opus-mt-tc-base-fi-uk

神经机器翻译模型，用于将芬兰语（fi）翻译为乌克兰语（uk）。

该模型是 OPUS-MT project 的一部分，旨在使神经机器翻译模型广泛可用和适用于世界上许多语言。所有模型最初是使用令人惊叹的 Marian NMT 框架进行训练的，它是一个用纯C++编写的高效NMT实现。这些模型已经使用huggingface的transformers库转换为pyTorch。训练数据来自 OPUS ，训练流程使用 OPUS-MT-train 的过程。

• 发表文章: OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （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",
}

模型信息

• 发布日期: 2022-03-07
• 源语言: fin
• 目标语言: ukr
• 模型: transformer-align
• 数据: opusTCv20210807+pbt ( source )
• 分词: SentencePiece (spm32k,spm32k)
• 原始模型: opusTCv20210807+pbt_transformer-align_2022-03-07.zip
• 更多信息发布的模型: OPUS-MT fin-ukr README

用法

简短的示例代码:

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Afrikka on ihmiskunnan kehto.",
    "Yksi, kaksi, kolme, neljä, viisi, kuusi, seitsemän, kahdeksan, yhdeksän, kymmenen."
]

model_name = "pytorch-models/opus-mt-tc-base-fi-uk"
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:
#     Африка є колискою людства.
#     Один, два, три, чотири, п'ять, шість, сім, вісім, дев'ять, десять.

您还可以使用transformers的pipelines中的OPUS-MT模型，例如:

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-base-fi-uk")
print(pipe("Afrikka on ihmiskunnan kehto."))

# expected output: Африка є колискою людства.

基准测试

• 测试集翻译: opusTCv20210807+pbt_transformer-align_2022-03-07.test.txt
• 测试集分数: opusTCv20210807+pbt_transformer-align_2022-03-07.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 European Language Grid 的支持，作为 pilot project 2866 ，由 FoTran project 资助，该资助项目由欧洲研究委员会 (ERC) 在欧盟的Horizon 2020研究和创新项目 (授予协议编号 771113) 和 MeMAD project 资助，该项目在欧盟的Horizon 2020研究和创新计划下供给资助，授予协议编号 780069。我们还感谢 CSC -- IT Center for Science 提供的慷慨计算资源和IT基础设施，芬兰。

模型转换信息

• transformers版本: 4.16.2
• OPUS-MT git哈希: 1bdabf7
• 转换时间: 2022年3月24日02:00:05 EET
• 转换机器: LM0-400-22516.local