使用facebook/m2m100_418M模型翻译异常：法语变芬兰语排查

你遇到的问题不是缓存了其他模型，而是M2M100模型的用法存在错误。M2M100作为多语言翻译模型，仅修改model.config.target_lang无法正确指定目标语言，必须通过tokenizer或生成参数明确指定目标语言标识。

核心原因 #

M2M100的目标语言选择依赖tokenizer的target_lang设置，或者在生成时强制传入目标语言的起始token（bos token）。只修改模型配置的target_lang不会让模型正确识别翻译方向，导致默认输出了其他语言（比如你遇到的芬兰语）。

修正方法 #

以下是两种可行的修正方案：

方案一：通过tokenizer指定目标语言

from transformers import M2M100ForConditionalGeneration, M2M100Tokenizer

model_name = 'facebook/m2m100_418M'
model = M2M100ForConditionalGeneration.from_pretrained(model_name)
tokenizer = M2M100Tokenizer.from_pretrained(model_name)

source_text = "Hello, how are you?"
# 明确指定源语言为英文
tokenizer.src_lang = "en"
input_ids = tokenizer.encode(source_text, return_tensors='pt')
# 指定目标语言为法语，让tokenizer生成对应语言的起始token
tokenizer.tgt_lang = "fr"
output_ids = model.generate(input_ids, forced_bos_token_id=tokenizer.get_lang_id("fr"))
translated_text = tokenizer.decode(output_ids[0], skip_special_tokens=True)
print(translated_text)

方案二：直接在generate时强制设置目标语言的bos token

from transformers import M2M100ForConditionalGeneration, M2M100Tokenizer

model_name = 'facebook/m2m100_418M'
model = M2M100ForConditionalGeneration.from_pretrained(model_name)
tokenizer = M2M100Tokenizer.from_pretrained(model_name)

source_text = "Hello, how are you?"
# 编码时指定源语言
input_ids = tokenizer(source_text, return_tensors='pt', src_lang="en").input_ids
# 生成时强制传入法语的bos token ID
output_ids = model.generate(input_ids, forced_bos_token_id=tokenizer.get_lang_id("fr"))
translated_text = tokenizer.decode(output_ids[0], skip_special_tokens=True)
print(translated_text)

验证效果 #

修正后运行代码，应该能得到正确的法语翻译：Bonjour, comment ça va ?

内容的提问来源于stack exchange，提问作者justTil