Opus Mt Tc Big De Zle

🚀 opus-mt-tc-big-de-zle

opus-mt-tc-big-de-zle 是一个用于将德语（de）翻译成东斯拉夫语系（zle）的神经机器翻译模型。该模型是 OPUS - MT 项目的一部分，旨在让全球多种语言的神经机器翻译模型广泛可用。

🚀 快速开始

本模型是多语言翻译模型，支持多种目标语言。使用时，句子开头需要以 >>id<<（id 为有效的目标语言 ID）的形式添加语言标记，例如 >>bel<<。

以下是一个简单的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ukr<< Der Soldat hat mir Wasser gegeben.",
    ">>ukr<< Ich will hier nicht essen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-zle"
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:
#     Солдат дав мені воду.
#     Я не хочу тут їсти.

你也可以使用 transformers 库的 pipeline 来调用 OPUS - MT 模型，示例如下：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-zle")
print(pipe(">>ukr<< Der Soldat hat mir Wasser gegeben."))

# expected output: Солдат дав мені воду.

✨ 主要特性

• 属于 OPUS - MT 项目，该项目致力于让神经机器翻译模型广泛可用。
• 最初使用 Marian NMT 框架进行训练，这是一个用纯 C++ 编写的高效 NMT 实现。
• 模型已使用 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 的方法。

📦 安装指南

文档未提及具体安装步骤，暂无法提供。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ukr<< Der Soldat hat mir Wasser gegeben.",
    ">>ukr<< Ich will hier nicht essen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-zle"
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:
#     Солдат дав мені воду.
#     Я не хочу тут їсти.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-zle")
print(pipe(">>ukr<< Der Soldat hat mir Wasser gegeben."))

# expected output: Солдат дав мені воду.

📚 详细文档

模型信息

基准测试

• 测试集翻译结果：opusTCv20210807_transformer - big_2022 - 03 - 23.test.txt
• 测试集得分：opusTCv20210807_transformer - big_2022 - 03 - 23.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

模型转换信息

• transformers 版本：4.16.2
• OPUS - MT git 哈希值：1bdabf7
• 转换时间：Thu Mar 24 01:29:09 EET 2022
• 转换机器：LM0 - 400 - 22516.local

🔧 技术细节

本模型是 OPUS - MT 项目的一部分，最初使用 Marian NMT 框架进行训练，这是一个用纯 C++ 编写的高效 NMT 实现。之后使用 huggingface 的 transformers 库将模型转换为 PyTorch 格式。训练数据来源于 OPUS，训练流程遵循 OPUS - MT - train 的方法。

📄 许可证

本模型使用 CC - BY - 4.0 许可证。

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",
}

致谢

本工作得到了以下项目的支持：

• European Language Grid 的 pilot project 2866。
• FoTran 项目，由欧洲研究理事会（ERC）在欧盟的 Horizon 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 Horizon 2020 研究和创新计划资助，资助协议编号 780069。

同时，我们感谢 CSC -- IT Center for Science（芬兰）提供的慷慨计算资源和 IT 基础设施。