Opus Mt Tc Big En Lv

🚀 大型英語到拉脫維亞語翻譯模型（opus-mt-tc-big-en-lv）

這是一個用於將英語（en）翻譯成拉脫維亞語（lv）的神經機器翻譯模型。該模型屬於 [OPUS - MT 項目](https://github.com/Helsinki - NLP/Opus - MT)，此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。所有模型最初使用 [Marian NMT](https://marian - nmt.github.io/) 這一出色框架進行訓練，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](https://github.com/Helsinki - NLP/Opus - MT - train) 的方法。

• 相關出版物：[OPUS - MT – 為世界構建開放翻譯服務](https://aclanthology.org/2020.eamt - 1.61/) 和 [塔託埃巴翻譯挑戰 – 低資源和多語言機器翻譯的現實數據集](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",
}

🚀 快速開始

本模型可用於將英語翻譯成拉脫維亞語，以下是使用示例。

✨ 主要特性

• 屬於 OPUS - MT 項目，致力於多語言翻譯。
• 基於 Marian NMT 框架訓練，後轉換為 PyTorch 格式。
• 訓練數據來自 OPUS，採用 OPUS - MT - train 的訓練流程。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>lav<< A day has twenty - four hours.",
    ">>ltg<< He's a good lawyer."
]

model_name = "pytorch - models/opus - mt - tc - big - en - lv"
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:
#     Dienā ir divdesmit četras stundas.
#     Vyss ir labs advokats.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - en - lv")
print(pipe(">>lav<< A day has twenty - four hours."))

# expected output: Dienā ir divdesmit četras stundas.

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - lav/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/eng - lav/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

致謝

這項工作得到了以下項目和機構的支持：

• [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)，由歐洲研究理事會（ERC）在歐盟的“地平線 2020”研究與創新計劃（資助協議編號 771113）下資助。
• MeMAD 項目，由歐盟的“地平線 2020”研究與創新計劃資助（資助協議編號 780069）。
• 感謝 芬蘭科學信息技術中心（CSC） 提供的大量計算資源和 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 17:36:04 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。