Opus Mt Tc Big En Lt

🚀 opus-mt-tc-big-en-lt

这是一个用于将英语（en）翻译成立陶宛语（lt）的神经机器翻译模型。该模型属于 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 NMT 实现。这些模型已通过 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）

@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

• 支持英语到立陶宛语的翻译。
• 基于 OPUS - MT 项目，具有广泛的适用性。
• 采用 Marian NMT 框架训练，转换为 pyTorch 格式。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "A cat was sitting on the chair.",
    "Yukiko likes potatoes."
]

model_name = "pytorch-models/opus-mt-tc-big-en-lt"
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:
#     Katė sėdėjo ant kėdės.
#     Jukiko mėgsta bulves.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-lt")
print(pipe("A cat was sitting on the chair."))

# expected output: Katė sėdėjo ant kėdės.

📚 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

🔧 技术细节

文档未提及技术实现细节，暂不提供。

📄 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机构的支持：

• 欧洲语言网格 的 试点项目 2866。
• FoTran 项目，由欧盟的地平线 2020 研究和创新计划下的欧洲研究理事会（ERC）资助（资助协议编号 771113）。
• 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 CSC -- 芬兰科学信息技术中心 提供的慷慨计算资源和 IT 基础设施。

模型转换信息

• 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 17:42:39 EEST
• 转换机器：LM0 - 400 - 22516.local