opus-mt-zh-ms開源機器翻譯模型 - 支持多變體中文到馬來語高效翻譯

Home

Opus Mt Zh Ms

Developed by Helsinki-NLP

這是一個基於transformer-align架構的中文到馬來語（宏觀語言）的機器翻譯模型，支持多種中文變體和馬來語分支。

機器翻譯

Transformers

Supports Multiple LanguagesOpen Source License:Apache-2.0 #多方言中文支持 #宏觀馬來語覆蓋 #SentencePiece預處理

Downloads 22

Release Time : 3/2/2022

Model Overview

該模型專門用於中文（包括簡體、繁體及方言變體）到馬來語（含標準馬來語和印度尼西亞語）的文本翻譯任務，採用標準化預處理和SentencePiece分詞。

Model Features

多語言變體支持

同時處理中文多種書寫形式（簡/繁體、粵語等）和馬來語分支（標準馬來語、印尼語）

標準化預處理

採用SentencePiece分詞技術（spm32k）確保文本規範化處理

語言標識符支持

通過>>id<<格式的目標語言標識符實現多語言目標控制

Model Capabilities

中文到馬來語的文本翻譯

多語言變體識別

跨方言機器翻譯

Use Cases

跨語言交流

商務文件翻譯

中馬雙語商務合同/信函的自動化翻譯

BLEU 13.9/chr-F 0.390（Tatoeba測試集）

教育輔助

語言學習工具

為中文使用者提供馬來語學習輔助翻譯

🚀 中文 - 馬來語翻譯項目

本項目專注於中文到馬來語的翻譯，提供了特定的翻譯模型及相關測試數據，能為中文到馬來語的翻譯任務提供支持。

🚀 快速開始

本項目主要用於中文到馬來語的翻譯，下面為你介紹相關信息：

源語言組：中文
目標語言組：馬來語（宏觀語言）
OPUS說明文檔：zho - msa

✨ 主要特性

模型類型：transformer - align
源語言：cmn_Bopo、cmn_Hani、cmn_Latn、hak_Hani、yue_Bopo、yue_Hani
目標語言：ind、zsm_Latn
預處理：歸一化 + SentencePiece (spm32k,spm32k)
輸入要求：句子開頭需要使用 >>id<< 形式的語言標記（id = 有效的目標語言ID）

📦 安裝指南

你可以通過以下鏈接下載原始權重： opus - 2020 - 06 - 17.zip

📚 詳細文檔

測試集相關

測試集翻譯：opus - 2020 - 06 - 17.test.txt
測試集評分：opus - 2020 - 06 - 17.eval.txt

基準測試

測試集	BLEU	chr - F
Tatoeba - test.zho.msa	13.9	0.390

系統信息

屬性	詳情
hf名稱	zho - msa
源語言	zho
目標語言	msa
OPUS說明文檔鏈接	https://github.com/Helsinki-NLP/Tatoeba-Challenge/tree/master/models/zho-msa/README.md
原始倉庫	Tatoeba - Challenge
標籤	['translation']
語言	['zh', 'ms']
源語言成分	{'cmn_Hans', 'nan', 'nan_Hani', 'gan', 'yue', 'cmn_Kana', 'yue_Hani', 'wuu_Bopo', 'cmn_Latn', 'yue_Hira', 'cmn_Hani', 'cjy_Hans', 'cmn', 'lzh_Hang', 'lzh_Hira', 'cmn_Hant', 'lzh_Bopo', 'zho', 'zho_Hans', 'zho_Hant', 'lzh_Hani', 'yue_Hang', 'wuu', 'yue_Kana', 'wuu_Latn', 'yue_Bopo', 'cjy_Hant', 'yue_Hans', 'lzh', 'cmn_Hira', 'lzh_Yiii', 'lzh_Hans', 'cmn_Bopo', 'cmn_Hang', 'hak_Hani', 'cmn_Yiii', 'yue_Hant', 'lzh_Kana', 'wuu_Hani'}
目標語言成分	{'zsm_Latn', 'ind', 'max_Latn', 'zlm_Latn', 'min'}
源語言多語言特性	否
目標語言多語言特性	否
預處理	歸一化 + SentencePiece (spm32k,spm32k)
模型鏈接	https://object.pouta.csc.fi/Tatoeba-MT-models/zho-msa/opus-2020-06-17.zip
測試集鏈接	https://object.pouta.csc.fi/Tatoeba-MT-models/zho-msa/opus-2020-06-17.test.txt
源語言ISO 639 - 3代碼	zho
目標語言ISO 639 - 3代碼	msa
短語言對	zh - ms
chrF2分數	0.39
BLEU分數	13.9
簡潔懲罰	0.9229999999999999
參考長度	2762.0
源語言名稱	中文
目標語言名稱	馬來語（宏觀語言）
訓練日期	2020 - 06 - 17
源語言ISO 639 - 2代碼	zh
目標語言ISO 639 - 2代碼	ms
是否偏好舊版本	否
長語言對	zho - msa
赫爾辛基Git提交哈希	480fcbe0ee1bf4774bcbe6226ad9f58e63f6c535
Transformers Git提交哈希	2207e5d8cb224e954a7cba69fa4ac2309e9ff30b
移植機器	brutasse
移植時間	2020 - 08 - 21 - 14:41