Opus Mt Tc Big Sh En

🚀 opus-mt-tc-big-sh-en

这是一个用于从塞尔维亚-克罗地亚语（sh）翻译到英语（en）的神经机器翻译模型。该模型是 OPUS - MT 项目 的一部分，此项目致力于让神经机器翻译模型广泛适用于世界上多种语言。所有模型最初使用 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 NMT 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 的程序。

• 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，请进行引用）

@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

• 支持从塞尔维亚 - 克罗地亚语（包括多种变体）到英语的翻译。
• 作为 OPUS - MT 项目的一部分，具有广泛的语言支持和开源特性。
• 基于高效的 Marian NMT 框架训练，并转换为 pyTorch 格式，便于使用。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Ispostavilo se da je istina.",
    "Ovaj vikend imamo besplatne pozive."
]

model_name = "pytorch-models/opus-mt-tc-big-sh-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:
#     Turns out it's true.
#     We got free calls this weekend.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-sh-en")
print(pipe("Ispostavilo se da je istina."))

# expected output: Turns out it's true.

📚 详细文档

模型信息

基准测试

• 测试集翻译结果：opusTCv20210807+bt_transformer - big_2022 - 02 - 25.test.txt
• 测试集得分：opusTCv20210807+bt_transformer - big_2022 - 02 - 25.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

致谢

这项工作得到了以下项目的支持：

• [欧洲语言网格](https://www.european - language - grid.eu/) 的 [试点项目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866)。
• [FoTran 项目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding)，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。
• MeMAD 项目，由欧盟的“地平线 2020”研究和创新计划资助，资助协议编号 780069。

我们也感谢 芬兰科学信息技术中心（CSC） 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：3405783
• 转换时间：2022 年 4 月 13 日星期三 19:21:10 EEST
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型采用 CC - BY - 4.0 许可证。