Finetuned Colloquial Tamil

🚀 janisrebekahv/finetuned-colloquial-tamil

这是一个用于将英语翻译成口语化泰米尔语的微调模型，它基于特定的数据集进行训练，能准确处理包含俚语、非正式表达的翻译任务，适用于聊天机器人、对话式AI和社交媒体应用等场景。

🚀 快速开始

本模型可以借助Hugging Face Transformers库进行加载和测试。以下是使用示例代码：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load model and tokenizer
model_name = "janisrebekahv/finetuned-colloquial-tamil"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Function to translate text
def translate(text):
    inputs = tokenizer(text, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=128)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Example translations
test_sentences = [
    "This is so beautiful",
    "Bro, are you coming or not?",
    "My mom is gonna kill me if I don't reach home now!"
]

for sentence in test_sentences:
    print(f"English: {sentence}")
    print(f"Colloquial Tamil: {translate(sentence)}\n")

✨ 主要特性

• 该模型是 suriya7/English-to-Tamil 的微调版本，经过训练后可输出 口语化的泰米尔语翻译，而非正式的泰米尔语。
• 能够实现 英语 → 口语化泰米尔语 的翻译。
• 融入了 俚语、非正式表达和真实场景的用语。
• 适用于 聊天机器人、对话式AI和社交媒体应用。

📦 数据集

用于微调的自定义数据集

• janisrebekahv/colloquial_tamil：该数据集是专门为训练此模型而整理的，有助于提高模型将 英语准确翻译成口语化泰米尔语 的能力。

微调使用的数据集包含

1. jarvisvasu/english-to-colloquial-tamil：一个可公开获取的用于非正式泰米尔语翻译的数据集。
2. YouTube评论数据集（自定义创建）：通过 YouTube API 提取，并手动转换为口语化泰米尔语以保证真实性。
3. ChatGPT生成的数据：额外的口语化泰米尔语短语，符合自然语言表达模式。

数据集规模

• 总数据集大小：16,269个句子对

📚 详细文档

📄 许可证

本模型使用的许可证为CC BY 4.0。