Opus Mt Tc Big En Zle

🚀 opus-mt-tc-big-en-zle

這是一個用於將英語（en）翻譯成東斯拉夫語系（zle）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)的一部分，此項目致力於讓全球多種語言的神經機器翻譯模型廣泛可用。所有模型最初使用[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[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）

@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

• 支持從英語翻譯到東斯拉夫語系的多種語言。
• 作為OPUS - MT項目的一部分，具有廣泛的可用性和可訪問性。
• 基於高效的Marian NMT框架訓練，並轉換為pyTorch格式。

📦 安裝指南

文檔中未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< Are they coming as well?",
    ">>rus<< I didn't let Tom do what he wanted to do."
]

model_name = "pytorch-models/opus-mt-tc-big-en-zle"
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:
#     Они тоже приедут?
#     Я не позволил Тому сделать то, что он хотел.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-zle")
print(pipe(">>rus<< Are they coming as well?"))

# expected output: Они тоже приедут?

📚 詳細文檔

模型信息

這是一個支持多種目標語言的多語言翻譯模型。輸入句子時需要以 >>id<<（id為有效的目標語言ID）的形式添加初始語言標記，例如 >>bel<<。

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/eng - zle/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 - zle/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。
• MeMAD項目，由歐盟的“地平線2020”研究與創新計劃（資助協議編號780069）資助。

我們也感謝芬蘭的CSC -- IT Center for Science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：1bdabf7
• 轉換時間：Thu Mar 24 01:58:40 EET 2022
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本模型採用CC - BY - 4.0許可證。