Opus Mt Tc Big En Lv

🚀 大型英语到拉脱维亚语翻译模型（opus-mt-tc-big-en-lv）

这是一个用于将英语（en）翻译成拉脱维亚语（lv）的神经机器翻译模型。该模型属于 [OPUS - MT 项目](https://github.com/Helsinki - NLP/Opus - MT)，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](https://marian - nmt.github.io/) 这一出色框架进行训练，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](https://github.com/Helsinki - NLP/Opus - MT - train) 的方法。

• 相关出版物：[OPUS - MT – 为世界构建开放翻译服务](https://aclanthology.org/2020.eamt - 1.61/) 和 [塔托埃巴翻译挑战 – 低资源和多语言机器翻译的现实数据集](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",
}

🚀 快速开始

本模型可用于将英语翻译成拉脱维亚语，以下是使用示例。

✨ 主要特性

• 属于 OPUS - MT 项目，致力于多语言翻译。
• 基于 Marian NMT 框架训练，后转换为 PyTorch 格式。
• 训练数据来自 OPUS，采用 OPUS - MT - train 的训练流程。

📦 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 = [
    ">>lav<< A day has twenty - four hours.",
    ">>ltg<< He's a good lawyer."
]

model_name = "pytorch - models/opus - mt - tc - big - en - lv"
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:
#     Dienā ir divdesmit četras stundas.
#     Vyss ir labs advokats.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - en - lv")
print(pipe(">>lav<< A day has twenty - four hours."))

# expected output: Dienā ir divdesmit četras stundas.

📚 详细文档

模型信息

基准测试

• 测试集翻译：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - lav/opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.test.txt)
• 测试集得分：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - lav/opusTCv20210807 + bt_transformer - big_2022 - 03 - 13.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和机构的支持：

• [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（资助协议编号 780069）。
• 感谢 芬兰科学信息技术中心（CSC） 提供的大量计算资源和 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 17:36:04 EEST
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型使用的许可证为 CC - BY - 4.0。