Opus Mt Tc Bible Big Roa En

🚀 opus-mt-tc-bible-big-roa-en

這是一個用於將羅曼語系（roa）語言翻譯成英語（en）的神經機器翻譯模型。它屬於OPUS - MT項目的一部分，旨在讓神經機器翻譯模型廣泛可用，為世界上多種語言提供服務。

🚀 快速開始

簡單示例代碼

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "É caro demais.",
    "Estamos muertos."
]

model_name = "pytorch-models/opus-mt-tc-bible-big-roa-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) )

# expected output:
#     It's too expensive.
#     We're dead.

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

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-roa-en")
print(pipe("É caro demais."))

# expected output: It's too expensive.

✨ 主要特性

• 支持多種羅曼語系語言到英語的翻譯。
• 屬於OPUS - MT項目，藉助Marian NMT框架訓練，後轉換為pyTorch模型。
• 訓練數據來源於OPUS，訓練流程遵循OPUS - MT - train的程序。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "É caro demais.",
    "Estamos muertos."
]

model_name = "pytorch-models/opus-mt-tc-bible-big-roa-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) )

# expected output:
#     It's too expensive.
#     We're dead.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-roa-en")
print(pipe("É caro demais."))

# expected output: It's too expensive.

📚 詳細文檔

模型詳情

這是一個用於將羅曼語系（roa）語言翻譯成英語（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，該項目致力於讓神經機器翻譯模型廣泛可用，為世界上多種語言提供服務。所有模型最初使用[Marian NMT](https://marian - nmt.github.io/)框架進行訓練，這是一個用純C++編寫的高效NMT實現。這些模型通過huggingface的transformers庫轉換為pyTorch模型。訓練數據來自OPUS，訓練流程採用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的程序。

用途

此模型可用於翻譯和文本到文本的生成。

風險、限制和偏差

⚠️ 重要提示

讀者應注意，該模型是在各種公共數據集上訓練的，這些數據集可能包含令人不安、冒犯性的內容，並可能傳播歷史和當前的刻板印象。

已有大量研究探討了語言模型的偏差和公平性問題（例如，參見[Sheng等人（2021）](https://aclanthology.org/2021.acl - long.330.pdf)和Bender等人（2021））。

訓練

• 數據：opusTCv20230926max50+bt+jhubc（[來源](https://github.com/Helsinki - NLP/Tatoeba - Challenge)）
• 預處理：SentencePiece（spm32k,spm32k）
• 模型類型：transformer - big
• 原始MarianNMT模型：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.zip)
• 訓練腳本：[GitHub倉庫](https://github.com/Helsinki - NLP/OPUS - MT - train)

評估

• [OPUS - MT儀表盤上的模型得分](https://opus.nlpl.eu/dashboard/index.php?pkg=opusmt&test=all&scoreslang=all&chart=standard&model=Tatoeba - MT - models/roa - eng/opusTCv20230926max50%2Bbt%2Bjhubc_transformer - big_2024 - 08 - 17)
• 測試集翻譯：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.test.txt)
• 測試集得分：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.eval.txt)
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

引用信息

• 出版物：[通過OPUS - MT實現神經機器翻譯的民主化](https://doi.org/10.1007/s10579 - 023 - 09704 - w)、[OPUS - MT – 為世界構建開放翻譯服務](https://aclanthology.org/2020.eamt - 1.61/)和[塔託埃巴翻譯挑戰 – 低資源和多語言機器翻譯的現實數據集](https://aclanthology.org/2020.wmt - 1.139/)（如果使用此模型，請引用）。

@article{tiedemann2023democratizing,
  title={Democratizing neural machine translation with {OPUS-MT}},
  author={Tiedemann, J{\"o}rg and Aulamo, Mikko and Bakshandaeva, Daria and Boggia, Michele and Gr{\"o}nroos, Stig-Arne and Nieminen, Tommi and Raganato, Alessandro and Scherrer, Yves and Vazquez, Raul and Virpioja, Sami},
  journal={Language Resources and Evaluation},
  number={58},
  pages={713--755},
  year={2023},
  publisher={Springer Nature},
  issn={1574-0218},
  doi={10.1007/s10579-023-09704-w}
}

@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",
}

致謝

這項工作得到了[HPLT項目](https://hplt - project.org/)的支持，該項目由歐盟的“地平線歐洲”研究與創新計劃資助，資助協議編號為101070350。我們也感謝芬蘭CSC - 科學信息技術中心和[歐洲高性能計算機LUMI](https://www.lumi - supercomputer.eu/)提供的慷慨計算資源和IT基礎設施。

模型轉換信息

• transformers版本：4.45.1
• OPUS - MT git哈希值：0882077
• 轉換時間：2024年10月8日 星期二 15:26:36 EEST
• 轉換機器：LM0 - 400 - 22516.local

📄 許可證

本模型使用的許可證為Apache - 2.0。