Opus Mt Tc Big He En

🚀 opus-mt-tc-big-he-en

このモデルは、ヘブライ語（he）から英語（en）への翻訳を行うニューラル機械翻訳モデルです。世界中の多くの言語に対して、ニューラル機械翻訳モデルを広く利用可能かつアクセスしやすくする取り組みである[OPUS - MTプロジェクト](https://github.com/Helsinki - NLP/Opus - MT)の一部です。すべてのモデルは、最初は[Marian NMT](https://marian - nmt.github.io/)という素晴らしいフレームワークを使用してトレーニングされており、これは純粋なC++で書かれた効率的なNMTの実装です。モデルは、huggingfaceのtransformersライブラリを使用してpyTorchに変換されています。トレーニングデータはOPUSから取得され、トレーニングパイプラインは[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)の手順を使用しています。

• 出版物: [OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/) と [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)（このモデルを使用する場合は、引用してください。）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} Building open translation services for the World",
    author = {Tiedemann, J{\"o}rg  and Thottingal, Santhosh},
    booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
    month = nov,
    year = "2020",
    address = "Lisboa, Portugal",
    publisher = "European Association for Machine Translation",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "Proceedings of the Fifth Conference on Machine Translation",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.wmt-1.139",
    pages = "1174--1182",
}

📚 ドキュメント

モデル情報

モデル変換情報

💻 使用例

基本的な使用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "היא שכחה לכתוב לו.",
    "אני רוצה לדעת מיד כשמשהו יקרה."
]

model_name = "pytorch-models/opus-mt-tc-big-he-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     She forgot to write to him.
#     I want to know as soon as something happens.

高度な使用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-he-en")
print(pipe("היא שכחה לכתוב לו."))

# expected output: She forgot to write to him.

🔧 技術詳細

ベンチマーク

• テストセットの翻訳: [opusTCv20210807+bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/heb - eng/opusTCv20210807+bt_transformer - big_2022 - 03 - 13.test.txt)
• テストセットのスコア: [opusTCv20210807+bt_transformer - big_2022 - 03 - 13.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/heb - eng/opusTCv20210807+bt_transformer - big_2022 - 03 - 13.eval.txt)
• ベンチマーク結果: benchmark_results.txt
• ベンチマーク出力: benchmark_translations.zip

📄 ライセンス

このモデルは、CC - BY - 4.0ライセンスの下で提供されています。

謝辞

この研究は、[European Language Grid](https://www.european - language - grid.eu/)の[pilot project 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)、[FoTran project](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)（European Research Council (ERC)によるEuropean UnionのHorizon 2020研究およびイノベーションプログラム（助成協定番号771113）によって資金提供されています）、およびMeMAD project（European UnionのHorizon 2020 Research and Innovation Programmeによる助成協定番号780069によって資金提供されています）によって支援されています。また、フィンランドのCSC -- IT Center for Scienceによって提供された慷慨な計算リソースとITインフラストラクチャに感謝します。