是的，Sentence Transformers 可以处理英语以外的语言。多语言句子嵌入是通过专门训练的模型实现的，这些模型将来自多种语言的文本映射到共享的语义空间中。这些模型旨在理解和表示跨语言的句子含义，从而实现跨语言相似性搜索或聚类等任务，而无需翻译。例如，法语句子及其英语翻译会生成在向量空间中彼此接近的嵌入，即使表面文本不同。
多语言能力的关键在于训练数据和模型架构。像 paraphrase-multilingual-MiniLM-L12-v2 或 distiluse-base-multilingual-cased 这样的模型是在平行语料库上训练的——平行语料库是翻译成多种语言的文本集合（例如，维基百科文章、多语言新闻数据集）。在训练过程中，模型学习对齐跨语言的语义等效句子的嵌入。这通常使用对比学习目标（例如 triplet loss）来完成，其中模型最小化翻译嵌入之间的距离，同时最大化不相关句子嵌入之间的距离。此外，一些模型利用语言无关的标记化技术（例如，使用 SentencePiece 或多语言 BERT 风格的标记器）来处理不同的脚本和词汇。例如，XLM-R（多语言模型的常见骨干）使用在 100 多种语言上训练的单个词汇表，从而实现跨语言的一致标记化。
从实践的角度来看，开发人员可以直接使用预训练的多语言 Sentence Transformers。例如，sentence-transformers/all-MiniLM-L6-v2 支持 50 多种语言。在处理文本时，模型使用其内置的标记器标记输入，该标记器将文本拆分为跨语言常见的子词。生成的嵌入将反映语义含义，而与语言无关，从而实现多语言搜索引擎或多语言文档分类等应用程序。但是，性能可能因语言和训练数据覆盖范围而异——具有丰富训练数据的语言（例如，德语、西班牙语）通常会产生比低资源语言更好的结果。在特定领域的多语言数据上进行微调可以进一步提高专门用例的准确性。