Opus Mt Tc Big De Es

🚀 opus-mt-tc-big-de-es

該模型是一個用於將德語（de）翻譯成西班牙語（es）的神經機器翻譯模型。它屬於OPUS - MT項目的一部分，旨在讓神經機器翻譯模型在全球多種語言中廣泛可用。

🚀 快速開始

代碼示例

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ich verstehe nicht, worüber ihr redet.",
    "Die Vögel singen in den Bäumen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-es"
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:
#     No entiendo de qué están hablando.
#     Los pájaros cantan en los árboles.

你也可以使用transformers管道來使用OPUS - MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-es")
print(pipe("Ich verstehe nicht, worüber ihr redet."))

# expected output: No entiendo de qué están hablando.

✨ 主要特性

• 該模型是用於從德語（de）到西班牙語（es）的神經機器翻譯模型。
• 屬於[OPUS - MT項目](https://github.com/Helsinki - NLP/Opus - MT)，旨在讓神經機器翻譯模型廣泛可用。
• 最初使用[Marian NMT](https://marian - nmt.github.io/)框架進行訓練，後使用huggingface的transformers庫轉換為pyTorch。
• 訓練數據來自OPUS，訓練管道採用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的流程。

📦 安裝指南

文檔未提供具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ich verstehe nicht, worüber ihr redet.",
    "Die Vögel singen in den Bäumen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-es"
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:
#     No entiendo de qué están hablando.
#     Los pájaros cantan en los árboles.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-es")
print(pipe("Ich verstehe nicht, worüber ihr redet."))

# expected output: No entiendo de qué están hablando.

📚 詳細文檔

模型詳情

• 開發者：赫爾辛基大學語言技術研究小組
• 模型類型：翻譯（transformer - big）
• 發佈時間：2022 - 07 - 26
• 許可證：CC - BY - 4.0
• 語言：
  • 源語言：deu
  • 目標語言：spa
  • 語言對：deu - spa
  • 有效目標語言標籤：無
• 原始模型：[opusTCv20210807_transformer - big_2022 - 07 - 26.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.zip)
• 更多信息資源：
  • [OPUS - MT - train GitHub倉庫](https://github.com/Helsinki - NLP/OPUS - MT - train)
  • 此語言對已發佈模型的更多信息：[OPUS - MT deu - spa README](https://github.com/Helsinki - NLP/Tatoeba - Challenge/tree/master/models/deu - spa/README.md)
  • transformers庫中MarianNMT模型的更多信息
  • [Tatoeba翻譯挑戰](https://github.com/Helsinki - NLP/Tatoeba - Challenge/)

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）](https://aclanthology.org/2021.acl - long.330.pdf)和Bender等人（2021））。

訓練

• 數據：opusTCv20210807 ([來源](https://github.com/Helsinki - NLP/Tatoeba - Challenge))
• 預處理：SentencePiece (spm32k,spm32k)
• 模型類型：transformer - big
• 原始MarianNMT模型：[opusTCv20210807_transformer - big_2022 - 07 - 26.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.zip)
• 訓練腳本：[GitHub倉庫](https://github.com/Helsinki - NLP/OPUS - MT - train)

評估

• 測試集翻譯：[opusTCv20210807_transformer - big_2022 - 07 - 26.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.test.txt)
• 測試集得分：[opusTCv20210807_transformer - big_2022 - 07 - 26.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.eval.txt)
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

引用信息

如果你使用此模型，請引用以下出版物：[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/)。

@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](https://www.european - language - grid.eu/)的支持，作為[試點項目2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)；還得到了[FoTran項目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)的資助，該項目由歐洲研究理事會（ERC）在歐盟的“地平線2020”研究和創新計劃（資助協議編號771113）下資助；以及MeMAD項目的資助，該項目由歐盟的“地平線2020”研究和創新計劃在資助協議編號780069下資助。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：8b9f0b0
• 轉換時間：2022年8月13日星期六00:06:19 EEST
• 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。