Opus Mt Tc Big Bg En

🚀 opus-mt-tc-big-bg-en

这是一个用于从保加利亚语（bg）翻译成英语（en）的神经机器翻译模型。本模型是 [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且易于获取。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，它是一个用纯 C++ 编写的高效 NMT 实现。这些模型已使用 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) 的程序。

• 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

• 跨语言翻译：能够实现从保加利亚语到英语的翻译。
• 开源项目：作为 OPUS - MT 项目的一部分，具有开源特性，方便开发者使用和改进。
• 多框架支持：可使用 transformers 库进行调用，也能配合 transformers 管道使用。

📦 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 = [
    "2001 е годината, с която започва 21-ви век.",
    "Това е Copacabana!"
]

model_name = "pytorch - models/opus - mt - tc - big - bg - 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:
#     2001 was the year the 21st century began.
#     It's Copacabana!

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - bg - en")
print(pipe("2001 е годината, с която започва 21-ви век."))

# expected output: 2001 was the year the 21st century began.

📚 详细文档

模型信息

基准测试

• 测试集翻译：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/bul - 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/bul - 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

本工作得到了 [欧洲语言网格](https://www.european - language - grid.eu/) 作为 [试点项目 2866](https://live.european - language - grid.eu/catalogue/#/resource/projects/2866) 的支持，以及 [FoTran 项目](https://www.helsinki.fi/en/researchgroups/natural - language - understanding - with - cross - lingual - grounding) 的资助，该项目由欧盟的“地平线 2020”研究与创新计划（资助协议编号 771113）下的欧洲研究理事会（ERC）资助，还有 MeMAD 项目，由欧盟的“地平线 2020”研究与创新计划资助（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 18:23:56 EEST
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型采用 CC - BY - 4.0 许可证。