Opus Mt Tc Big Fi En

🚀 opus-mt-tc-big-fi-en

這是一個用於將芬蘭語（fi）翻譯成英語（en）的神經機器翻譯模型。該模型是[OPUS - MT項目](https://github.com/Helsinki - NLP/Opus - MT)的一部分，此項目致力於讓神經機器翻譯模型廣泛可用，並讓世界上多種語言都能受益。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",
}

🚀 快速開始

本模型可用於將芬蘭語翻譯成英語，下面將為你介紹使用方法。

✨ 主要特性

• 屬於OPUS - MT項目，讓更多語言能使用神經機器翻譯。
• 基於Marian NMT框架訓練，並用transformers庫轉換為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，可參考OPUS - MT項目的相關說明進行安裝。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Kolme kolmanteen on kaksikymmentäseitsemän.",
    "Heille syntyi poikavauva."
]

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

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

📚 詳細文檔

模型信息

基準測試

基準測試相關文件

• 測試集翻譯結果：[opusTCv20210807 + bt - 2021 - 12 - 08.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/fin - eng/opusTCv20210807 + bt - 2021 - 12 - 08.test.txt)
• 測試集得分：[opusTCv20210807 + bt - 2021 - 12 - 08.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/fin - eng/opusTCv20210807 + bt - 2021 - 12 - 08.eval.txt)
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

致謝

本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（資助協議編號780069）。

同時，我們感謝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

本模型採用CC - BY - 4.0許可證。