Polish Chinese model documentation

README_zh.md

@@ -26,20 +26,20 @@
 
 ## 1. 🧭 概览
 
-本仓库提供 [Realtime-Venus](https://realtime-venus.github.io/) 系统的两个模型检查点：
+本仓库提供 [Realtime-Venus](https://realtime-venus.github.io/) 系统的两款模型：
 
-- **Realtime-Venus-Omni**（`Realtime-Venus-Omni/`）：9B 音视频交互模型。它持续观看和聆听，判断是否响应以及何时响应，并在共享的因果时间线上生成文本和语音。该模型基于 MiniCPM-o 4.5 改造，支持主动交互、语义级打断处理，以及无需额外训练的长视频记忆（Memory）。
-- **Realtime-Venus-Audio**（`Realtime-Venus-Audio/`）：专注于音频的模型检查点，采用相同的流式骨干网络，用于音频理解和音频驱动的对话，可输出文本或语音。
+- **Realtime-Venus-Omni**（`Realtime-Venus-Omni/`）：9B 音视频交互模型，能够持续理解画面与声音，自主判断是否需要回应、何时回应，并在统一的因果时间线上生成文本和语音。模型基于 MiniCPM-o 4.5 构建，支持主动交互、语义级打断处理，以及无需额外训练的长视频记忆（Memory）。
+- **Realtime-Venus-Audio**（`Realtime-Venus-Audio/`）：专注于音频理解和语音对话，采用与 Omni 相同的流式主干网络，可输出文本或语音。
 
-两个目录均包含模型权重与自定义 Hugging Face Transformers 代码。异步运行的 Realtime-Venus-Harness 及其外部工具集成位于 [GitHub 仓库](https://github.com/inclusionAI/Realtime-Venus)。
+两个模型目录均包含权重和自定义的 Hugging Face Transformers 代码。负责异步任务执行的 Realtime-Venus-Harness 及其外部工具集成见 [GitHub 仓库](https://github.com/inclusionAI/Realtime-Venus)。
 
 ## 2. ✨ 核心亮点
 
-- **原生全双工对话：** 在说话时持续感知输入，能够区分简短附和、打断、纠正和话题转向。
-- **Omni-Proactive 主动交互：** 持续处理时间对齐的视频和音频，在事件需要响应时主动发言，无需等待用户提示。
-- **异步任务委派：** 在共享的因果时间线上发出流内 `<delegate>` 请求，并以相同方式接收后端异步返回的结果，使外部任务不会阻塞正在进行的对话。（执行这些请求需要 Realtime-Venus-Harness 运行时，详见 [GitHub 仓库](https://github.com/inclusionAI/Realtime-Venus)。）
-- **无需额外训练的长视频记忆：** 保存视觉信息丰富的时刻，检索与问题相关且不重复的证据，并重新组装对应的音视频上下文，无需额外训练。
-- **文本与语音输出：** 结合仓库内附带的 Token2wav 资源与参考音色，在生成回复文本的同时生成原生语音。
+- **原生全双工对话：** 模型在说话时仍持续感知输入，能够区分用户的简短附和、打断、纠正和话题切换。
+- **Omni-Proactive 主动交互：** 持续理解时间对齐的音视频内容，在需要回应的事件发生时主动发言，无需等待用户提示。
+- **异步任务委派：** 通过流内 `<delegate>` 请求发起任务，并在同一条因果时间线上接收后端异步返回的结果。外部任务与对话并行运行，不会阻塞当前交流。执行这些请求需要 Realtime-Venus-Harness 运行时，详见 [GitHub 仓库](https://github.com/inclusionAI/Realtime-Venus)。
+- **无需额外训练的长视频记忆：** 记录视觉信息丰富的时刻，根据问题检索相关且不重复的证据，再重组对应的音视频上下文。
+- **文本与语音输出：** 使用仓库提供的 Token2wav 资源和参考音色，在生成回复文本的同时输出原生语音。
 
 ## 3. 📋 模型信息
 
@@ -49,7 +49,7 @@
 | 基础架构 | MiniCPM-o 4.5 / Omni-Flow | MiniCPM-o 4.5 / Omni-Flow |
 | 视觉编码器 | SigLIP2 | 推理时不使用 |
 | 音频编码器 | Whisper-Medium | Whisper-Medium |
-| 语言模型骨干 | Qwen3-8B | Qwen3-8B |
+| 语言模型主干 | Qwen3-8B | Qwen3-8B |
 | 语音生成 | 离散 S3 语音 token，配合流式流匹配解码器 | 使用相同解码器，在全双工模式下启用 |
 | 输入 | 视频/图像、音频和文本 | 音频和文本 |
 | 输出 | 文本，以及可选的语音波形 | 文本和语音波形 |
@@ -89,7 +89,7 @@
 
 ## 6. 🛠️ 安装
 
-需要 Python 3.10、CUDA 和 FFmpeg。先下载仓库（两个模型检查点分别位于各自的子目录中），再安装 Python 依赖：
+运行示例需要 Python 3.10、CUDA 和 FFmpeg。先下载模型仓库，再安装 Python 依赖；两个模型的权重分别位于各自的子目录中：
 
 ```bash
 huggingface-cli download inclusionAI/Realtime-Venus --local-dir .