Opus Mt Tc Big En Fi

🚀 opus-mt-tc-big-en-fi

opus-mt-tc-big-en-fi是一款用於將英語（en）翻譯成芬蘭語（fi）的神經機器翻譯模型。它是OPUS - MT項目的一部分，該項目旨在讓神經機器翻譯模型在全球多種語言中廣泛可用。

🚀 快速開始

環境準備

確保你已經安裝了transformers庫。如果未安裝，可以使用以下命令進行安裝：

pip install transformers

代碼示例

以下是使用該模型進行翻譯的簡單代碼示例：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Russia is big.",
    "Touch wood!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fi"
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:
#     Venäjä on suuri.
#     Kosketa puuta!

你也可以使用transformers的pipeline來使用OPUS - MT模型，示例如下：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-fi")
print(pipe("Russia is big."))

# 預期輸出: Venäjä on suuri.

✨ 主要特性

• 多語言支持：這是一個支持多種目標語言的多語言翻譯模型。
• 廣泛的訓練數據：訓練數據來自OPUS，並使用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的流程進行訓練。
• 高效的實現：最初使用[Marian NMT](https://marian - nmt.github.io/)框架進行訓練，該框架是一個用純C++編寫的高效NMT實現。

📦 安裝指南

安裝transformers庫即可使用該模型：

pip install transformers

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Russia is big.",
    "Touch wood!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fi"
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) )

高級用法

使用transformers的pipeline進行翻譯：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-fi")
print(pipe("Russia is big."))

📚 詳細文檔

模型信息

注意事項

這是一個支持多種目標語言的多語言翻譯模型，需要在句子開頭使用>>id<<（id為有效的目標語言ID）形式的語言標記，例如>>fin<<。

基準測試

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

本項目得到了以下組織和項目的支持：

• [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。

同時，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

引用信息

如果你使用了該模型，請引用以下出版物：

• [OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/)
• [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)

@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",
}

📄 許可證

本模型使用CC - BY - 4.0許可證。