Opus Mt Tc Big En Pt

🚀 opus-mt-tc-big-en-pt

このモデルは、英語（en）からポルトガル語（pt）への翻訳を行うニューラル機械翻訳モデルです。 [OPUS - MT プロジェクト](https://github.com/Helsinki - NLP/Opus - MT)の一部で、多くの言語に対するニューラル機械翻訳モデルを広く利用可能にする取り組みの一環です。

🚀 クイックスタート

このモデルは、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学習され、huggingfaceのtransformersライブラリを用いてpyTorchに変換されています。学習データはOPUSから取得され、学習パイプラインは[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)の手順を使用しています。

• 論文: [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",
}

✨ 主な機能

• 複数のターゲット言語に対応した多言語翻訳モデルです。
• 文章の先頭に >>id<< （id = 有効なターゲット言語ID）の形式の言語トークンが必要です。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>por<< Tom tried to stab me.",
    ">>por<< He has been to Hawaii several times."
]

model_name = "pytorch - models/opus - mt - tc - big - en - pt"
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:
#     O Tom tentou esfaquear - me.
#     Ele já esteve no Havaí várias vezes.

高度な使用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - en - pt")
print(pipe(">>por<< Tom tried to stab me."))

# expected output: O Tom tentou esfaquear - me.

📚 ドキュメント

モデル情報

ベンチマーク

• テストセットの翻訳結果: [opusTCv20210807+bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - por/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/eng - por/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

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プロジェクト](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)（European Research Council (ERC) からの助成金契約番号 771113 で資金提供されています）、およびMeMADプロジェクト（European UnionのHorizon 2020 Research and Innovation Programme からの助成金契約番号 780069 で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が提供する計算資源とITインフラストラクチャに感謝します。

モデル変換情報

📄 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。