Finetuned Colloquial Tamil

🚀 janisrebekahv/finetuned-colloquial-tamil

這是一個用於將英語翻譯成口語化泰米爾語的微調模型，它基於特定的數據集進行訓練，能準確處理包含俚語、非正式表達的翻譯任務，適用於聊天機器人、對話式AI和社交媒體應用等場景。

🚀 快速開始

本模型可以藉助Hugging Face Transformers庫進行加載和測試。以下是使用示例代碼：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load model and tokenizer
model_name = "janisrebekahv/finetuned-colloquial-tamil"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Function to translate text
def translate(text):
    inputs = tokenizer(text, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=128)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Example translations
test_sentences = [
    "This is so beautiful",
    "Bro, are you coming or not?",
    "My mom is gonna kill me if I don't reach home now!"
]

for sentence in test_sentences:
    print(f"English: {sentence}")
    print(f"Colloquial Tamil: {translate(sentence)}\n")

✨ 主要特性

• 該模型是 suriya7/English-to-Tamil 的微調版本，經過訓練後可輸出 口語化的泰米爾語翻譯，而非正式的泰米爾語。
• 能夠實現 英語 → 口語化泰米爾語 的翻譯。
• 融入了 俚語、非正式表達和真實場景的用語。
• 適用於 聊天機器人、對話式AI和社交媒體應用。

📦 數據集

用於微調的自定義數據集

• janisrebekahv/colloquial_tamil：該數據集是專門為訓練此模型而整理的，有助於提高模型將 英語準確翻譯成口語化泰米爾語 的能力。

微調使用的數據集包含

1. jarvisvasu/english-to-colloquial-tamil：一個可公開獲取的用於非正式泰米爾語翻譯的數據集。
2. YouTube評論數據集（自定義創建）：通過 YouTube API 提取，並手動轉換為口語化泰米爾語以保證真實性。
3. ChatGPT生成的數據：額外的口語化泰米爾語短語，符合自然語言表達模式。

數據集規模

• 總數據集大小：16,269個句子對

📚 詳細文檔

📄 許可證

本模型使用的許可證為CC BY 4.0。