Opus Mt Tc Big En Ro

🚀 opus-mt-tc-big-en-ro

这是一个用于将英语（en）翻译成罗马尼亚语（ro）的神经机器翻译模型。本模型属于 OPUS - MT 项目，该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。所有模型最初都使用 Marian NMT 这一出色的框架进行训练，它是一个用纯 C++ 编写的高效神经机器翻译实现。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，请引用这些文献）

@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

• 支持英语到罗马尼亚语的翻译。
• 基于优秀的 Marian NMT 框架训练，并转换为 pyTorch 格式。
• 训练数据丰富，采用了 OPUS 数据集和特定的训练流程。

📦 安装指南

文档未提及安装步骤，此处跳过。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ron<< A bad writer's prose is full of hackneyed phrases.",
    ">>ron<< Zero is a special number."
]

model_name = "pytorch-models/opus-mt-tc-big-en-ro"
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) )

# 预期输出:
#     Proza unui scriitor prost este plină de fraze tocite.
#     Zero este un număr special.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-ro")
print(pipe(">>ron<< A bad writer's prose is full of hackneyed phrases."))

# 预期输出: Proza unui scriitor prost este plină de fraze tocite.

📚 详细文档

模型信息

基准测试

• 测试集翻译：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

🔧 技术细节

文档未提供足够详细的技术实现细节，此处跳过。

📄 许可证

本模型使用的许可证为 cc - by - 4.0。

致谢

这项工作得到了以下项目的支持：

• 欧洲语言网格 的 试点项目 2866。
• FoTran 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。
• 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 17:55:46 EEST
• 转换机器：LM0 - 400 - 22516.local