Banglish To Bangla

🚀 邦文罗马字转孟加拉文音译模型

本模型旨在将邦文罗马字（用罗马字母书写的孟加拉语）音译为孟加拉文字符。它基于facebook/mbart-large-50-many-to-many-mmt模型，使用SKNahin/bengali-transliteration-data数据集进行微调。

🚀 快速开始

示例代码

from transformers import MBartForConditionalGeneration, MBart50TokenizerFast

model = MBartForConditionalGeneration.from_pretrained("your-username/banglish-to-bangla-mbart")
tokenizer = MBart50TokenizerFast.from_pretrained("your-username/banglish-to-bangla-mbart")

def translate(text):
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=64)
    outputs = model.generate(inputs.input_ids, max_length=64, num_beams=5, early_stopping=True)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

print(translate("ami tomake valobashi"))

✨ 主要特性

• 能够将邦文罗马字文本音译为孟加拉文字符，适用于社交媒体、消息传递和正式交流。
• 可用于孟加拉语与其他语言之间翻译任务的微调。
• 可以集成到聊天机器人或虚拟助理中。

📦 安装指南

文档未提供安装步骤，故跳过该章节。

💻 使用示例

基础用法

from transformers import MBartForConditionalGeneration, MBart50TokenizerFast

model = MBartForConditionalGeneration.from_pretrained("your-username/banglish-to-bangla-mbart")
tokenizer = MBart50TokenizerFast.from_pretrained("your-username/banglish-to-bangla-mbart")

def translate(text):
    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=64)
    outputs = model.generate(inputs.input_ids, max_length=64, num_beams=5, early_stopping=True)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

print(translate("ami tomake valobashi"))

高级用法

文档未提供高级用法示例，故跳过该部分。

📚 详细文档

模型详情

模型描述

本模型专为将邦文罗马字（用罗马字母书写的孟加拉语）音译为孟加拉文字符而设计。它基于facebook/mbart-large-50-many-to-many-mmt模型，使用SKNahin/bengali-transliteration-data数据集进行微调。

模型来源

• 仓库：https://huggingface.co/your-username/banglish-to-bangla-mbart
• 数据集：SKNahin/bengali-transliteration-data
• 演示（可选）：[Colab Notebook链接或Web演示]

使用场景

直接使用

• 将邦文罗马字文本音译为孟加拉文字符，用于社交媒体、消息传递和正式交流。

下游使用

• 用于孟加拉语与其他语言之间翻译任务的微调。
• 集成到聊天机器人或虚拟助理中。

非适用场景

• 不适合无关语言之间的通用语言翻译。
• 无法有效处理混合语言输入（例如，邦文罗马字 + 英语组合）。

偏差、风险和局限性

偏差

• 数据集可能包含非正式短语，可能会降低在正式语言上的性能。
• 对于长句或复杂句子，性能可能会下降。

局限性

• 对于罕见短语或俚语，模型性能可能会有所不同。
• 无法有效支持混合语言输入。

建议

用户应针对特定用例评估输出，特别是在正式环境中。可能需要额外的过滤或预处理。

🔧 技术细节

文档未提供技术实现细节，故跳过该章节。

📄 许可证

本模型使用的许可证为 Apache 2.0。