Opus Mt Tc Big En Fi

🚀 opus-mt-tc-big-en-fi

opus-mt-tc-big-en-fi是一款用于将英语（en）翻译成芬兰语（fi）的神经机器翻译模型。它是OPUS - MT项目的一部分，该项目旨在让神经机器翻译模型在全球多种语言中广泛可用。

🚀 快速开始

环境准备

确保你已经安装了transformers库。如果未安装，可以使用以下命令进行安装：

pip install transformers

代码示例

以下是使用该模型进行翻译的简单代码示例：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Russia is big.",
    "Touch wood!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fi"
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:
#     Venäjä on suuri.
#     Kosketa puuta!

你也可以使用transformers的pipeline来使用OPUS - MT模型，示例如下：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-fi")
print(pipe("Russia is big."))

# 预期输出: Venäjä on suuri.

✨ 主要特性

• 多语言支持：这是一个支持多种目标语言的多语言翻译模型。
• 广泛的训练数据：训练数据来自OPUS，并使用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的流程进行训练。
• 高效的实现：最初使用[Marian NMT](https://marian - nmt.github.io/)框架进行训练，该框架是一个用纯C++编写的高效NMT实现。

📦 安装指南

安装transformers库即可使用该模型：

pip install transformers

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Russia is big.",
    "Touch wood!"
]

model_name = "pytorch-models/opus-mt-tc-big-en-fi"
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) )

高级用法

使用transformers的pipeline进行翻译：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-en-fi")
print(pipe("Russia is big."))

📚 详细文档

模型信息

注意事项

这是一个支持多种目标语言的多语言翻译模型，需要在句子开头使用>>id<<（id为有效的目标语言ID）形式的语言标记，例如>>fin<<。

基准测试

• 测试集翻译结果：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - fin/opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.test.txt)
• 测试集得分：[opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/eng - fin/opusTCv20210807 + bt_transformer - big_2022 - 03 - 09.eval.txt)
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

致谢

本项目得到了以下组织和项目的支持：

• [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)，由欧洲研究理事会（ERC）在欧盟的“地平线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“地平线2020”研究和创新计划资助，资助协议编号780069。

同时，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

引用信息

如果你使用了该模型，请引用以下出版物：

• [OPUS - MT – Building open translation services for the World](https://aclanthology.org/2020.eamt - 1.61/)
• [The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT](https://aclanthology.org/2020.wmt - 1.139/)

@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",
}

📄 许可证

本模型使用CC - BY - 4.0许可证。