Opus Mt Tc Big Zle En

🚀 opus-mt-tc-big-zle-en

这是一个用于将东斯拉夫语系（zle）翻译成英语（en）的神经机器翻译模型。该模型是[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在全球多种语言中广泛可用且易于获取。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++编写的高效神经机器翻译实现。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。

🚀 快速开始

本模型可用于将东斯拉夫语系（如白俄罗斯语、俄语、乌克兰语）翻译成英语。以下是使用示例：

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Скільки мені слід купити пива?",
    "Я клієнтка."
]

model_name = "pytorch - models/opus - mt - tc - big - zle - en"
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:
#     How much beer should I buy?
#     I'm a client.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki - NLP/opus - mt - tc - big - zle - en")
print(pipe("Скільки мені слід купити пива?"))

# expected output: How much beer should I buy?

✨ 主要特性

• 多语言支持：支持白俄罗斯语、俄语、乌克兰语到英语的翻译。
• 开源项目：属于OPUS - MT项目的一部分，借助Marian NMT框架训练，使用transformers库转换为pyTorch格式。

📦 安装指南

文档未提及安装步骤，暂不提供。

📚 详细文档

模型信息

模型转换信息

• transformers版本：4.16.2
• OPUS - MT git哈希值：1bdabf7
• 转换时间：Wed Mar 23 22:17:11 EET 2022
• 转换机器：LM0 - 400 - 22516.local

🔧 技术细节

本模型是基于Marian NMT框架进行训练的，该框架是一个用纯C++编写的高效神经机器翻译实现。训练数据来自OPUS，训练流程采用OPUS - MT - train的方法。模型经过转换后使用pyTorch框架，借助huggingface的transformers库实现。

📄 许可证

本模型使用CC - BY - 4.0许可证。

📊 基准测试

🔗 测试集相关链接

• 测试集翻译：[opusTCv20210807+bt_transformer - big_2022 - 03 - 17.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/zle - eng/opusTCv20210807+bt_transformer - big_2022 - 03 - 17.test.txt)
• 测试集分数：[opusTCv20210807+bt_transformer - big_2022 - 03 - 17.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/zle - eng/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

本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“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“地平线2020”研究与创新计划资助（资助协议编号780069）。

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

📚 引用信息

如果您使用此模型，请引用以下出版物：

@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",
}