Opus Mt Tc Bible Big Roa En

🚀 opus-mt-tc-bible-big-roa-en

这是一个用于将罗曼语系（roa）语言翻译成英语（en）的神经机器翻译模型。它属于OPUS - MT项目的一部分，旨在让神经机器翻译模型广泛可用，为世界上多种语言提供服务。

🚀 快速开始

简单示例代码

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "É caro demais.",
    "Estamos muertos."
]

model_name = "pytorch-models/opus-mt-tc-bible-big-roa-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:
#     It's too expensive.
#     We're dead.

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

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-roa-en")
print(pipe("É caro demais."))

# expected output: It's too expensive.

✨ 主要特性

• 支持多种罗曼语系语言到英语的翻译。
• 属于OPUS - MT项目，借助Marian NMT框架训练，后转换为pyTorch模型。
• 训练数据来源于OPUS，训练流程遵循OPUS - MT - train的程序。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "É caro demais.",
    "Estamos muertos."
]

model_name = "pytorch-models/opus-mt-tc-bible-big-roa-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:
#     It's too expensive.
#     We're dead.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-bible-big-roa-en")
print(pipe("É caro demais."))

# expected output: It's too expensive.

📚 详细文档

模型详情

这是一个用于将罗曼语系（roa）语言翻译成英语（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，该项目致力于让神经机器翻译模型广泛可用，为世界上多种语言提供服务。所有模型最初使用[Marian NMT](https://marian - nmt.github.io/)框架进行训练，这是一个用纯C++编写的高效NMT实现。这些模型通过huggingface的transformers库转换为pyTorch模型。训练数据来自OPUS，训练流程采用[OPUS - MT - train](https://github.com/Helsinki - NLP/Opus - MT - train)的程序。

用途

此模型可用于翻译和文本到文本的生成。

风险、限制和偏差

⚠️ 重要提示

读者应注意，该模型是在各种公共数据集上训练的，这些数据集可能包含令人不安、冒犯性的内容，并可能传播历史和当前的刻板印象。

已有大量研究探讨了语言模型的偏差和公平性问题（例如，参见[Sheng等人（2021）](https://aclanthology.org/2021.acl - long.330.pdf)和Bender等人（2021））。

训练

• 数据：opusTCv20230926max50+bt+jhubc（[来源](https://github.com/Helsinki - NLP/Tatoeba - Challenge)）
• 预处理：SentencePiece（spm32k,spm32k）
• 模型类型：transformer - big
• 原始MarianNMT模型：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.zip](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.zip)
• 训练脚本：[GitHub仓库](https://github.com/Helsinki - NLP/OPUS - MT - train)

评估

• [OPUS - MT仪表盘上的模型得分](https://opus.nlpl.eu/dashboard/index.php?pkg=opusmt&test=all&scoreslang=all&chart=standard&model=Tatoeba - MT - models/roa - eng/opusTCv20230926max50%2Bbt%2Bjhubc_transformer - big_2024 - 08 - 17)
• 测试集翻译：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.test.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.test.txt)
• 测试集得分：[opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.eval.txt](https://object.pouta.csc.fi/Tatoeba - MT - models/roa - eng/opusTCv20230926max50+bt+jhubc_transformer - big_2024 - 08 - 17.eval.txt)
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

引用信息

• 出版物：[通过OPUS - MT实现神经机器翻译的民主化](https://doi.org/10.1007/s10579 - 023 - 09704 - w)、[OPUS - MT – 为世界构建开放翻译服务](https://aclanthology.org/2020.eamt - 1.61/)和[塔托埃巴翻译挑战 – 低资源和多语言机器翻译的现实数据集](https://aclanthology.org/2020.wmt - 1.139/)（如果使用此模型，请引用）。

@article{tiedemann2023democratizing,
  title={Democratizing neural machine translation with {OPUS-MT}},
  author={Tiedemann, J{\"o}rg and Aulamo, Mikko and Bakshandaeva, Daria and Boggia, Michele and Gr{\"o}nroos, Stig-Arne and Nieminen, Tommi and Raganato, Alessandro and Scherrer, Yves and Vazquez, Raul and Virpioja, Sami},
  journal={Language Resources and Evaluation},
  number={58},
  pages={713--755},
  year={2023},
  publisher={Springer Nature},
  issn={1574-0218},
  doi={10.1007/s10579-023-09704-w}
}

@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

这项工作得到了[HPLT项目](https://hplt - project.org/)的支持，该项目由欧盟的“地平线欧洲”研究与创新计划资助，资助协议编号为101070350。我们也感谢芬兰CSC - 科学信息技术中心和[欧洲高性能计算机LUMI](https://www.lumi - supercomputer.eu/)提供的慷慨计算资源和IT基础设施。

模型转换信息

• transformers版本：4.45.1
• OPUS - MT git哈希值：0882077
• 转换时间：2024年10月8日 星期二 15:26:36 EEST
• 转换机器：LM0 - 400 - 22516.local

📄 许可证

本模型使用的许可证为Apache - 2.0。