Opus Mt Tc Big En Cat Oci Spa

🚀 opus-mt-tc-big-en-cat_oci_spa

このモデルは、英語（en）からカタルーニャ語、オクシタニア語、スペイン語（cat+oci+spa）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、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にする取り組みの一環です。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います。これは、純粋なC++で書かれた効率的なNMT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、必ず引用してください）

@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",
}

🚀 クイックスタート

このモデルは、英語からカタルーニャ語、オクシタニア語、スペイン語への翻訳を行うために使用できます。以下のセクションでは、モデルの情報、使用方法、ベンチマーク結果などについて説明します。

✨ 主な機能

• 英語からカタルーニャ語、オクシタニア語、スペイン語への翻訳が可能。
• 複数のターゲット言語をサポートする多言語翻訳モデル。

📦 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 = [
    ">>spa<< Why do you want Tom to go there with me?",
    ">>spa<< She forced him to eat spinach."
]

model_name = "pytorch-models/opus-mt-tc-big-en-cat_oci_spa"
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:
#     ¿Por qué quieres que Tom vaya conmigo?
#     Ella lo obligó a comer espinacas.

高度な使用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-cat_oci_spa")
print(pipe(">>spa<< Why do you want Tom to go there with me?"))

# expected output: ¿Por qué quieres que Tom vaya conmigo?

📚 ドキュメント

モデル情報

これは複数のターゲット言語を持つ多言語翻訳モデルです。文頭に >>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。例えば >>cat<< です。

ベンチマーク

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)（欧州研究評議会（ERC）による欧州連合のHorizon 2020研究・イノベーションプログラム（助成契約番号771113）によって資金提供されています）、およびMeMAD project（欧州連合のHorizon 2020研究・イノベーションプログラムによって助成契約番号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によって提供された計算資源とITインフラストラクチャに感謝しています。

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。