Opus Mt Tc Big De Es

🚀 opus-mt-tc-big-de-es

该模型是一个用于将德语（de）翻译成西班牙语（es）的神经机器翻译模型。它属于OPUS - MT项目的一部分，旨在让神经机器翻译模型在全球多种语言中广泛可用。

🚀 快速开始

代码示例

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ich verstehe nicht, worüber ihr redet.",
    "Die Vögel singen in den Bäumen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-es"
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:
#     No entiendo de qué están hablando.
#     Los pájaros cantan en los árboles.

你也可以使用transformers管道来使用OPUS - MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-es")
print(pipe("Ich verstehe nicht, worüber ihr redet."))

# expected output: No entiendo de qué están hablando.

✨ 主要特性

• 该模型是用于从德语（de）到西班牙语（es）的神经机器翻译模型。
• 属于[OPUS - MT项目](https://github.com/Helsinki - NLP/Opus - MT)，旨在让神经机器翻译模型广泛可用。
• 最初使用[Marian NMT](https://marian - nmt.github.io/)框架进行训练，后使用huggingface的transformers库转换为pyTorch。
• 训练数据来自OPUS，训练管道采用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的流程。

📦 安装指南

文档未提供具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ich verstehe nicht, worüber ihr redet.",
    "Die Vögel singen in den Bäumen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-es"
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:
#     No entiendo de qué están hablando.
#     Los pájaros cantan en los árboles.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-es")
print(pipe("Ich verstehe nicht, worüber ihr redet."))

# expected output: No entiendo de qué están hablando.

📚 详细文档

模型详情

• 开发者：赫尔辛基大学语言技术研究小组
• 模型类型：翻译（transformer - big）
• 发布时间：2022 - 07 - 26
• 许可证：CC - BY - 4.0
• 语言：
  • 源语言：deu
  • 目标语言：spa
  • 语言对：deu - spa
  • 有效目标语言标签：无
• 原始模型：[opusTCv20210807_transformer - big_2022 - 07 - 26.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.zip)
• 更多信息资源：
  • [OPUS - MT - train GitHub仓库](https://github.com/Helsinki - NLP/OPUS - MT - train)
  • 此语言对已发布模型的更多信息：[OPUS - MT deu - spa README](https://github.com/Helsinki - NLP/Tatoeba - Challenge/tree/master/models/deu - spa/README.md)
  • transformers库中MarianNMT模型的更多信息
  • [Tatoeba翻译挑战](https://github.com/Helsinki - NLP/Tatoeba - Challenge/)

用途

该模型可用于翻译和文本到文本的生成。

风险、限制和偏差

⚠️ 重要提示

读者应注意，该模型是在各种公共数据集上训练的，这些数据集可能包含令人不安、冒犯性的内容，并可能传播历史和当前的刻板印象。

大量研究已经探讨了语言模型的偏差和公平性问题（例如，参见[Sheng等人（2021）](https://aclanthology.org/2021.acl - long.330.pdf)和Bender等人（2021））。

训练

• 数据：opusTCv20210807 ([来源](https://github.com/Helsinki - NLP/Tatoeba - Challenge))
• 预处理：SentencePiece (spm32k,spm32k)
• 模型类型：transformer - big
• 原始MarianNMT模型：[opusTCv20210807_transformer - big_2022 - 07 - 26.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.zip)
• 训练脚本：[GitHub仓库](https://github.com/Helsinki - NLP/OPUS - MT - train)

评估

• 测试集翻译：[opusTCv20210807_transformer - big_2022 - 07 - 26.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.test.txt)
• 测试集得分：[opusTCv20210807_transformer - big_2022 - 07 - 26.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/deu - spa/opusTCv20210807_transformer - big_2022 - 07 - 26.eval.txt)
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

引用信息

如果你使用此模型，请引用以下出版物：[OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/) 和 [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)。

@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",
}

致谢

这项工作得到了[欧洲语言网格](https://www.european - language - grid.eu/)的支持，作为[试点项目2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)；还得到了[FoTran项目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)的资助，该项目由欧洲研究理事会（ERC）在欧盟的“地平线2020”研究和创新计划（资助协议编号771113）下资助；以及MeMAD项目的资助，该项目由欧盟的“地平线2020”研究和创新计划在资助协议编号780069下资助。我们也感谢CSC -- 芬兰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

• transformers版本：4.16.2
• OPUS - MT git哈希值：8b9f0b0
• 转换时间：2022年8月13日星期六00:06:19 EEST
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型使用的许可证为CC - BY - 4.0。