Opus Mt Tc Big En Pt

🚀 opus-mt-tc-big-en-pt

這是一個用於將英語（en）翻譯成葡萄牙語（pt）的神經機器翻譯模型。該模型能夠為用戶提供高效、準確的英葡翻譯服務，在相關領域具有重要的應用價值。

🚀 快速開始

本模型是 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多種語言中廣泛可用且易於獲取。所有模型最初使用 Marian NMT 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。這些模型已通過 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 的程序。

• 相關出版物：OPUS - MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT（如果您使用此模型，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",
}

✨ 主要特性

• 這是一個具有多種目標語言的多語言翻譯模型。
• 翻譯效果良好，在不同測試集上有一定的 BLEU 得分。

📦 安裝指南

文檔未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>por<< Tom tried to stab me.",
    ">>por<< He has been to Hawaii several times."
]

model_name = "pytorch-models/opus-mt-tc-big-en-pt"
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:
#     O Tom tentou esfaquear-me.
#     Ele já esteve no Havaí várias vezes.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-pt")
print(pipe(">>por<< Tom tried to stab me."))

# 預期輸出: O Tom tentou esfaquear-me.

📚 詳細文檔

模型信息

這是一個具有多種目標語言的多語言翻譯模型，需要以 >>id<<（id = 有效目標語言 ID）的形式使用句子初始語言標記，例如 >>pob<<。

基準測試

• 測試集翻譯：opusTCv20210807+bt_transformer - big_2022 - 03 - 13.test.txt
• 測試集得分：opusTCv20210807+bt_transformer - big_2022 - 03 - 13.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”研究和創新計劃（贈款協議編號 771113）資助。
• MeMAD 項目，由歐盟的“地平線 2020”研究和創新計劃資助，贈款協議編號 780069。

我們也感謝 CSC -- 芬蘭科學信息技術中心 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：3405783
• 轉換時間：Wed Apr 13 17:48:54 EEST 2022
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本模型使用的許可證為 cc - by - 4.0。