Opus Mt Tc Big En Cat Oci Spa

🚀 opus-mt-tc-big-en-cat_oci_spa

这是一个用于将英语（en）翻译成加泰罗尼亚语、奥克语和西班牙语（cat+oci+spa）的神经机器翻译模型。该模型属于OPUS-MT项目的一部分，旨在让神经机器翻译模型广泛适用于世界上多种语言。

🚀 快速开始

本模型是 OPUS-MT项目 的一部分，该项目致力于让神经机器翻译模型在世界上多种语言中广泛可用。所有模型最初都使用 Marian NMT 这一出色的框架进行训练，它是一个用纯C++编写的高效神经机器翻译实现。这些模型通过huggingface的transformers库转换为pyTorch格式。训练数据来自 OPUS，训练流程采用 OPUS-MT-train 的方法。

相关出版物：OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果使用此模型，请引用）。

@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",
}

✨ 主要特性

• 支持将英语翻译成加泰罗尼亚语、奥克语和西班牙语。
• 属于OPUS-MT项目，利用Marian NMT框架训练，后转换为pyTorch格式。
• 训练数据来自OPUS，采用OPUS-MT-train的训练流程。

📦 安装指南

文档中未提及具体安装步骤，暂不提供。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>spa<< Why do you want Tom to go there with me?",
    ">>spa<< She forced him to eat spinach."
]

model_name = "pytorch-models/opus-mt-tc-big-en-cat_oci_spa"
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:
#     ¿Por qué quieres que Tom vaya conmigo?
#     Ella lo obligó a comer espinacas.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-cat_oci_spa")
print(pipe(">>spa<< Why do you want Tom to go there with me?"))

# expected output: ¿Por qué quieres que Tom vaya conmigo?

📚 详细文档

模型信息

这是一个支持多种目标语言的多语言翻译模型。需要以 >>id<< （id = 有效目标语言ID）的形式提供句子初始语言标记，例如 >>cat<<。

基准测试

• 测试集翻译：opusTCv20210807+bt_transformer-big_2022-03-13.test.txt
• 测试集得分：opusTCv20210807+bt_transformer-big_2022-03-13.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

🔧 技术细节

文档中未提及具体技术细节，暂不提供。

📄 许可证

本模型使用的许可证为 cc-by-4.0。

致谢

这项工作得到了 欧洲语言网格 作为 试点项目2866 的支持，以及 FoTran项目 的资助，该项目由欧盟的“地平线2020”研究和创新计划（资助协议编号771113）下的欧洲研究理事会（ERC）资助，还有 MeMAD项目 的资助，该项目由欧盟的“地平线2020”研究和创新计划（资助协议编号780069）资助。我们也感谢 芬兰CSC -- 科学信息技术中心 提供的慷慨计算资源和IT基础设施。

模型转换信息