paraphrase-multilingual-MiniLM-L12-v2

paraphrase-multilingual-MiniLM-L12-v2

把句子和段落转成 384 个数字组成的向量，用于语义搜索、聚类和句子相似度，是 sentence-transformers 项目的多语言模型。适合构建搜索或匹配功能的开发者。

由 sentence-transformers 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个模型把一个句子或一段话变成 384 个数字组成的向量。意思相近的文本，向量也靠得很近，所以可以用在语义搜索或聚类上。它是基于 BERT 的多语言模型，有 118M 参数，由 sentence-transformers 项目训练。

适合谁：它适合需要按含义而不是按字面比较文本的开发者和分析人员。

行业 | 谁在用 | 怎么用 | 例子
搜索 | 应用开发者 | 按含义把输入的问题和文档对上 | 找到能回答客户问题的帮助文章
客户支持 | 支持工具的开发者 | 把用不同说法表达同一件事的消息归在一起 | 把讲同一个问题的工单聚成一类
数据分析 | 分析人员 | 对大量短文本做聚类 | 把问卷回答分到不同主题里
语言技术 | NLP 研究人员 | 用小型编码器作为句子任务的基线 | 和另一个嵌入模型做对比

如果你需要能写文字或回答问题的模型，可以跳过它，因为这个模型只产出向量。

用在哪里：

• 在 Windows、macOS 或 Linux 上，使用 sentence-transformers 库的 Python 程序
• 使用 Hugging Face Transformers 并自带池化步骤的 Python 代码
• 应用里的搜索、聚类和匹配功能

用例 | 谁用 | 得到什么
语义搜索 | 开发者 | 每个句子一个 384 个数字的向量，可直接比较
聚类 | 分析人员 | 把相似文本放在相近位置的向量
句子相似度 | 研究人员 | 用来给两个句子的接近程度打分的嵌入

如何设置：

• Python
• sentence-transformers 库，或者走原生路线用的 Transformers 和 torch
• 第一次加载模型时需要连接 Hugging Face 平台

1. 安装 sentence-transformers 库。
2. 在你的 Python 代码里按名称加载模型。
3. 对一组句子做编码。
4. 也可以用平台的工具把文件下载到你自己的电脑上。

pip install -U sentence-transformers

pip install -U huggingface_hub
hf download sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

如何使用：加载模型，把一组句子交给 encode，就会为每个句子得到一个嵌入。如果用原生 Transformers，你需要先做分词，再运行模型，然后自己对词元嵌入求平均，并考虑注意力掩码。

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
embeddings = model.encode(sentences)
print(embeddings)

工具 | 作用
SentenceTransformer | 按名称加载模型
model.encode | 把一组句子变成嵌入
AutoTokenizer 和 AutoModel | 原生 Transformers 路线，需要你自己做池化
mean_pooling | 对词元嵌入求平均，并用注意力掩码保证平均正确

示例：你传入两个句子，一个说这是一个示例，另一个说每个句子都会被转换。打印结果会显示两个嵌入，每个都是 384 个数字组成的向量。

新手与专家：嵌入是一串代表文本含义的数字。含义相近的文本，数字串也彼此接近。第一次可以先安装这个库，运行上面的代码片段并打印向量。

从底层看，架构是一个最大序列长度为 128 的 BERT 模型，后面接池化，输出 384 维。池化对词元求平均，类别标记模式和最大值模式都关闭。更长的输入会在上限处被截断。平台上的语言列表依次是阿拉伯语、保加利亚语、加泰罗尼亚语、捷克语、丹麦语、德语、希腊语和英语。

句子输入
分词器和 BERT 模型
对词元做平均池化
输出 384 个数字的向量

注意事项：

Title: 权重大小
F32: 471 MB
4-bit estimate: 59 MB

• 模型对每个输入最多读取 128 个词元。
• 平台上显示其他人做的版本有 46 个量化版和 354 个微调版。
• License: Apache 2.0
• Cost to run: 未提到
• Data it reaches: 除了你传入的句子，以及第一次加载时从 Hugging Face 平台获取的模型文件外，未提到其他内容
• Not for: 未提到，而且它只产出向量，所以不会写文字或回答问题

Hugging Face 上的数据（2026年11月13日）

• 任务：sentence similarity
• 框架：sentence-transformers
• 参数量：118M
• Weights: about 471 MB in F32; about 59 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：26,540,125
• 点赞：1,505
• 许可证：apache-2.0
• 语言：ar, bg, ca, cs, da, de, el, en
• Quantized versions: 48
• Fine-tunes: 354
• 标签：sentence-transformers, pytorch, onnx, safetensors, openvino, bert, feature-extraction, sentence-similarity, transformers, multilingual, text-embeddings-inference

链接

• 模型：https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
• 文件：https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。