Opus Mt Tc Big Zls En

🚀 opus-mt-tc-big-zls-en

这是一个用于将南斯拉夫语系（zls）翻译成英语（en）的神经机器翻译模型。它是OPUS - MT项目的一部分，该项目致力于让神经机器翻译模型在全球多种语言中广泛可用。

🚀 快速开始

此模型可用于将南斯拉夫语系的文本翻译成英语。它基于OPUS - MT项目开发，利用Marian NMT框架进行训练，并通过huggingface的transformers库转换为pyTorch模型。

✨ 主要特性

• 多语言支持：支持保加利亚语（bg）、波斯尼亚语（bs）、克罗地亚语（hr）、马其顿语（mk）、塞尔维亚 - 克罗地亚语（sh）、斯洛文尼亚语（sl）、塞尔维亚语（sr）等南斯拉夫语系语言到英语的翻译。
• 开源项目：作为OPUS - MT项目的一部分，遵循开放原则，便于研究和使用。
• 高效训练：使用Marian NMT框架进行训练，该框架用纯C++编写，训练效率高。

📦 安装指南

文档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 = [
    "Да не би случайно Том да остави Мери да кара колата?",
    "Какво е времето днес?"
]

model_name = "pytorch-models/opus-mt-tc-big-zls-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:
#     Did Tom just let Mary drive the car?
#     What's the weather like today?

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-zls-en")
print(pipe("Да не би случайно Том да остави Мери да кара колата?"))

# expected output: Did Tom just let Mary drive the car?

📚 详细文档

模型信息

基准测试

测试集翻译：opusTCv20210807+bt_transformer-big_2022-03-17.test.txt 测试集得分：opusTCv20210807+bt_transformer-big_2022-03-17.eval.txt 基准测试结果：benchmark_results.txt 基准测试输出：benchmark_translations.zip

🔧 技术细节

此模型最初使用Marian NMT框架进行训练，该框架是一个用纯C++编写的高效NMT实现。之后，使用huggingface的transformers库将模型转换为pyTorch模型。训练数据来自OPUS，训练流程遵循OPUS - MT - train的程序。

📄 许可证

该模型遵循CC - BY - 4.0许可证。

引用说明

如果使用此模型，请引用以下出版物：

@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

本工作得到了以下项目的支持：

• European Language Grid的试点项目2866。
• FoTran项目，由欧盟的Horizon 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。
• MeMAD项目，由欧盟的Horizon 2020研究和创新计划资助（资助协议编号780069）。

同时，感谢CSC -- IT Center for Science（芬兰）提供的计算资源和IT基础设施。

模型转换信息

• transformers版本：4.16.2
• OPUS - MT git哈希值：3405783
• 转换时间：Wed Apr 13 20:12:26 EEST 2022
• 转换机器：LM0 - 400 - 22516.local