Terjman Nano V2.0

🚀 🇲🇦 Terjman-Nano-v2.0 (77M)

Terjman-Nano-v2.0是atlasia/Terjman-Nano-v1的改进版本，它基于强大的Transformer架构构建，并针对高质量、准确的翻译进行了微调。此版本基于atlasia/Terjman-Nano-v1，并在更大、更精细的数据集上进行了训练，从而提升了翻译性能。在TerjamaBench（一个针对英语 - 摩洛哥达里语翻译模型的评估基准，更侧重于从文化方面对模型进行挑战）上，该模型取得了与gpt-4o-2024-08-06相当的结果。

🚀 快速开始

特性

✅ 针对英语到摩洛哥达里语的翻译进行了微调。 ✅ 在开源模型中具有最先进的性能。 ✅ 与🤗 Transformers兼容，并且可以轻松部署在各种硬件环境中。

性能对比

以下表格对比了Terjman-Nano-v2.0与专有模型和开源模型在BLEU、chrF和TER得分上的表现。BLEU/chrF得分越高、TER得分越低，表示翻译质量越好。

模型详情

💻 使用示例

基础用法

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "BounharAbdelaziz/Terjman-Nano-v2.0"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

def translate(text):
    inputs = tokenizer(text, return_tensors="pt")
    output = model.generate(**inputs)
    return tokenizer.decode(output[0], skip_special_tokens=True)

# Example translation
text = "Hello there! Today the weather is so nice in Geneva, couldn't ask for more to enjoy the holidays :)"
translation = translate(text)
print("Translation:", translation)
# prints: صباح الخير! اليوم الطقس زوين بزاف فجنيف، ما قدرش نطلب أكثر باش نستمتع بالعطلات:)

📚 详细文档

部署

在Hugging Face Space中运行

可以在Terjman-Nano Space中交互式地试用该模型 🤗。

使用Text Generation Inference (TGI)

若要进行快速推理，可以使用Hugging Face TGI：

pip install text-generation
text-generation-launcher --model-id BounharAbdelaziz/Terjman-Nano-v2.0

使用Transformers和PyTorch在本地运行

pip install transformers torch
python -c "from transformers import pipeline; print(pipeline('translation', model='BounharAbdelaziz/Terjman-Nano-v2.0')('Hello there!'))"

在API服务器上部署

可以使用FastAPI将翻译服务作为API提供：

from fastapi import FastAPI
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

app = FastAPI()
model_name = "BounharAbdelaziz/Terjman-Nano-v2.0"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

@app.get("/translate/")
def translate(text: str):
    inputs = tokenizer(text, return_tensors="pt")
    output = model.generate(**inputs)
    return {"translation": tokenizer.decode(output[0], skip_special_tokens=True)}

训练细节（超参数）

该模型使用以下训练设置进行微调：

• 学习率：0.0001
• 训练批次大小：64
• 评估批次大小：64
• 随机种子：42
• 梯度累积步数：4
• 总有效批次大小：256
• 优化器：AdamW (Torch)，betas=(0.9,0.999)，epsilon=1e-08
• 学习率调度器：Linear
• 热身比例：0.1
• 训练轮数：5
• 精度：Mixed FP16，用于高效训练

框架版本

• Transformers 4.47.1
• Pytorch 2.5.1+cu124
• Datasets 3.1.0
• Tokenizers 0.21.0

📄 许可证

该模型遵循**CC BY - NC（知识共享署名 - 非商业性使用）**许可协议发布，这意味着它可用于研究和个人项目，但不能用于商业目的。如需商业使用，请联系相关人员 :)

@misc{terjman-v2,
  title = {Terjman-v2: High-Quality English-Moroccan Darija Translation Model},
  author={Abdelaziz Bounhar},
  year={2025},
  howpublished = {\url{https://huggingface.co/BounharAbdelaziz/Terjman-Nano-v2.0}},
  license = {CC BY-NC}
}