Opus Mt Tc Big En Gmq

🚀 opus-mt-tc-big-en-gmq

opus-mt-tc-big-en-gmq是一款用於將英語（en）翻譯成北日耳曼語系（gmq）的神經機器翻譯模型，為多語言翻譯提供便利。

🚀 快速開始

本模型是 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。所有模型最初使用 Marian NMT 這一出色框架進行訓練，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，訓練管道採用 OPUS - MT - train 的流程。

• 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）。

@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

• 支持多種北日耳曼語系語言的翻譯，包括丹麥語、法羅語、冰島語等。
• 作為多語言翻譯模型，使用句子初始語言標記 >>id<<（id為有效目標語言ID）來指定目標語言。

📦 安裝指南

文檔未提及安裝步驟，可參考OPUS - MT項目相關說明進行安裝。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>nno<< The United States borders Canada.",
    ">>nob<< This is the biggest hotel in this city."
]

model_name = "pytorch-models/opus-mt-tc-big-en-gmq"
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:
#     USA grensar til Canada.
#     Dette er det største hotellet i denne byen.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-gmq")
print(pipe(">>nno<< The United States borders Canada."))

# 預期輸出: USA grensar til Canada.

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯結果：opusTCv20210807+bt_transformer-big_2022-03-17.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

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，由歐盟的“地平線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“地平線2020”研究和創新計劃（資助協議編號780069）資助。

我們也感謝 CSC -- 芬蘭科學信息技術中心 提供的慷慨計算資源和IT基礎設施。

模型轉換信息

📄 許可證

本模型使用CC - BY - 4.0許可證。