Opus Mt Tc Big En Gmq

🚀 opus-mt-tc-big-en-gmq

opus-mt-tc-big-en-gmq是一款用于将英语（en）翻译成北日耳曼语系（gmq）的神经机器翻译模型，为多语言翻译提供便利。

🚀 快速开始

本模型是 OPUS - MT项目 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。所有模型最初使用 Marian NMT 这一出色框架进行训练，它是一个用纯C++编写的高效NMT实现。这些模型通过huggingface的transformers库转换为pyTorch格式。训练数据来自 OPUS，训练管道采用 OPUS - MT - train 的流程。

• 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

• 支持多种北日耳曼语系语言的翻译，包括丹麦语、法罗语、冰岛语等。
• 作为多语言翻译模型，使用句子初始语言标记 >>id<<（id为有效目标语言ID）来指定目标语言。

📦 安装指南

文档未提及安装步骤，可参考OPUS - MT项目相关说明进行安装。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>nno<< The United States borders Canada.",
    ">>nob<< This is the biggest hotel in this city."
]

model_name = "pytorch-models/opus-mt-tc-big-en-gmq"
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:
#     USA grensar til Canada.
#     Dette er det største hotellet i denne byen.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-gmq")
print(pipe(">>nno<< The United States borders Canada."))

# 预期输出: USA grensar til Canada.

📚 详细文档

模型信息

基准测试

• 测试集翻译结果：opusTCv20210807+bt_transformer-big_2022-03-17.test.txt
• 测试集得分：opusTCv20210807+bt_transformer-big_2022-03-17.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 的 试点项目2866。
• FoTran项目，由欧盟的“地平线2020”研究和创新计划（资助协议编号771113）下的欧洲研究理事会（ERC）资助。
• MeMAD项目，由欧盟的“地平线2020”研究和创新计划（资助协议编号780069）资助。

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

📄 许可证

本模型使用CC - BY - 4.0许可证。