Opus Mt Tc Big Zls En

🚀 opus-mt-tc-big-zls-en

這是一個用於將南斯拉夫語系（zls）翻譯成英語（en）的神經機器翻譯模型。它是OPUS - MT項目的一部分，該項目致力於讓神經機器翻譯模型在全球多種語言中廣泛可用。

🚀 快速開始

此模型可用於將南斯拉夫語系的文本翻譯成英語。它基於OPUS - MT項目開發，利用Marian NMT框架進行訓練，並通過huggingface的transformers庫轉換為pyTorch模型。

✨ 主要特性

• 多語言支持：支持保加利亞語（bg）、波斯尼亞語（bs）、克羅地亞語（hr）、馬其頓語（mk）、塞爾維亞 - 克羅地亞語（sh）、斯洛文尼亞語（sl）、塞爾維亞語（sr）等南斯拉夫語系語言到英語的翻譯。
• 開源項目：作為OPUS - MT項目的一部分，遵循開放原則，便於研究和使用。
• 高效訓練：使用Marian NMT框架進行訓練，該框架用純C++編寫，訓練效率高。

📦 安裝指南

文檔未提及具體安裝步驟，暫不提供。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Да не би случайно Том да остави Мери да кара колата?",
    "Какво е времето днес?"
]

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

# expected output:
#     Did Tom just let Mary drive the car?
#     What's the weather like today?

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-zls-en")
print(pipe("Да не би случайно Том да остави Мери да кара колата?"))

# expected output: Did Tom just let Mary drive the car?

📚 詳細文檔

模型信息

基準測試

測試集翻譯：opusTCv20210807+bt_transformer-big_2022-03-17.test.txt 測試集得分：opusTCv20210807+bt_transformer-big_2022-03-17.eval.txt 基準測試結果：benchmark_results.txt 基準測試輸出：benchmark_translations.zip

🔧 技術細節

此模型最初使用Marian NMT框架進行訓練，該框架是一個用純C++編寫的高效NMT實現。之後，使用huggingface的transformers庫將模型轉換為pyTorch模型。訓練數據來自OPUS，訓練流程遵循OPUS - MT - train的程序。

📄 許可證

該模型遵循CC - BY - 4.0許可證。

引用說明

如果使用此模型，請引用以下出版物：

@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

本工作得到了以下項目的支持：

• European Language Grid的試點項目2866。
• FoTran項目，由歐盟的Horizon 2020研究和創新計劃（資助協議編號771113）下的歐洲研究理事會（ERC）資助。
• MeMAD項目，由歐盟的Horizon 2020研究和創新計劃資助（資助協議編號780069）。

同時，感謝CSC -- IT Center for Science（芬蘭）提供的計算資源和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 20:12:26 EEST 2022
• 轉換機器：LM0 - 400 - 22516.local