Opus Mt Tc Bible Big Mul Mul

🚀 opus-mt-tc-bible-big-mul-mul

這是一個多語言翻譯模型，支持從多種語言翻譯到多種語言。模型基於大量公開數據訓練，能用於翻譯和文本生成任務，但受訓練數據限制，部分語言對的翻譯效果可能不佳。

🚀 快速開始

以下是使用該模型進行翻譯的簡單示例代碼：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< You'd better not speak to Tom about that.",
    ">>ceb<< How are you?"
]

model_name = "pytorch-models/opus-mt-tc-bible-big-mul-mul"
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:
#     Лучше бы не поговорить с Томом об этом.
#     Sa unsang paagi ikaw?

你也可以使用 transformers 庫的管道功能來使用 OPUS-MT 模型，示例如下：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-mul-mul")
print(pipe(">>rus<< You'd better not speak to Tom about that."))

# expected output: Лучше бы не поговорить с Томом об этом.

✨ 主要特性

• 多語言支持：支持眾多語言之間的翻譯。
• 廣泛應用：可用於翻譯和文本到文本的生成任務。

📦 安裝指南

文檔未提及安裝步驟，若需使用該模型，可參考 transformers 庫的官方文檔進行安裝。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>rus<< You'd better not speak to Tom about that.",
    ">>ceb<< How are you?"
]

model_name = "pytorch-models/opus-mt-tc-bible-big-mul-mul"
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:
#     Лучше бы не поговорить с Томом об этом.
#     Sa unsang paagi ikaw?

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-mul-mul")
print(pipe(">>rus<< You'd better not speak to Tom about that."))

# expected output: Лучше бы не поговорить с Томом об этом.

📚 詳細文檔

模型詳情

這是一個用於將多種語言（mul）翻譯成多種語言（mul）的神經機器翻譯模型。需要注意的是，由於大多數語言的訓練數據非常有限，模型對列表中的許多語言支持可能不佳。翻譯性能差異很大，對於大量的語言對，模型可能根本無法工作。

該模型是 OPUS-MT 項目 的一部分，該項目致力於讓神經機器翻譯模型廣泛適用於世界上的多種語言。所有模型最初使用 Marian NMT 這個出色的框架進行訓練，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 格式。訓練數據來自 OPUS，訓練管道採用 OPUS-MT-train 的流程。

模型描述：

這是一個具有多個目標語言的多語言翻譯模型。需要以 >>id<<（id = 有效的目標語言 ID）的形式提供句子的初始語言標記，例如 >>aar<<。

用途

該模型可用於翻譯和文本到文本的生成任務。

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，並且可能傳播歷史和當前的刻板印象。

大量研究已經探討了語言模型的偏差和公平性問題（例如，參見 Sheng 等人 (2021) 和 Bender 等人 (2021)）。

還需注意的是，由於大多數語言的訓練數據非常有限，模型對列表中的許多語言支持可能不佳。翻譯性能差異很大，對於大量的語言對，模型可能根本無法工作。

🔧 技術細節

訓練

• 數據：opusTCv20230926+bt+jhubc（來源）
• 預處理：SentencePiece（spm64k,spm64k）
• 模型類型：transformer-big
• 原始 MarianNMT 模型：opusTCv20230926+bt+jhubc_transformer-big_2024-08-17.zip
• 訓練腳本：GitHub 倉庫

評估

• OPUS-MT 儀表盤上的模型得分
• 測試集翻譯：opusTCv20230926+bt+jhubc_transformer-big_2024-08-17.test.txt
• 測試集得分：opusTCv20230926+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

📄 許可證

本模型使用 Apache-2.0 許可證。

致謝

這項工作得到了 HPLT 項目 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 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：Wed Oct 9 19:20:34 EEST 2024
• 轉換機器：LM0-400-22516.local

引用信息

如果使用此模型，請引用以下出版物：

• Democratizing neural machine translation with OPUS-MT
• OPUS-MT – Building open translation services for the World
• The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT

@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",
}