Opus Mt Tc Big En Ko

🚀 opus-mt-tc-big-en-ko

這是一個用於英文（en）到韓文（ko）翻譯的神經機器翻譯模型。它屬於OPUS - MT項目，旨在讓神經機器翻譯模型廣泛可用，適用於全球多種語言。

🚀 快速開始

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2, 4, 6 etc. are even numbers.",
    "Yes."
]

model_name = "pytorch-models/opus-mt-tc-big-en-ko"
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) )

# expected output:
#     2, 4, 6 등은 짝수입니다.
#     그래

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-ko")
print(pipe("2, 4, 6 etc. are even numbers."))

# expected output: 2, 4, 6 등은 짝수입니다.

✨ 主要特性

• 此模型是多語言翻譯模型，支持多種目標語言。
• 可用於翻譯和文本到文本的生成任務。

📦 安裝指南

文檔未提及安裝步驟，暫不展示。

📚 詳細文檔

模型詳情

該模型是用於從英語（en）翻譯成韓語（ko）的神經機器翻譯模型。

此模型是OPUS - MT項目的一部分，該項目致力於使神經機器翻譯模型廣泛適用於世界上的多種語言。所有模型最初都使用Marian NMT這一出色的框架進行訓練，Marian NMT是一個用純C++編寫的高效NMT實現。這些模型已使用huggingface的transformers庫轉換為pyTorch。訓練數據來自OPUS，訓練管道採用OPUS - MT - train的流程。 模型描述：

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）的形式使用句子初始語言標記，例如>><<。

用途

此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））。

訓練

• 數據：opusTCv20210807（來源）
• 預處理：SentencePiece（spm32k,spm32k）
• 模型類型：transformer - big
• 原始MarianNMT模型：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip
• 訓練腳本：GitHub倉庫

評估

• 測試集翻譯：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.test.txt
• 測試集分數：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.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：OPUS - MT – 為世界構建開放翻譯服務和塔託埃巴翻譯挑戰 – 低資源和多語言機器翻譯的現實數據集（如果使用此模型，請引用）

@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

這項工作得到了歐洲語言網格的試點項目2866、由歐洲研究理事會（ERC）在歐盟的“地平線2020”研究和創新計劃（資助協議編號771113）資助的FoTran項目以及由歐盟的“地平線2020”研究和創新計劃（資助協議編號780069）資助的MeMAD項目的支持。我們也感謝芬蘭CSC - 科學信息技術中心提供的慷慨計算資源和IT基礎設施。

模型轉換信息

• transformers版本：4.16.2
• OPUS - MT git哈希值：8b9f0b0
• 轉換時間：2022年8月12日星期五11:02:03 EEST
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本項目採用CC - BY - 4.0許可證。