Opus Mt Tc Base En Sh

🚀 opus-mt-tc-base-en-sh

英語（en）からセルボ・クロアチア語（sh）への翻訳を行うニューラル機械翻訳モデルです。多言語対応で、複数の目標言語への翻訳が可能です。

🚀 クイックスタート

このモデルを使って英語からセルボ・クロアチア語への翻訳を行うには、以下のコード例を参考にしてください。

基本的な使用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>hrv<< You're about to make a very serious mistake.",
    ">>hbs<< I've just been too busy."
]

model_name = "pytorch-models/opus-mt-tc-base-en-sh"
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:
#     Ti si o tome napraviti vrlo ozbiljnu pogrešku.
#     [4]

高度な使用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-base-en-sh")
print(pipe(">>hrv<< You're about to make a very serious mistake."))

# expected output: Ti si o tome napraviti vrlo ozbiljnu pogrešku.

✨ 主な機能

• 英語からセルボ・クロアチア語（複数の方言を含む）への翻訳が可能です。
• 多言語対応の翻訳モデルで、複数の目標言語に対応しています。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

モデル詳細

このモデルは、ヘルシンキ大学の言語技術研究グループによって開発された翻訳モデルです。

トレーニング

• データ: opus+bt (ソース)
• 前処理: SentencePiece (spm32k,spm32k)
• モデルタイプ: transformer-align
• オリジナルのMarianNMTモデル: opus+bt-2021-04-20.zip
• トレーニングスクリプト: GitHub Repo

評価

• テストセットの翻訳結果: opus+bt-2021-04-20.test.txt
• テストセットのスコア: opus+bt-2021-04-20.eval.txt
• ベンチマーク結果: benchmark_results.txt
• ベンチマーク出力: benchmark_translations.zip

引用情報

このモデルを使用する場合は、以下の論文を引用してください。

• 出版物: OPUS-MT – Building open translation services for the World と The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT

@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",
}

謝辞

この研究は、European Language Grid の パイロットプロジェクト2866、FoTranプロジェクト（欧州研究評議会（ERC）の欧州連合のHorizon 2020研究・革新プログラム（助成協定番号771113）による資金提供）、および MeMADプロジェクト（欧州連合のHorizon 2020研究・革新プログラムの助成協定番号780069による資金提供）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

• transformersバージョン: 4.16.2
• OPUS-MTのgitハッシュ: e2a6299
• ポート時間: Tue Oct 11 10:14:32 CEST 2022
• ポートマシン: LM0-400-22516.local

🔧 技術詳細

このモデルは、OPUS-MTプロジェクト の一部であり、ニューラル機械翻訳モデルを多くの言語に対して広く利用可能にする取り組みの一環として開発されました。すべてのモデルは、最初は Marian NMT という純粋なC++で書かれた効率的なNMT実装の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。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 の手順を使用しています。

📄 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。

⚠️ 重要提示

このモデルは、様々な公開データセットを使用してトレーニングされており、それらのデータセットには不快な内容や攻撃的な内容が含まれている可能性があり、過去や現在のステレオタイプを伝播する可能性があります。

💡 使用建议

このモデルは多言語翻訳モデルであり、複数の目標言語に対応しています。文頭に >>id<<（id = 有効な目標言語ID）の形式の言語トークンを付ける必要があります。