Opus Mt Tc Big En Ro

🚀 opus-mt-tc-big-en-ro

這是一個用於將英語（en）翻譯成羅馬尼亞語（ro）的神經機器翻譯模型。本模型屬於 OPUS - MT 項目，該項目致力於讓神經機器翻譯模型廣泛適用於世界上多種語言。所有模型最初都使用 Marian NMT 這一出色的框架進行訓練，它是一個用純 C++ 編寫的高效神經機器翻譯實現。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 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",
}

✨ 主要特性

• 支持英語到羅馬尼亞語的翻譯。
• 基於優秀的 Marian NMT 框架訓練，並轉換為 pyTorch 格式。
• 訓練數據豐富，採用了 OPUS 數據集和特定的訓練流程。

📦 安裝指南

文檔未提及安裝步驟，此處跳過。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ron<< A bad writer's prose is full of hackneyed phrases.",
    ">>ron<< Zero is a special number."
]

model_name = "pytorch-models/opus-mt-tc-big-en-ro"
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:
#     Proza unui scriitor prost este plină de fraze tocite.
#     Zero este un număr special.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-ro")
print(pipe(">>ron<< A bad writer's prose is full of hackneyed phrases."))

# 預期輸出: Proza unui scriitor prost este plină de fraze tocite.

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯：opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.test.txt
• 測試集得分：opusTCv20210807 + bt_transformer - big_2022 - 02 - 25.eval.txt
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

🔧 技術細節

文檔未提供足夠詳細的技術實現細節，此處跳過。

📄 許可證

本模型使用的許可證為 cc - by - 4.0。

致謝

這項工作得到了以下項目的支持：

• 歐洲語言網格 的 試點項目 2866。
• FoTran 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。
• MeMAD 項目，由歐盟的“地平線 2020”研究和創新計劃資助，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 17:55:46 EEST
• 轉換機器：LM0 - 400 - 22516.local