Opus Mt Tc Big Ar En

🚀 opus-mt-tc-big-ar-en

這是一個用於將阿拉伯語（ar）翻譯成英語（en）的神經機器翻譯模型。該模型是 [OPUS - MT 項目](https://github.com/Helsinki - NLP/Opus - MT) 的一部分，此項目致力於讓神經機器翻譯模型在全球多種語言中廣泛可用且易於獲取。所有模型最初使用 [Marian NMT](https://marian - nmt.github.io/) 這一出色的框架進行訓練，它是一個用純 C++ 編寫的高效 NMT 實現。這些模型通過 huggingface 的 transformers 庫轉換為 pyTorch 格式。訓練數據來自 OPUS，訓練流程採用 [OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train) 的程序。

• 相關出版物：[OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/) 和 [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)（如果使用此模型，請進行引用）

@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",
}

📚 詳細文檔

模型信息

使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "اتبع قلبك فحسب.",
    "وين راهي دّوش؟"
]

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

# 預期輸出:
#     Just follow your heart.
#     Wayne Rahi Dosh?

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - ar - en")
print(pipe("اتبع قلبك فحسب."))

# 預期輸出: Just follow your heart.

基準測試

• 測試集翻譯結果：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/ara - eng/opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt)
• 測試集得分：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/ara - eng/opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.eval.txt)
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

致謝

這項工作得到了以下項目的支持：

• [歐洲語言網格](https://www.european - language - grid.eu/) 的 [試點項目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)。
• [FoTran 項目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)，由歐洲研究理事會（ERC）在歐盟的地平線 2020 研究與創新計劃（資助協議編號 771113）下資助。
• MeMAD 項目，由歐盟的地平線 2020 研究與創新計劃資助，資助協議編號 780069。

我們也感謝 CSC -- IT 科學中心（芬蘭）提供的慷慨計算資源和 IT 基礎設施。

模型轉換信息

許可證

本模型使用的許可證為 cc - by - 4.0。