Opus Mt Tc Big Cat Oci Spa En

🚀 opus-mt-tc-big-cat_oci_spa-en

這是一個用於從加泰羅尼亞語、奧克語和西班牙語（cat+oci+spa）翻譯成英語（en）的神經機器翻譯模型。本模型是[OPUS - MT項目](https://github.com/Helsinki - NLP/Opus - MT)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且易於獲取。所有模型最初都使用[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，訓練流程採用了[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的方法。

• 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，請引用這些文獻）

@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",
}

🚀 快速開始

本模型可用於將加泰羅尼亞語、奧克語和西班牙語翻譯成英語。以下是使用示例：

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "¿Puedo hacerte una pregunta?",
    "Toca algo de música."
]

model_name = "pytorch-models/opus-mt-tc-big-cat_oci_spa-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:
#     Can I ask you a question?
#     He plays some music.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-cat_oci_spa-en")
print(pipe("¿Puedo hacerte una pregunta?"))

# 預期輸出: Can I ask you a question?

✨ 主要特性

• 支持加泰羅尼亞語、奧克語和西班牙語到英語的翻譯。
• 基於OPUS - MT項目，利用了Marian NMT框架進行訓練，並轉換為pyTorch格式。
• 訓練數據來自OPUS，採用了OPUS - MT - train的訓練流程。

📦 安裝指南

文檔未提供安裝步驟，可參考OPUS - MT項目相關文檔進行安裝。

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯結果：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/cat + oci + spa - eng/opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt)
• 測試集得分：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/cat + oci + spa - eng/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

🔧 技術細節

文檔未提供具體技術實現細節。

📄 許可證

本模型使用CC - BY - 4.0許可證。

致謝

本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)，由歐盟“地平線2020”研究與創新計劃（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“地平線2020”研究與創新計劃（資助協議編號780069）資助。

同時，感謝芬蘭科學信息技術中心（CSC）提供的慷慨計算資源和IT基礎設施。

模型轉換信息