Terjman Nano V2.0

🚀 🇲🇦 Terjman-Nano-v2.0 (77M)

Terjman-Nano-v2.0是atlasia/Terjman-Nano-v1的改進版本，它基於強大的Transformer架構構建，並針對高質量、準確的翻譯進行了微調。此版本基於atlasia/Terjman-Nano-v1，並在更大、更精細的數據集上進行了訓練，從而提升了翻譯性能。在TerjamaBench（一個針對英語 - 摩洛哥達里語翻譯模型的評估基準，更側重於從文化方面對模型進行挑戰）上，該模型取得了與gpt-4o-2024-08-06相當的結果。

🚀 快速開始

特性

✅ 針對英語到摩洛哥達里語的翻譯進行了微調。 ✅ 在開源模型中具有最先進的性能。 ✅ 與🤗 Transformers兼容，並且可以輕鬆部署在各種硬件環境中。

性能對比

以下表格對比了Terjman-Nano-v2.0與專有模型和開源模型在BLEU、chrF和TER得分上的表現。BLEU/chrF得分越高、TER得分越低，表示翻譯質量越好。

模型詳情

💻 使用示例

基礎用法

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "BounharAbdelaziz/Terjman-Nano-v2.0"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

def translate(text):
    inputs = tokenizer(text, return_tensors="pt")
    output = model.generate(**inputs)
    return tokenizer.decode(output[0], skip_special_tokens=True)

# Example translation
text = "Hello there! Today the weather is so nice in Geneva, couldn't ask for more to enjoy the holidays :)"
translation = translate(text)
print("Translation:", translation)
# prints: صباح الخير! اليوم الطقس زوين بزاف فجنيف، ما قدرش نطلب أكثر باش نستمتع بالعطلات:)

📚 詳細文檔

部署

在Hugging Face Space中運行

可以在Terjman-Nano Space中交互式地試用該模型 🤗。

使用Text Generation Inference (TGI)

若要進行快速推理，可以使用Hugging Face TGI：

pip install text-generation
text-generation-launcher --model-id BounharAbdelaziz/Terjman-Nano-v2.0

使用Transformers和PyTorch在本地運行

pip install transformers torch
python -c "from transformers import pipeline; print(pipeline('translation', model='BounharAbdelaziz/Terjman-Nano-v2.0')('Hello there!'))"

在API服務器上部署

可以使用FastAPI將翻譯服務作為API提供：

from fastapi import FastAPI
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

app = FastAPI()
model_name = "BounharAbdelaziz/Terjman-Nano-v2.0"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

@app.get("/translate/")
def translate(text: str):
    inputs = tokenizer(text, return_tensors="pt")
    output = model.generate(**inputs)
    return {"translation": tokenizer.decode(output[0], skip_special_tokens=True)}

訓練細節（超參數）

該模型使用以下訓練設置進行微調：

• 學習率：0.0001
• 訓練批次大小：64
• 評估批次大小：64
• 隨機種子：42
• 梯度累積步數：4
• 總有效批次大小：256
• 優化器：AdamW (Torch)，betas=(0.9,0.999)，epsilon=1e-08
• 學習率調度器：Linear
• 熱身比例：0.1
• 訓練輪數：5
• 精度：Mixed FP16，用於高效訓練

框架版本

• Transformers 4.47.1
• Pytorch 2.5.1+cu124
• Datasets 3.1.0
• Tokenizers 0.21.0

📄 許可證

該模型遵循**CC BY - NC（知識共享署名 - 非商業性使用）**許可協議發佈，這意味著它可用於研究和個人項目，但不能用於商業目的。如需商業使用，請聯繫相關人員 :)

@misc{terjman-v2,
  title = {Terjman-v2: High-Quality English-Moroccan Darija Translation Model},
  author={Abdelaziz Bounhar},
  year={2025},
  howpublished = {\url{https://huggingface.co/BounharAbdelaziz/Terjman-Nano-v2.0}},
  license = {CC BY-NC}
}