Banglish To Bangla

🚀 邦文羅馬字轉孟加拉文音譯模型

本模型旨在將邦文羅馬字（用羅馬字母書寫的孟加拉語）音譯為孟加拉文字符。它基於facebook/mbart-large-50-many-to-many-mmt模型，使用SKNahin/bengali-transliteration-data數據集進行微調。

🚀 快速開始

示例代碼

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

• 能夠將邦文羅馬字文本音譯為孟加拉文字符，適用於社交媒體、消息傳遞和正式交流。
• 可用於孟加拉語與其他語言之間翻譯任務的微調。
• 可以集成到聊天機器人或虛擬助理中。

📦 安裝指南

文檔未提供安裝步驟，故跳過該章節。

💻 使用示例

基礎用法

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"))

高級用法

文檔未提供高級用法示例，故跳過該部分。

📚 詳細文檔

模型詳情

模型描述

本模型專為將邦文羅馬字（用羅馬字母書寫的孟加拉語）音譯為孟加拉文字符而設計。它基於facebook/mbart-large-50-many-to-many-mmt模型，使用SKNahin/bengali-transliteration-data數據集進行微調。

模型來源

• 倉庫：https://huggingface.co/your-username/banglish-to-bangla-mbart
• 數據集：SKNahin/bengali-transliteration-data
• 演示（可選）：[Colab Notebook鏈接或Web演示]

使用場景

直接使用

• 將邦文羅馬字文本音譯為孟加拉文字符，用於社交媒體、消息傳遞和正式交流。

下游使用

• 用於孟加拉語與其他語言之間翻譯任務的微調。
• 集成到聊天機器人或虛擬助理中。

非適用場景

• 不適合無關語言之間的通用語言翻譯。
• 無法有效處理混合語言輸入（例如，邦文羅馬字 + 英語組合）。

偏差、風險和侷限性

偏差

• 數據集可能包含非正式短語，可能會降低在正式語言上的性能。
• 對於長句或複雜句子，性能可能會下降。

侷限性

• 對於罕見短語或俚語，模型性能可能會有所不同。
• 無法有效支持混合語言輸入。

建議

用戶應針對特定用例評估輸出，特別是在正式環境中。可能需要額外的過濾或預處理。

🔧 技術細節

文檔未提供技術實現細節，故跳過該章節。

📄 許可證

本模型使用的許可證為 Apache 2.0。