Opus Mt Tc Big En Zle

🚀 opus-mt-tc-big-en-zle

这是一个用于将英语（en）翻译成东斯拉夫语系（zle）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，此项目致力于让全球多种语言的神经机器翻译模型广泛可用。所有模型最初使用[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)的方法。

• 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",
}

✨ 主要特性

• 支持从英语翻译到东斯拉夫语系的多种语言。
• 作为OPUS - MT项目的一部分，具有广泛的可用性和可访问性。
• 基于高效的Marian NMT框架训练，并转换为pyTorch格式。

📦 安装指南

文档中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 = [
    ">>rus<< Are they coming as well?",
    ">>rus<< I didn't let Tom do what he wanted to do."
]

model_name = "pytorch-models/opus-mt-tc-big-en-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:
#     Они тоже приедут?
#     Я не позволил Тому сделать то, что он хотел.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-zle")
print(pipe(">>rus<< Are they coming as well?"))

# expected output: Они тоже приедут?

📚 详细文档

模型信息

这是一个支持多种目标语言的多语言翻译模型。输入句子时需要以 >>id<<（id为有效的目标语言ID）的形式添加初始语言标记，例如 >>bel<<。

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 - zle/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 - zle/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)，由欧盟的“地平线2020”研究与创新计划（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”研究与创新计划（资助协议编号780069）资助。

我们也感谢芬兰的CSC -- IT Center for Science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：1bdabf7
• 转换时间：Thu Mar 24 01:58:40 EET 2022
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型采用CC - BY - 4.0许可证。