max_new_tokens=512
    )
    generated_ids = [
        output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
    ]
    output_text = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    return output_text, lang

步骤6：将文本转换为语音

实现一个函数，将生成的文本转换为语音：

def text_to_speech(text, lang):
    tts = gTTS(text=text, lang=lang)
    filename = "output_audio.mp3"
    tts.save(filename)
    return filename

步骤7：处理用户交互

创建一个函数来通过处理输入和将输出转换为语音来管理用户交互：

def handle_interaction(input_text, action):
    output_text, lang = process_input(input_text, action)
    audio_filename = text_to_speech(output_text, lang)
    return output_text, audio_filename

步骤8：定义操作选项

指定用户可用的操作：

action_options = ["翻译成英语", "翻译成中文", "翻译成日语", "聊天"]

步骤9：创建Gradio界面

使用Gradio设置用户界面，与你的应用交互：

iface = gr.Interface(
    fn=handle_interaction,
    inputs=[
        gr.Textbox(label="输入文本"),
        gr.Dropdown(action_options, label="选择操作")
    ],
    outputs=[
        gr.Textbox(label="输出文本"),
        gr.Audio(label="输出音频")
    ],
    title="使用AI的翻译和聊天应用",
    description="根据选定的操作翻译输入文本或进行聊天。",
    theme= "gradio/soft"
)

步骤10：启动界面

启动Gradio界面并使其在线可访问：

if __name__ == "__main__":
    iface.launch(share=True)

​

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）