Opus Mt Tc Bible Big Deu Eng Fra Por Spa Mul

🚀 opus-mt-tc-bible-big-deu_eng_fra_por_spa-mul

這是一款用於從德語、英語、法語、葡萄牙語和西班牙語翻譯到多種語言的神經機器翻譯模型。它能助力用戶實現多語言間的文本翻譯和文本生成，但由於部分語言訓練數據有限，翻譯效果可能參差不齊。

🚀 快速開始

以下是使用該模型進行翻譯的簡短示例代碼：

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>aai<< Replace this with text in an accepted source language.",
    ">>zza<< This is the second sentence."
]

model_name = "pytorch-models/opus-mt-tc-bible-big-deu_eng_fra_por_spa-mul"
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) )

你也可以使用transformers的管道（pipeline）來使用OPUS - MT模型：

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-deu_eng_fra_por_spa-mul")
print(pipe(">>aai<< Replace this with text in an accepted source language."))

✨ 主要特性

• 多語言支持：支持從德語、英語、法語、葡萄牙語和西班牙語翻譯到多種目標語言。
• 開源框架：基於Marian NMT框架訓練，並使用transformers庫轉換為pyTorch模型，方便開發者使用。

📦 安裝指南

文檔未提及安裝步驟，可參考相關依賴庫（如transformers）的官方安裝說明。

📚 詳細文檔

模型詳情

這是一個用於從未知（德語 + 英語 + 法語 + 葡萄牙語 + 西班牙語）翻譯到多種語言（mul）的神經機器翻譯模型。需要注意的是，由於大多數語言的訓練數據非常有限，模型對許多列出的語言支持並不理想。翻譯性能差異很大，對於大量的語言對，模型可能根本無法工作。

該模型是OPUS - MT項目的一部分，該項目致力於讓神經機器翻譯模型在世界上的多種語言中廣泛可用和可訪問。所有模型最初都使用Marian NMT這個出色的框架進行訓練，它是一個用純C++編寫的高效NMT實現。這些模型已通過huggingface的transformers庫轉換為pyTorch。訓練數據來自OPUS，訓練管道使用OPUS - MT - train的程序。

這是一個具有多個目標語言的多語言翻譯模型。需要以>>id<<（id = 有效的目標語言ID）的形式提供句子初始語言標記，例如>>aai<<。

用途

該模型可用於翻譯和文本到文本的生成。

風險、限制和偏差

⚠️ 重要提示

讀者應該注意，該模型是在各種公共數據集上訓練的，這些數據集可能包含令人不安、冒犯性的內容，並且可能傳播歷史和當前的刻板印象。

大量研究已經探討了語言模型的偏差和公平性問題（例如，參見Sheng等人（2021）和Bender等人（2021））。

此外，由於大多數語言的訓練數據非常有限，模型對許多列出的語言支持並不理想。翻譯性能差異很大，對於大量的語言對，模型可能根本無法工作。

訓練

• 數據：opusTCv20230926max50+bt+jhubc（來源）
• 預處理：SentencePiece（spm32k,spm32k）
• 模型類型：transformer - big
• 原始MarianNMT模型：opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 05 - 30.zip
• 訓練腳本：GitHub倉庫

評估

• OPUS - MT儀表盤上的模型得分
• 測試集翻譯：opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 05 - 29.test.txt
• 測試集得分：opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 05 - 29.eval.txt
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

引用信息

• 出版物：Democratizing neural machine translation with OPUS - MT、OPUS - MT – Building open translation services for the World和The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT（如果使用此模型，請引用）

@article{tiedemann2023democratizing,
  title={Democratizing neural machine translation with {OPUS-MT}},
  author={Tiedemann, J{\"o}rg and Aulamo, Mikko and Bakshandaeva, Daria and Boggia, Michele and Gr{\"o}nroos, Stig-Arne and Nieminen, Tommi and Raganato, Alessandro and Scherrer, Yves and Vazquez, Raul and Virpioja, Sami},
  journal={Language Resources and Evaluation},
  number={58},
  pages={713--755},
  year={2023},
  publisher={Springer Nature},
  issn={1574-0218},
  doi={10.1007/s10579-023-09704-w}
}

@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",
}

致謝

這項工作得到了HPLT項目的支持，該項目由歐盟的Horizon Europe研究和創新計劃資助，資助協議編號為101070350。我們也感謝CSC -- IT Center for Science（芬蘭）和EuroHPC超級計算機LUMI提供的慷慨計算資源和IT基礎設施。

模型轉換信息

• transformers版本：4.45.1
• OPUS - MT git哈希值：0882077
• 轉換時間：Wed Oct 9 18:54:16 EEST 2024
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本模型使用的許可證為Apache - 2.0。