Opus Mt Tc Big Gmq En

🚀 opus-mt-tc-big-gmq-en

这是一个用于将北日耳曼语系（gmq）翻译成英语（en）的神经机器翻译模型。它是 [OPUS - MT 项目](https://github.com/Helsinki - NLP/Opus - MT) 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。所有模型最初都使用 [Marian NMT](https://marian - nmt.github.io/) 这一出色的框架进行训练，这是一个用纯 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](https://github.com/Helsinki - NLP/Opus - MT - train) 的方法。

• 相关出版物：[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/)（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

• 支持多种北日耳曼语系语言到英语的翻译。
• 基于高效的 Marian NMT 框架训练，并转换为 PyTorch 格式。
• 训练数据丰富，采用 OPUS 数据集和 OPUS - MT - train 的训练流程。

📦 安装指南

文档未提及安装步骤，此部分跳过。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Han var synligt nervøs.",
    "Inte ens Tom själv var övertygad."
]

model_name = "pytorch - models/opus - mt - tc - big - gmq - 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:
#     He was visibly nervous.
#     Even Tom was not convinced.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - gmq - en")
print(pipe("Han var synligt nervøs."))

# expected output: He was visibly nervous.

📚 详细文档

模型信息

基准测试

• 测试集翻译结果：[opusTCv20210807+bt_transformer - big_2022 - 03 - 09.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/gmq - eng/opusTCv20210807+bt_transformer - big_2022 - 03 - 09.test.txt)
• 测试集得分：[opusTCv20210807+bt_transformer - big_2022 - 03 - 09.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/gmq - eng/opusTCv20210807+bt_transformer - big_2022 - 03 - 09.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”研究与创新计划（资助协议编号 771113）下资助。
• MeMAD 项目，由欧盟的“地平线 2020”研究与创新计划（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

📄 许可证

本模型使用 cc - by - 4.0 许可证。