Opus Mt Tc Big Bg En

🚀 opus-mt-tc-big-bg-en

這是一個用於從保加利亞語（bg）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。這些模型已使用 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

• 跨語言翻譯：能夠實現從保加利亞語到英語的翻譯。
• 開源項目：作為 OPUS - MT 項目的一部分，具有開源特性，方便開發者使用和改進。
• 多框架支持：可使用 transformers 庫進行調用，也能配合 transformers 管道使用。

📦 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 = [
    "2001 е годината, с която започва 21-ви век.",
    "Това е Copacabana!"
]

model_name = "pytorch - models/opus - mt - tc - big - bg - 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:
#     2001 was the year the 21st century began.
#     It's Copacabana!

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - bg - en")
print(pipe("2001 е годината, с която започва 21-ви век."))

# expected output: 2001 was the year the 21st century began.

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/bul - 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/bul - 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

本工作得到了 [歐洲語言網格](https://www.european - language - grid.eu/) 作為 [試點項目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866) 的支持，以及 [FoTran 項目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding) 的資助，該項目由歐盟的“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，還有 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 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

• transformers 版本：4.16.2
• OPUS - MT git 哈希值：3405783
• 轉換時間：2022 年 4 月 13 日星期三 18:23:56 EEST
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本模型採用 CC - BY - 4.0 許可證。