Opus Mt Tc Big En Et

🚀 opus-mt-tc-big-en-et

这是一个用于将英语（en）翻译成爱沙尼亚语（et）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)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](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",
}

🚀 快速开始

本模型可用于将英语翻译成爱沙尼亚语，下面为你展示使用示例。

✨ 主要特性

• 属于OPUS - MT项目，致力于提供多语言的机器翻译服务。
• 基于Marian NMT框架训练，转换为pyTorch格式。
• 使用来自OPUS的训练数据和OPUS - MT - train的训练流程。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>est<< A cab is waiting.",
    ">>vro<< Where do you live?"
]

model_name = "pytorch - models/opus - mt - tc - big - en - et"
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:
#     Takso ootab.
#     Kus sa elad?

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - en - et")
print(pipe(">>est<< A cab is waiting."))

# expected output: Takso ootab.

📚 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 - 13.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - est/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 - est/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

本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（资助协议编号780069）资助。

同时，感谢芬兰CSC - 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

🔧 技术细节

文档未提及具体技术实现细节，故跳过此章节。

📄 许可证

本模型使用CC - BY - 4.0许可证。