モデル概要
モデル特徴
モデル能力
使用事例
🚀 opus-mt-tc-big-ko-en
このモデルは韓国語(ko)から英語(en)への翻訳を行うためのニューラル機械翻訳モデルです。OPUS - MTプロジェクトの一部として開発され、多くの言語に対応した翻訳モデルを提供します。
🚀 クイックスタート
このモデルを使って韓国語から英語への翻訳を行うことができます。以下に簡単なコード例を示します。
基本的な使用法
from transformers import MarianMTModel, MarianTokenizer
src_text = [
"2, 4, 6 등은 짝수이다.",
"네."
]
model_name = "pytorch-models/opus-mt-tc-big-ko-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:
# 2, 4, and 6 are even.
# Yeah.
高度な使用法
from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ko-en")
print(pipe("2, 4, 6 등은 짝수이다."))
# expected output: 2, 4, and 6 are even.
✨ 主な機能
- 韓国語から英語への翻訳が可能です。
- テキスト生成にも使用できます。
📦 インストール
このモデルはtransformers
ライブラリを通じて使用できます。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
このモデルは韓国語(ko)から英語(en)への翻訳を行うためのニューラル機械翻訳モデルです。
このモデルは[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応した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に[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、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。
属性 | 详情 |
---|---|
開発者 | ヘルシンキ大学の言語技術研究グループ |
モデルタイプ | 翻訳(transformer - big) |
リリース日 | 2022 - 07 - 28 |
ライセンス | CC - BY - 4.0 |
言語 | ソース言語:韓国語(kor)、ターゲット言語:英語(eng) |
オリジナルモデル | [opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/kor - eng/opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip) |
詳細情報リソース | [OPUS - MT - train GitHubリポジトリ](https://github.com/Helsinki - NLP/OPUS - MT - train)、[この言語ペアのリリースモデルに関する詳細情報](https://github.com/Helsinki - NLP/Tatoeba - Challenge/tree/master/models/kor - eng/README.md)、transformersライブラリのMarianNMTモデルに関する詳細情報、[Tatoeba翻訳チャレンジ](https://github.com/Helsinki - NLP/Tatoeba - Challenge/) |
用途
このモデルは翻訳とテキスト生成に使用できます。
リスク、制限事項とバイアス
⚠️ 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、歴史的および現在のステレオタイプを広める内容が含まれている可能性があります。
多くの研究が言語モデルのバイアスと公平性の問題を探っています(例えば、[Sheng et al. (2021)](https://aclanthology.org/2021.acl - long.330.pdf) と Bender et al. (2021) を参照)。
トレーニング
- データ:opusTCv20210807 ([ソース](https://github.com/Helsinki - NLP/Tatoeba - Challenge))
- 前処理:SentencePiece (spm32k,spm32k)
- モデルタイプ:transformer - big
- オリジナルのMarianNMTモデル:[opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/kor - eng/opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip)
- トレーニングスクリプト:[GitHubリポジトリ](https://github.com/Helsinki - NLP/OPUS - MT - train)
評価
- テストセットの翻訳結果:[opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/kor - eng/opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.test.txt)
- テストセットのスコア:[opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/kor - eng/opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.eval.txt)
- ベンチマーク結果:benchmark_results.txt
- ベンチマーク出力:benchmark_translations.zip
言語ペア | テストセット | chr - F | BLEU | 文数 | 単語数 |
---|---|---|---|---|---|
kor - eng | tatoeba - test - v2021 - 08 - 07 | 0.58829 | 41.3 | 2400 | 17619 |
kor - eng | flores101 - devtest | 0.56615 | 27.7 | 1012 | 24721 |
引用情報
- 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",
}
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)、欧州研究評議会(ERC)によって欧州連合のHorizon 2020研究・イノベーションプログラム(助成契約番号771113)の下で資金提供された[FoTranプロジェクト](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)、および欧州連合のHorizon 2020研究・イノベーションプログラム(助成契約番号780069)の下で資金提供されたMeMADプロジェクト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が提供する計算リソースと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
- transformersバージョン:4.16.2
- OPUS - MTのgitハッシュ:8b9f0b0
- 変換時間:Fri Aug 12 11:19:05 EEST 2022
- 変換マシン:LM0 - 400 - 22516.local
📄 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。



